Predicción del cáncer de mama mediante modelos de aprendizaje automático

El cáncer de mama es un tipo de cáncer que se desarrolla en las células de la mama. El tratamiento para el cáncer de mama generalmente implica rayos X, quimioterapia o una combinación de ambos tratamientos. Detectar el cáncer en una etapa temprana puede salvar la vida de una persona. La inteligencia artificial (IA) juega un papel muy importante en esta área. Por lo tanto, predecir el cáncer de mama sigue siendo un tema muy desafiante para los médicos e investigadores. Este trabajo tiene como objetivo predecir la probabilidad de cáncer de mama en pacientes. Utilizando modelos de aprendizaje automático (ML) como Multilayer Perceptron (MLP), K-Nearest Neightbot (KNN), AdaBoost (AB), Bagging, Gradient Boosting (GB) y Random Forest (RF). Se ha utilizado el conjunto de datos médicos de diagnóstico de cáncer de mama del repositorio de Wisconsin. El conjunto de datos incluye 569 observaciones y 32 características. Siguiendo la metodología de análisis de datos, se realizó limpieza de datos, análisis exploratorio, entrenamiento, pruebas y validación. El rendimiento de los modelos se evaluó con los parámetros: precisión de clasificación, especificidad, sensibilidad, recuento F1 y precisión. El entrenamiento y los resultados indican que los seis modelos entrenados pueden proporcionar resultados óptimos de clasificación y predicción. Los modelos RF, GB y AB lograron una precisión del 100%, superando a los demás modelos. Por lo tanto, los modelos sugeridos para la identificación, clasificación y predicción del cáncer de mama son RF, GB y AB. Asimismo, los modelos Bagging, KNN y MLP lograron un rendimiento del 99,56%, 95,82% y 96,92%, respectivamente. De manera similar, los tres últimos modelos lograron un rendimiento óptimo cercano al 100%. Finalmente, los resultados muestran una clara ventaja de los modelos RF, GB y AB, ya que logran.

https://repositorio.uwiener.edu.pe/bitstream/handle/20.500.13053/9106/Paper_72-Breast_Cancer_Prediction_using_Machine_Learning_Models.pdf?sequence=1&isAllowed=y

Producciones Académicas y Científicas

𝐂𝐎𝐍𝐈𝐈𝐒𝐈 𝟐𝟎𝟐𝟑
𝐂𝐨𝐧𝐠𝐫𝐞𝐬𝐨 𝐈𝐧𝐭𝐞𝐫𝐧𝐚𝐜𝐢𝐨𝐧𝐚𝐥 𝐝𝐞 𝐈𝐧𝐠𝐞𝐧𝐢𝐞𝐫𝐢́𝐚 𝐈𝐧𝐝𝐮𝐬𝐭𝐫𝐢𝐚𝐥 𝐲 𝐒𝐢𝐬𝐭𝐞𝐦𝐚𝐬: 𝐀𝐜𝐚𝐝𝐞𝐦𝐢𝐚, 𝐄𝐦𝐩𝐫𝐞𝐬𝐚 𝐲 𝐆𝐨𝐛𝐢𝐞𝐫𝐧𝐨 "Unidos por la investigación de la industria 4.0 y la inteligencia artificial"  

Breast Cancer Prediction using Machine Learning Models

Aplicación de PMBOK® a la gestión de la docencia en la universidad

La Revista Científica Venta Informática, pertenece a la Facultad de Ingeniería de la Universidad de Manizales Colombia, en la cual tenemos el honor y responsanbilidad de pertenecer al equipo del comite editorial, los interesados en presentar artículos pueden presentar sus artículos científicos para ser revisadas y posteriormente Publicadas.

https://www.slideshare.net/epifania/ventana-informatica-ediccin-25

https://www.slideshare.net/epifania/revista-ventana-informatica-28

https://www.slideshare.net/epifania/ventana-informatica-29-32853506