Aplicaciones del Machine Learning en el diagnóstico del cáncer de pulmón

El cáncer de pulmón es una enfermedad que se caracteriza por el crecimiento anormal de células malignas en los tejidos pulmonares. Es uno de los cánceres más comunes y está estrechamente relacionado con el consumo de tabaco, aunque también puede afectar a personas no fumadoras. Este tipo de cáncer puede tener graves consecuencias para la salud y su detección temprana, así como el acceso a tratamientos adecuados, son fundamentales para mejorar las perspectivas de supervivencia y calidad de vida de los pacientes. Por lo tanto, la detección del cáncer de pulmón es crucial para identificar la enfermedad en etapas tempranas y poder así mejorar las opciones de tratamiento. Este proyecto de fin de grado tiene como objetivo el desarrollo de una red neuronal convolucional (CNN) que a partir de imágenes histopatológicas de tumores pulmonares puede clasificar tumores benignos, carcinomas o adenocarcinomas. La prioridad de la red neuronal es maximizar el recall, para no brindar falsos negativos en los diagnósticos realizados, ya que este error podría comportar consecuencias graves para los pacientes. Además, se desarrollan diversos modelos de aprendizaje automático para clasificar a los pacientes según la presencia de cáncer en sus pulmones y también la gravedad de este. De esta manera, se puede realizar un análisis en profundidad de las variables que tienen mayor impacto con la presencia y gravedad de un cáncer, tomando como variables tanto posibles potenciadores de la presencia de cáncer como síntomas presentes en el paciente.
Lung cancer is a disease characterised by the abnormal growth of malignant cells in lung tissues. It is one of the most common cancers and is closely linked to tobacco use, although it can also affect non-smokers. This type of cancer can have serious health consequences and its early detection, as well as access to appropriate treatments, are essential to improve patients' prospects of survival and quality of life. Therefore, screening for lung cancer is crucial to identify the disease in its early stages and improve treatment options. This thesis presents the development of a convolutional neural network (CNN) for the classification of histopathological images of lung tumours into benign tumours, carcinomas or adenocarcinomas. The priority of the neural network is to maximise recall in order to avoid false negatives in the diagnoses made, as this error could have serious consequences for patients. In addition, several machine learning models are developed to classify patients according to the potential presence of cancer in their lungs and also to classify the severity of the cancer. In this way, an in-depth analysis of the variables that have the greatest impact on the presence and severity of a cancer can be carried out, taking as variables both possible enhancers of the presence of cancer and symptoms.