Resumen

RODRIGUEZ ALONSO, A. et al. Utilidad de las redes neuronales artificiales en la predicción de cáncer de próstata en la biopsia transrectal. Actas Urol Esp [online]. 2006, vol.30, n.1, pp.18-24. ISSN 0210-4806.

Objetivo: Determinar si el desarrollo de una red neuronal artificial (RNA) formada por variables clínicas permite predecir el resultado de la biopsia prostática (BP). Material y métodos: Pacientes (n=953) sometidos a BP en el Hospital Arquitecto Marcide, Ferrol, entre enero-2000 y junio-2005. Las variables estudiadas fueron edad, PSA, tacto rectal y volumen prostático, disponiendo de todos estos datos en 843 casos. Para determinar factores relacionados con el diagnóstico de cáncer de próstata (CP), se desarrollaron un análisis de regresión logística y una red neuronal "feed-forward", con tres nodos en su capa oculta y un nodo de salida, que representa la probabilidad de CP. Ambos modelos fueron construidos a partir de una muestra aleatoria de n=643 pacientes (set de derivación). La capacidad predictiva de ambos modelos se valoró con los 200 pacientes restantes (set de validación), mediante curvas ROC y su área bajo la curva (ABC). Resultados: Se detectó CP en 500 (59,3%) casos. Ajustando por edad, PSA, tacto rectal y volumen prostático, en un modelo de regresión logística multivariante, se observó que todas las variables predecían CP de forma independiente. Las ABC fueron de 0,693 para el PSA, 0,707 para el volumen prostático, 0,815 para la regresión logística y 0,819 para la RNA. La capacidad predictiva de la RNA fue significativamente superior a la del PSA (p=0,002) y volumen prostático (p<0,001) y similar a la de la regresión logística (p=0,760). Conclusiones: La RNA presenta una capacidad de predicción de CP significativamente superior a los métodos diagnósticos unimodales, y similar a la regresión logística.

Palabras clave : Próstata; Biopsia; Neoplasia prostática; Red neuronal artificial; Regresión logística; Diagnóstico.

        · resumen en Inglés     · texto en Español     · Español ( pdf )