2023-01-09, Aguerralde Martin, Maider, Tarazona Campos, Sonia, Nagore Enguidanos, Eduardo, Dpto. de Estadística e Investigación Operativa Aplicadas y Calidad, Escuela Técnica Superior de Ingeniería Informática, Grupo de Ingeniería Estadística Multivariante GIEM

[ES] Actualmente, el melanoma es el principal causante de muerte por cáncer de la piel. No todos los melanomas se comportan igual, por lo que es de interés disponer de una clasificación de los mismos que permita precisar mejor el pronóstico de la enfermedad y diseñar tratamientos más personalizados. Tradicionalmente, se ha clasificado a los pacientes de melanoma según el patrón de crecimiento y localización del tumor. Sin embargo, a día de hoy, gracias a la contribución de los investigadores en este campo, dicho enfoque ha cambiado y se tienen en cuenta distintas variables clínicas, epidemiológicas y genéticas que permiten caracterizar mejor la enfermedad, esto es, en conjunto, tienen en cuenta la etiopatogenia del melanoma del paciente. La actual clasificación de la Organización Mundial de la Salud (OMS) permite catalogar a pacientes de melanoma en grupos etiopatogénicos. No obstante, en ciertos casos, la clasificación de los pacientes en dichos grupos etiopatogénicos no es posible a causa, por ejemplo, de no disponer de datos en variables decisivas para la clasificación o por tratarse de pacientes con patrones diferentes en las variables consideradas. Esto genera grupos etiopatogénicos que no están perfectamente definidos, por lo que es necesario caracterizarlos o redefinirlos mejor. En el presente trabajo, se abordaron diferentes estrategias estadísticas para, por una parte, resolver la problemática de la falta de información en algunas variables y, por otra, redefinir mejor la clasificación para aquellos pacientes en grupos etiopatogénicos mal definidos o caracterizados. Para ello, se disponía de una base de datos proporcionada por el Instituto Valenciano de Oncología (IVO), con más de 2000 pacientes de melanoma en la que se incluyen una gran cantidad de datos clínicos, epidemiológicos y patológicos. Tras realizar un minucioso preprocesamiento y limpieza de los datos, se aplicaron técnicas de imputación de datos faltantes basadas en modelos predictivos que evitasen la máxima pérdida de información posible y se analizó y trató la existencia de valores anómalos que pudieran afectar a los análisis realizados. Seguidamente, se compararon diversas técnicas de clustering en busca de aquella que mejor clasificase los pacientes de etiopatogenia difusa. Entre las técnicas aplicadas, se encuentran los métodos jerárquicos, los de partición o incluso el clustering difuso. Para finalizar, se realizó un estudio de caracterización de los clusters definidos, tanto desde el punto de vista multivariante (mediante PLSDA) como bivariante (tests de independencia) para relacionar los grupos etiopatogénicos con las variables utilizadas para el clustering y también para otras variables de interés como mutaciones en ciertos genes vinculados al melanoma. También se caracterizó la supervivencia en cada grupo etiopatogénico, mediante curvas Kaplan-Meier y modelos de regresión de Cox.