Resumen de PCA y SVM en paralelo para optimizar el diagnostico de cáncer de mama basado en espectroscopía Raman

Francisco Javier Luna Rosas, Julio César Martínez Romo, Ricardo Mendoza González, Huizilopoztli Luna García, Mario Alberto Rodríguez Díaz, Laura Cecilia Rodríguez Martínez

• español

  El cáncer de mama es una de las enfermedades con más víctimas en todo el mundo; por lo tanto, una rápida detección automatizada del cáncer de mama en los pacientes es un paso relevante para iniciar un tratamiento adecuado. En este artículo presentamos un método que optimiza el tiempo de respuesta en la detección automatizada de cáncer de mama, en el cual una señal Raman es clasificada viniendo de una biopsia de tejido sano o una biopsia de tejido dañado. Para llevar a cabo la detección aplicamos Análisis de Componentes Multivariados (PCA) en conjunto con un clasificador (Maquina de Soporte Vectorial (SVM)) en Paralelo y a partir de estos métodos se obtuvieron altas tasas de detección correctas, corroborado al comparar los resultados del clasificador contra las clasificaciones previas del tejido realizadas por un patólogo experto. Consideramos que nuestro enfoque puede ser aplicado a otros órganos del cuerpo donde la detección y clasificación oportuna de cáncer puede ser difícil y de relevancia pronóstica, tales como estómago y páncreas, entre otros.

• English

  Breast cancer is one of the most deadly diseases in the world; therefore, rapid automated detection of breast cancer in patients is a relevant step in initiating appropriate treatment. In this paper we present a method that optimizes the response time in the automated detection of breast cancer in which a Raman signal is classified as coming from a healthy tissue biopsy or a damaged tissue biopsy. To carry out the detection, we applied Multivariate Component Analysis (PCA) in conjunction with a Classifier (Vector Support Machine (SVM)) in Parallel and from this methods we obtained high correct detection rates, corroborated when comparing the results of the classifier against previous tissue classifications performed by an expert pathologist. We believe that our approach can be applied to other organs of the body where timely detection and classification of cancer can be difficult and of prognostic relevance, such as stomach and pancreas, among others.