Validacion de un modelo predictivo multivariable a partir de las caracteristicas radiomicas significativas de estudios tomograficos de pacientes con diagnostico de adenocarcinoma ductal pancreático atendidos en el Hospital Nacional Guillermo Almenara Irigoyen entre enero 2020 – junio 2024
Descripción del Articulo
        El presente proyecto de investigación tiene como objetivo la validación de un modelo predictivo multivariable a partir de las características radiomicas significativas obtenidas a partir de estudios tomográficos computarizados de pacientes con diagnóstico de Adenocarcinoma ductal pancreático determi...
              
            
    
                        | Autor: | |
|---|---|
| Formato: | tesis de maestría | 
| Fecha de Publicación: | 2025 | 
| Institución: | Universidad Nacional Mayor de San Marcos | 
| Repositorio: | UNMSM-Tesis | 
| Lenguaje: | español | 
| OAI Identifier: | oai:cybertesis.unmsm.edu.pe:20.500.12672/26494 | 
| Enlace del recurso: | https://hdl.handle.net/20.500.12672/26494 | 
| Nivel de acceso: | acceso abierto | 
| Materia: | Carcinoma Ductal Pancreático Páncreas Tomografía https://purl.org/pe-repo/ocde/ford#2.11.02 | 
| Sumario: | El presente proyecto de investigación tiene como objetivo la validación de un modelo predictivo multivariable a partir de las características radiomicas significativas obtenidas a partir de estudios tomográficos computarizados de pacientes con diagnóstico de Adenocarcinoma ductal pancreático determinado por el departamento de anatomía patológica del H. N. Guillermo Almenara Irigoyen entre enero 2020 a junio 2024. Metodología Se seguirá un diseño analítico predictivo multivariable de resultados binarios, buscando realizar el entrenamiento y validación de un modelo predictivo según los protocolos actuales, para lo cual se obtendrá una muestra previamente aleatorizada con 91 eventos y 7854 inputs. Los datos serán procesados en el software 3D Slicer, donde se realizará la extracción de las características radiómicas significativas. Posteriormente, los datos serán analizados con el paquete estadístico R Studio, y el entrenamiento del modelo se llevará a cabo utilizando librerías especializadas en machine learning de Python. Resultados: Se obtendrán las características radiomicas significativas en nuestra población siendo estas agrupadas, posterior a la validación del modelo predictivo, en una firma radiomica y obtención de un nomograma. Estos hallazgos contribuirán a una comprensión más profunda de esta patología y puede tener implicaciones significativas en el ámbito de la oncología. | 
|---|
 Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
    La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).
 
   
   
             
            