Priorización de atención de pacientes de cáncer de mama: Modelo de predicción de valores BI-RADS

Abstract

El cáncer de mama es una de las enfermedades más comunes en las mujeres a nivel mundial y representa un importante problema de salud pública. Según datos de la Organización Mundial de la Salud (WHO), se estima que cada año se diagnostican alrededor de 2.3 millones de nuevos casos de cáncer de mama y que esta enfermedad es responsable de más de 685.000 muertes en todo el mundo. En el contexto de Chile, el cáncer de mama también es una de las principales causas de muerte en mujeres. Según el último informe del Ministerio de Salud, durante 2020 se diagnosticaron 5.331 casos nuevos de cáncer de mama y 1.674 muertes relacionadas a la patología. Estas cifras dan a cuenta la importancia de desarrollar herramientas y metodologías que permitan una detección temprana y un tratamiento efectivo del cáncer de mama. En este sentido, la detección temprana es fundamental para aumentar las posibilidades de curación y reducir la mortalidad. Una herramienta importante para la detección temprana del cáncer de mama son las mamografías, las cuales permiten identificar lesiones y anomalías en las mamas antes de que se manifiesten clínicamente. Sin embargo, la interpretación de los informes de mamografías puede ser subjetiva y estar sujeta a errores y variaciones según el especialista que las analice. En esta memoria se propone el desarrollo de un modelo de predicción de valores BI-RADS en informes de mamografías en el contexto de cáncer de mama, utilizando métodos de aprendizaje automático, como MultiNaive Bayes, Support Vector Machine y k-Nearest Neighbors. El objetivo es mejorar la precisión en la interpretación de los informes de mamografías y, por lo tanto, contribuir a una detección temprana y un tratamiento más efectivo del cáncer de mama.