Minería de datos aplicada a la detección de cáncer gástrico

• Omar D. Castrillón ^[1] ; Luis F. Castillo ^[1] ; Carlos E. Castaño ^[2]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
  2. [2] Universidad de Caldas

     Universidad de Caldas

     Colombia

     
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 33, Nº. 4 (Agosto), 2022, págs. 151-160
• Idioma: español
• Títulos paralelos:
  • Data mining applied to gastric cancer detection
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este estudio se busca determinar las variables que influyen en la aparición de neoplasia e identificar oportunamente la población susceptible a desarrollar cáncer gástrico. Se utiliza la plataforma Weka con el algoritmo de clasificación J48. Inicialmente se modela una base de datos con 172 registros sociodemográficos y genéticos, de construcción propia, con 11 variables independientes (edad, genero, estrato, raza, comida ultra procesada, antecedentes familiares, Helicobacter pylori, tabaquismo, consumo de licor, polimorfismos GSTM1 null, GSTT1 null) y una variable dependiente, cáncer gástrico con 3 estados (ninguno, tipo intestinal y tipo difuso). Se seleccionan las variables independientes con mayor influencia sobre la variable dependiente. Se logra un porcentaje de éxito superior al 91%, en la identificación de la variable dependiente. En conclusión, la técnica de minería de datos empleada (árboles de decisión) permite establecer que hay diferentes variables que influyen en la aparición del cáncer gástrico.

  • English

    The main purpose of this study is to determine the variables that influence the appearance of neoplasm to timely identify populations susceptible to developing gastric cancer. The Weka platform with the classification algorithm J48 is used to model a database built with 172 socio-demographic and genetic records, as well as 11 independent variables (age, gender, stratum, race, ultra-processed food, family history, Helicobacter pylori, smoking, alcohol consumption, and GSTM1 null and GSTT1 null polymorphisms) and one dependent variable, gastric cancer in three states (none, intestinal type, and diffuse type). The independent variables with the greatest influence on the dependent variable are selected. The results show an over 91% success rate in correctly identifying the dependent variable. In conclusion, the data mining technique (decision-making trees) applied here allows establishing that different variables influence gastric cancer onset.