Skip navigation

Problemática

La medicina es un campo muy complejo, especialmente en el área de uncología, donde los médicos deben diagnosticar si determinados pacientes de sexo masculino tienen o no cáncer de próstata.

El cáncer de próstata es el tumor maligno más común entre los hombres mayores de 50 años de edad y la segunda causa de muerte por cáncer (el cáncer de pulmón es la primera).

La probabilidad de recuperación depende de la etapa del cáncer (si se encuentra localizado exactamente en la próstata o se ha diseminado en otras partes del cuerpo) y de la salud del paciente en general. Por eso, es importante diagnosticarla en una fase temprana. Sin embargo, los síntomas del cáncer de próstata son muy parecidos a los de la hiperplasia protática benigna (HPB) o de otros problemas de la próstata, por lo que es fácil confundirlos. Por ello, resulta útil disponer de algunas herramientas que ayuden a los médicos, especialmente en medicina general, a realizar un diagnóstico diferencial entre las posibles enfermedades basado en sus probabilidades.

Se han presentado casos en los que se ha tenido que repetir el exámen de próstata aún saliendo resultado negativo debido a que no se puede tener la certeza de que dicho resultado sea el acertado, por lo mismo, en base a estudios realizados por médicos de los hospitales en Europa, se ha concluído que no se puede tener certeza con una simple variable, para lo cual se deben tomar más variables que incluyen factores como sintomatologías, tratamientos, para de esta manera poder dar un acertado diagnóstico a pacientes con sospecha de cáncer prostático y evitar el exámen que muchas veces resulta molesto a los pacientes.

Elvira

Elvira surge como resultado de un proyecto de investigación desarrollado entre los años 1997 – 2000 por varias universidades españolas, con el objeto de crear un entorno de desarrollo para modelos gráficos probabilísticos cuyo código fuente estuviera disponible para que los investigadores del proyecto pudieran trabajar y experimentar nuevos métodos de propagación, aprendizaje y explicación. Adicionalmente se intentó descubrir las deficiencias que el resto de herramientas poseen.

La idea de ELVIRA es proporcionar al usuario la posibilidad de realizar las principales tareas de procesamiento de redes bayesianas desde línea de comandos.

ELVIRA es la única herramienta que ofrece explicación textual del modelo y explicación gráfica de los enlaces entre nodos.

La interacción usuario-sistema se lleva a cabo a través de menús y las explicaciones se presentan en forma gráfica.

En cuanto a su adaptación, su entendimiento es sólo para gente experta con conocimientos en redes bayesianas.

Proyecto Prostanet

ProstaNet es una red bayesiana para el diagnóstico de cáncer de próstata. [1]

Su construcción manual se llevó a cabo en conjunto con un urólogo, con un avance de 5 versiones hasta el momento.

Consta de 47 nodos: 7 enfermedades o anomalías. 6 síntomas, 8 signos, 10 pruebas, 11 factores de riesgo, 1 tratamiento, 4 auxiliares.

En recursos humanos se tomó la ayuda de 1 urólogo, y en recursos materiales se recolectó bibliografía médica, el programa Elvira e historias clínicas de diversos pacientes. [2]

Construcción

La enfermedad de cáncer de próstata tiene los siguientes Factores de riesgo: Edad, Actividad sexual, Factores hormonales, Infección previa, antecedentes familiares, obesidad.

Se manifiesta a través de los siguientes Síntomas: Dolor y Signos: Metástasis, Anemia, Pérdida de Peso, Afección al hígado, Hematuria, Masa Supra, Infección vejiga.

Existen las siguientes pruebas que nos ayudan a confirmarla o descartarla: Exploración rectal, Gleason[1], PSA, Datos radiológicos.

