Un Primer Abordaje para la Predicción de la Enfermedad de Injerto contra Huésped en Trasplante de Médula Ósea en Pacientes Pediátricos

Abstract

La enfermedad de injerto contra huésped (EICH) es una complicación común en un paciente, luego de ser sometido a un trasplante de médula ósea y puede ser mortal. En la actualidad los especialistas no tienen manera de predecir de forma efectiva si el paciente puede desarrollar la enfermedad. A partir de esta problemática, en este trabajo se propone obtener distintos modelos de Aprendizaje Automático con el objetivo de predecir, a partir de los datos a los que tiene acceso el especialista, si el paciente va a desarrollar EICH. Como punto de partida se utilizarán dos datasets representativos: por un lado, un conjunto de 187 ejemplos con 37 atributos correspondiente a datos públicos, y por otro, un conjunto de mayor magnitud proporcionado por el Hospital Luis Calvo Mackenna consistente de 536 ejemplos con 227 atributos (seleccionándose un subconjunto de éstos últimos). Nuestra investigación preliminar a partir de los datasets anteriores muestra que se pueden generar distintos modelos con buena capacidad predictiva. En particular utilizamos Árbol de Decisión, Bosque Aleatorio, XGBoost, Regresión Logística, Perceptrón Multicapa, AdaBoost y Potenciación de Gradiente, comparando su desempeño utilizando distintas métricas.