Empleo del aprendizaje automático en el diagnóstico y tratamiento del cáncer cervicouterino: Una evaluación cuantitativa de sus principales factores condicionantes

• Jessenia Guadalupe Chalén-Ortega ^[1] ; Wellington Remigio Villota-Oyarbide ^[1] ; José Felipe Ramírez-Pérez ^[2]
  1. [1] Universidad Católica de Santiago de Guayaquil

     Universidad Católica de Santiago de Guayaquil

     Guayaquil, Ecuador

     
  2. [2] Universidad Autónoma de Baja California

     Universidad Autónoma de Baja California

     México

     
• Localización: RISTI: Revista Ibérica de Sistemas e Tecnologias de Informação, ISSN-e 1646-9895, Nº. Extra 43, 2021, págs. 597-618
• Idioma: español
• Títulos paralelos:
  • Use of machine learning in the diagnosis and treatment of cervical cancer: A quantitative assessment of your main conditioning factors
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    El cáncer cervicouterino es el segundo de mayor incidencia y el tercero de mayor letalidad en la mujer. No obstante, su prevención en etapas tempranas posibilita su curación. El objetivo de la investigación es validar los principales factores condicionantes del cáncer cervicouterino, por medio de una evaluación cuantitativa con métodos estadísticos, que permita el empleo efectivo de técnicas de aprendizaje automático para el diagnóstico y tratamiento de esta dolencia. La investigación es mixta, con diseño no experimental y alcance explicativo. Se utiliza una muestra intencional no representativa de la población (n=31). Los resultados obtenidos demuestran el diseño de un instrumento válido (CVI=0.79), confiable (a=0.86) y con una adecuada validez de constructo. Los mismos permiten la obtención de factores condicionantes del cáncer cervicouterino. La investigación constituye la base para el desarrollo de un modelo computacional que contribuya a la prevención de esta dolencia, así como a su diagnóstico y tratamiento oportuno.

  • English

    Cervical cancer is the second highest incidence and third most fatal in women. However, its prevention in early stages enables its cure. The objective of the research is to validate the main conditioning factors of cervical cancer, through a quantitative evaluation with statistical methods, which allows the effective use of machine learning techniques for the diagnosis and treatment of this disease.

    The research is mixed, with a non-experimental design and explanatory scope.

    An intentional non-representative sample of the population (n = 31) is used. The results obtained demonstrate the design of a valid instrument (CVI = 0.79), reliable (a = 0.86) and with adequate construct validity. They allow obtaining determining factors for cervical cancer. The research constitutes the basis for the development of a computational model that contributes to the prevention of this disease, as well as its diagnosis and timely treatment.