Més enllà de les dades tabulars: Millora de la predicció d'assajos clínics amb xarxes neuronals de grafs heterogenis

Identificador:  TFM:2530

Handle: https://hdl.handle.net/20.500.11797/TFM2530

Autores:  Muñoz Bravo, Alex

Resumen:
Esta tesis explora cómo mejorar la predicción de ensayos clínicos yendo más allá de los datos tabulares tradicionales. Propone un enfoque novedoso que utiliza redes neuronales de grafos heterogéneos (GNN) para modelar las relaciones complejas y diversas entre entidades biomédicas, tales como fármacos, indicaciones y ensayos. Al representar estas interacciones dentro de una estructura de grafo rica e interconectada, esta metodología busca captar patrones intrincados que los modelos convencionales podrían pasar por alto. El objetivo principal es aumentar la precisión en la predicción de los resultados de los ensayos clínicos, lo que podría conducir a procesos de desarrollo de fármacos más eficientes y a una reducción de las tasas de fracaso.