Modelo analítico basado en Machine Learning, para el diagnóstico de melanoma en etapas tempranas, en Cusco, Perú​

• Autores: Villanueva Zárate, Natalia Valeria, ​​Pardo Valdivia, Flavia ​
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/684588
• Enlace del recurso: http://doi.org/10.19083/tesis/684588; http://hdl.handle.net/10757/684588
• Nivel de acceso: acceso abierto
• Materia: Machine learning; SVM; Support vector machine; Skin melanoma; http://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

"En el presente trabajo, se identificaron una serie de causas que provocan diagnósticos erróneos o tardíos, lo que deriva en una probabilidad más baja de superación de este cáncer. Entre las causas tenemos al desconocimiento de la enfermedad, a los recursos médicos insuficientes, a la abstención de atención médica debido a los bajos recursos económicos y al personal médico limitado en ciertos sectores y/o regiones del país, en especial Cusco. Con el objetivo de contribuir a la solución de este problema, se propuso la implementación de un modelo analítico basado en Machine Learning, diseñado para la detección temprana del melanoma. Este modelo no pretende reemplazar la experiencia de un dermatólogo, sino actuar como una herramienta de apoyo para el diagnóstico inicial, lo que permitiría un inicio de tratamiento más rápido y aumentaría las posibilidades de recuperación completa. El desarrollo fue llevado a cabo utilizando el algoritmo Support Vector Machine (SVM), el lenguaje de programación Python, conjuntos de datos de los repositorios ""ISIC 2019"" e ""ISIC 2020"", además de los servicios de la nube de Amazon Web Services. En síntesis, este proyecto busca mejorar la detección temprana del melanoma a través de un modelo de Machine Learning que, aunque no reemplaza a un profesional médico, representa un recurso valioso para acelerar el inicio del tratamiento y, por ende, aumentar las tasas de éxito en la lucha contra esta enfermedad.||This paper addressed the problems associated with late detection of melanoma. Following an initial investigation, a number of causes were identified that lead to misdiagnosis or late diagnosis, resulting in a lower probability of overcoming this cancer. Among the causes are lack of awareness of the disease, insufficient medical resources, lack of medical care due to low economic resources and limited medical staff in certain sectors and/or regions of the country, especially Cusco. In order to contribute to the solution of this problem, the implementation of an analytical model based on Machine Learning, designed for the early detection of melanoma, was proposed. This model is not intended to replace the expertise of a dermatologist, but to act as a support tool for the initial diagnosis, which would allow a faster initiation of treatment and increase the chances of full recovery. The development was carried out using the Support Vector Machine (SVM) algorithm, the Python programming language, datasets from the ""ISIC 2019"" and ""ISIC 2020"" repositories, as well as Amazon Web Services cloud services. In summary, this project seeks to improve the early detection of melanoma through a Machine Learning model that, although it does not replace a medical professional, represents a valuable resource to accelerate the initiation of treatment and, therefore, increase success rates in the fight against this disease."