Objectiu: Previsió càncer de mama
Dades
347 families (GED files) amb informació sobre la mutació genètica.
554 dades clíniques d’individus de famílies (arxius csv).
Mètode
Generar automàticament indicadors d’herència, utilitzar indicadors amb dades clíniques per predir el risc de càncer, raonament basat en casos per a la predicció individual-personal.
Resultats
8 indicadors, 11 regles d’herència, el 91% d’èxit amb herència de mutació. Eina exitCBR.
El càncer de mama ha estat el començament de la col·laboració en el món de la salut, desafiant-nos amb problemes que requereixen eines per garantir la repetició experimental, a causa de la criticitat de l’impacte dels resultats sanitaris. Vam desenvolupar l’eina eXiTCBR basada en el raonament basat en casos, ja que aquesta és la metodologia d’intel·ligència artificial que dóna suport a la medicina basada en l’evidència. A més, permet la hibridació d’altres tècniques d’aprenentatge i raonament automàtic. Avui dia, l’eina està en creixement i hi ha diverses versions disponibles. Pel que fa al càncer de mama, desenvolupem com a part de l’eina un nou mètode de reutilització per al raonament basat en casos, un algoritme genètic per conèixer la rellevància de les variables clíniques. També s’ha desenvolupat un complement per administrar arxius de dades heredades de GED, de manera que els índexs d’herència familiar es poden gestionar a nivell clínic. També s’han aplicat tècniques de descobriment de subgrups.
