Resumen

La extracción y comprensión de los patrones de evolución de las enfermedades de los pacientes es una de las principales necesidades de la atención sanitaria. Un gran número de estudios de investigación se han centrado en la asignación de recursos médicos, la predicción de la supervivencia, la gestión del riesgo de diagnóstico, etc. En este artículo, estamos interesados específicamente en descubrir factores de riesgo para pacientes con alta probabilidad de desarrollar cánceres. Proponemos un algoritmo sistemático y basado en datos, y construimos en torno a la idea de minería de reglas de asociación. Más concretamente, el método de minería de reglas se aplica en primer lugar al conjunto de datos objetivo para desentrañar la relación subyacente entre los factores de riesgo de cáncer, mediante la generación de un conjunto de reglas candidatas. Posteriormente, este conjunto se representa como un grafo de reglas, en el que se identifican y seleccionan las reglas informativas con el fin de mejorar la interpretabilidad de los resultados. En comparación con los cientos de reglas generadas a partir del enfoque estándar de minería de reglas, el algoritmo propuesto se beneficia de un subconjunto de reglas conciso, sin perder la información del conjunto de reglas original. A continuación se evalúa el algoritmo propuesto utilizando uno de los mayores recursos de datos sobre cáncer. Comprobamos que nuestro método supera a los enfoques existentes en términos de identificación de reglas informativas y requiere un tiempo computacional asequible. Además, la información relevante de las reglas seleccionadas también puede utilizarse para informar a los proveedores de servicios sanitarios y a las autoridades para la gestión del riesgo de cáncer.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:reglas informativas, factores de riesgo, gestión del riesgo, mayores recursos de datos sobre el cáncer, tiempo computacional asequible, minería de reglas de asociación, subconjunto de reglas conciso, principal necesidad sanitaria, asignación de recursos médicos, conjunto de reglas original
• Keywords:informative rules, risk factors, risk management, largest cancer data resources, affordable computational time, association rule mining, concise rule subset, major healthcare need, medical resource allocation, original rule set