Predictor para el síndrome de Lynch: comparativa y análisis de algoritmos de machine learning

Abstract

En el desarrollo de este proyecto se ha analizado el síndrome de Lynch, un síndrome hereditario que aumenta las posibilidades de padecer ciertos tipos de cáncer. Este síndrome se detecta debido a mutaciones en los genes: MLH1, MSH1, MSH2, MSH6 o PMS2. Se ha querido desarrollar un predictor del síndrome partiendo de ciertas características de los individuos. Para ello, el primer paso ha sido recolectar datos para poder aplicar distintos algoritmos de Machine Learning. Tras encontrar los datos más adecuados, se ha realizado un análisis de estos, luego se han aplicado distintos algoritmos de clasificación para al final compararlos todos. La librería principal utilizada en el desarrollo del producto ha sido scikit-learn de Python. Dentro de todos los algoritmos utilizados, en algunos de ellos se ha realizado un estudio por minorizado de los parámetros configurables para de esta forma obtener los resultados más óptimos. Todo el trabajo se ha visto marcado debido a los datos, ya que la muestra de estos era pequeña.

Along the development of this project, Lynch Syndrome has been analysed, an hereditarian syndrome which increases the possibilities of suffering different kinds of cancer. This syndrome is detected due to mutations in different genes like: MLH1, MSH1, MSH2, MSH6 o PMS2. A predictor has been developed coming from individual characteristics. First of all, data have been collected in order to apply to different machine learning algorithms. After finding the most suitable data, an analysis has been done. After that, different classification algorithms have been studied with the purpose of comparing all of them. The main library used in the product development has been Python scikit-learn. Some algorithms have been searched of in detail to obtain optima results. The project has been determined because of a small sample data.

En el desenvolupament d'aquest projecte s'ha analitzat el síndrome de Lynch, un síndrome hereditari que augmenta les possibilitats de patir certs tipus de càncer. Aquesta síndrome es detecta a causa de mutacions en els gens: MLH1, MSH1, MSH2, MSH6 o PMS2. S'ha volgut desenvolupar un predictor del síndrome partint de certes característiques dels individus. Per a això, el primer pas ha estat recol·lectar dades per poder aplicar diferents algoritmes de machine learning. Després de trobar les dades més adequades, s'ha realitzat un anàlisi d'aquestes, després s'han aplicat diferents algoritmes de classificació per al final comparar-les tots. La llibreria principal utilitzada en el desenvolupament del producte ha estat scikit-learn de Python. Dins de tots els algoritmes utilitzats, en alguns d'ells s'ha realitzat un estudi per minoritzat dels paràmetres configurables per així obtenir els resultats més òptims. Tot el treball s'ha vist marcat causa de les dades, ja que la mostra d'aquestes era petita.