Resumen

Objetivo. La predicción patológica del cáncer de próstata puede realizarse prediciendo la metástasis prostática del paciente antes de la cirugía basándose en la información de la biopsia. Dado que las variables de la biopsia asociadas a la patología presentan incertidumbre respecto a las diferencias individuales de cada paciente, es necesario un método de clasificación en función de estas variables. Método. Proponemos un multiclasificador basado en redes de creencia profunda y Dempster-Shafer- (DBN-DS-) para la predicción patológica del cáncer de próstata. El DBN-DS aprende información de las variables antígeno prostático específico (PSA), puntuación de Gleason y estadio clínico T utilizando tres DBNs. La incertidumbre con respecto al resultado predicho se eliminó de la DBN y se combinó con la información de DS para tomar una decisión correcta. Resultados. El nuevo método se validó con datos patológicos de 6.342 pacientes con cáncer de próstata. Los estadios patológicos consistían en enfermedad órgano-confinada (EOC; 3.892 pacientes) y enfermedad no órgano-confinada (ENO; 2.453 pacientes). Los resultados mostraron que la precisión de la DBN-DS propuesta era del 81,27%, superior al 64,14% de la tabla de Partin. Conclusiones. La DBN-DS propuesta es más eficaz que otros métodos para predecir el estadio patológico. El rendimiento es alto debido a la combinación lineal que utiliza los resultados de las características relacionadas con la patología. El método propuesto puede ser eficaz en el apoyo a la toma de decisiones para el tratamiento del cáncer de próstata.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:DBN, cáncer de próstata, DS, pacientes, estadio clínico T, red de creencia profunda, diferencias individuales entre pacientes, tratamiento del cáncer de próstata, enfermedad, método
• Keywords:DBN, prostate cancer, DS, patients, clinical T stage, deep belief network, individual patient differences, prostate cancer treatment, disease, method