Modelo de Machine Learning para Detectar Cáncer de Mama Femenino

• Autor: Herrera Lozano, César Alberto
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Tecnológica del Perú
• Repositorio: UTP-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.utp.edu.pe:20.500.12867/11924
• Enlace del recurso: https://hdl.handle.net/20.500.12867/11924
• Nivel de acceso: acceso abierto
• Materia: Cáncer de mama; Mamografías; Machine learning; Red neuronal; https://purl.org/pe-repo/ocde/ford#2.02.04

En 2020, el cáncer de mama femenino se convirtió en el causante inicial de nuevos casos de cáncer a nivel mundial, superando al cáncer de pulmón. En todo el mundo, se sitúa en la quinta posición términos de mortalidad por cáncer. Durante el año 2022, el Seguro Social de Salud (EsSalud) encontró 10,203 personas afiliadas con tumores malignos en áreas como cuello uterino, próstata, mama, estómago, pulmón y piel. Según la oficina de inteligencia sanitaria de EsSalud, se registró un incremento del 31.1% en los casos de cáncer en comparación con 2021. La investigación tiene como propósito desarrollar un modelo de machine learning para detectar cáncer de mama femenino en etapas tempranas utilizando imágenes médicas. Es una investigación aplicada, de tipo no experimental, en la cual se analizaron tres arquitecturas de redes neuronales (InceptionV3, DenseNet, ResNet-50). Tras evaluar su complejidad, escalabilidad y eficiencia, se eligió ResNet-50 como el modelo óptimo. Se utilizó la metodología CRISP-DM, que proporciona una perspectiva global sobre las etapas de un proyecto de minería de datos, detallando las etapas del proyecto, las tareas correspondientes y los resultados obtenidos. Para la investigación, se emplearon dos conjuntos de datos de imágenes de mamografías (CBIS-DDSM y MIAS). Las imágenes fueron preprocesadas y aumentadas para mejorar la representatividad y reducir el riesgo de sobreajuste. Finalmente, se implementó una interfaz web que permite la interacción con el modelo, facilitando su aplicación práctica.