  • Edad: Es factor de riesgo para hombres a partir de los 50 años.
  • Actividad sexual: hombres con menor actividad sexual cuya eyaculación es en pocas proporciones, son más propensos a un cáncer de próstata que aquellas mayores actividades sexuales con eyaculaciones en grandes proporciones.
  • Dieta: hombres de países occidentales en cuya dieta incluyen alto contenido en grasas  tienen más probabilidades de desarrollar el cáncer.
  • Raza: El cáncer de próstata es casi dos veces más frecuente entre los hombres afroamericanos que entre los americanos caucásicos.
  • Obesidad: no solamente contribuye a la diabetes y al colesterol alto, sino que también se ha asociado con algunos cánceres comunes, incluyendo los tumores relacionados con las hormonas, como los cánceres de próstata, de mama y de ovario.
  • Historia familiar de cáncer de próstata: si el padre o hermano tienen cáncer  de próstata, el riesgo de desarrollar la enfermedad se duplica.

Durante la construcción del grafo cualitativo sigue la definición de los estados de cada variable que se realiza a la vez que se van creando las variables. Hay que intentar buscar un equilibrio respecto al número de estados elegidos para cada una de ellas, pues cuanto mayor es el número de estados, más se incrementa el número de estados a obtener. Con el ejemplo de Prostanet, todas las variables, excepto el País de origen, son ordinales. Algunas tienen abreviaturas como:

  • ITUS: infecciones del tracto urinario.
  • ITUS_dos: infecciones urinarias por gérmenes acantonados en la próstata y que se producen después de haber tenido una infección urinaria previa.
  • RAO: retención aguda de orina.
  • ETS: enfermedades de transmisión sexual.

Casi todas son binarias con valores del tipo presente-ausente, no-si, negativo-positivo, puesto que lo que interesa conocer de cada una de ellas es si tienen un valor distinto del habitual.

Variables no binarias:

  • Edad
  • Actividad sexual: poco_o_nada, normal, mucha.
  • PSA: niveles en sangre del antígeno prostático específico, con valores:
    • 0-4, ausencia del cáncer
    • 4-10, valor dudosos, hacer otro tipo de pruebas
    • 10-20, hay bastantes indicios de tener cáncer de próstata.
    • Mayor que 20, indica casi con certeza que el paciente tiene cáncer de próstata.
  • IPSS: tipo de topología
    • Leve: 0-7
    • Moderado: 8-19
    • Grave: mayor que 20
  • Gleason: se mide en 6 intervalos:
    • 0, ausencia de cáncer prostática
    • Menor que 6, las células cancerosas se parecen a las normales, el cáncer es menos agresivo.
    • Mayor que 6, indica que el cáncer crece muy rápidamente.
  • Exploración rectal: valores normal, fibrosa, pétrea.

Se aplicaron modelos canónicos

  • Flujometría-HPB[2], Prostatitis crónica, Congestión prostática. Se definió una puerta MAX residual.
  • IPSS – HPB, Prostatitis crónica, Congestión prostática.
  • Cáncer de próstata: presente – ausente, corresponde a una compuerta or.

Estas son algunas de las variables aplicadas en la construcción de la red bayesiana para determinar si un hombre tiene o no cáncer de próstata.

Red bayesiana de Prostanet para la detección cáncer en la próstata

Fig.1. Red bayesiana de Prostanet para la detección cáncer en la próstata




[1] Representa el grafo de diferenciación tumoral y describe las semejanzas entre el tumor y el tejido normal. Basándose en la apariencia microscópica de un tumor, los patólogos pueden describir el grado del cáncer como bajo, medio o alto.

[2] También llamada Hipertrofia prostática benigna, define la condición de una próstata agrandada y representa el problema prostático no canceroso más común.

Bibliografía

[1] Lacave Rodero, Carmen. 2002, Madrid.. Esvuela Superior de Informática. Universidadd de Castilla – La Mancha. [En línea] 2002, Madrid. http://www.inf-cr.uclm.es/www/clacave/public/tesisdefinitiva.pdf.

[2] Fernandez Galán, Severino. 2002, Madrid. UNED (Universidad Nacional de Educación a Distancia). Departamento de Inteligencia Artificial. [En línea] 2002, Madrid. www.ia.uned.es/~fjdiez.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s

%d bloggers like this: