Determinación de la eficacia de la braquiterapia en tratamiento de cáncer basada en minería de datos

Abstract

En las últimas décadas, hemos sido testigos de vertiginosos cambios en las tecnologías existentes. En este marco de rápida evolución, no podemos dejar afuera los avances producidos en las ciencias de salud. Frente a dichos cambios, aparecen en la medicina nuevas alternativas para el tratamiento de enfermedades. Al encontrarnos frente a estas nuevas alternativas, comienza a tomar mayor importancia el concepto de calidad de vida, ligada a cada uno de los tratamientos. Para el tratamiento del cáncer de próstata, existen tratamientos alternativos. Entre ellos se encuentran, la prostatectomía radical (abierta o laparoscópica), radioterapia conformada externa, terapia hormonal y braquiterapia. Para distintos pacientes con estadíos de enfermedad curables, la elección del tratamiento debe contrastarse contra los riesgos de la terapia, la edad del paciente, el comportamiento biológico del cáncer, la calidad de vida y otros factores. Esta situación, pone de manifiesto la necesidad de generar herramientas de toma de decisiones, para maximizar la eficacia a la hora de elegir el tratamiento adecuado para un paciente. En la actualidad, los especialistas cuentan con algunas herramientas que sirven de ayuda en el momento de tomar una decisión respecto al tratamiento adecuado para cada paciente. La herramienta por excelencia es la experiencia profesional, la cual confiere a los especialistas criterios consensuados a la hora de optar por un tratamiento u otro. Estos criterios se basan en una serie de indicadores, que varían en un rango de valores determinado, y que al interactuar generan un output, que es la decisión del profesional acerca del tratamiento “óptimo”. Con el afán de brindar un marco teórico a las decisiones, tanto para optimizarlas como para dotar de un valor cuantitativo a la experiencia, es que la ingeniería industrial hace su aporte. Existen dos métodos de ayuda en la toma de decisiones. El primero, y el más extensamente estudiado y aceptado, es el conocido como Nomogramas (Partin). Los nomogramas son herramientas predictivas basadas en análisis de regresión multivariable. Son representaciones gráficas de modelos estáticos, que utilizan escalas, para calcular el “peso” del valor de cada variable, y luego predecir un determinado punto final (end point). Los puntos finales que se estudian entre otros pueden ser: estadío de la enfermedad, probabilidad de reaparición de la enfermedad [Shariat et al., 2005], predicción de retención urinaria aguda o intervención quirúrgica en pacientes con hyperplasia próstatica benigna [Slawin et al., 2006]. Las predicciones que se obtienen son resultado de los indicadores individuales de cada paciente. Los nomogramas están formados por una serie de ejes, cada uno de los cuales representa una variable. Las variables varían dentro de una escala, y a cada valor de la variable le corresponde una puntuación dependiendo del impacto que dicha variable tenga en la predicción. El eje final, concentra la puntuación final, que es transformada en la probabilidad de alcanzar el punto final. Este tipo de métodos, debe tener especial cuidado a la hora de definir como imputar el “peso” al valor de las variables, al descartar variables que puedan resultar importantes, al incorporar variables inadecuadas, entre otras. Los nomogramas son los métodos mas estudiados y por lo tanto existen varios estudios de validación de dichos modelos. Entre otros podemos encontrar: Validación de nomograma para predecir resultados positivos de biopsia en cáncer de próstata [Yanke et al., 2005].