Modelización de la cardiotoxicidad en cáncer de mama a partir de variables clínicas y de tipo imagen aplicando técnicas de análisis de supervivencia

Abstract

[Resumen] El presente estudio se centra en la predicción de la aparición de cardiotoxicidad, un efecto adverso derivado de tratamientos oncológicos que puede comprometer seriamente la salud cardiovascular a largo plazo, en pacientes con cáncer de mama. A diferencia de los enfoques convencionales basados en variables clínicas discretas, este trabajo introduce una variable de tipo imagen: la actividad eléctrica del corazón durante un latido, representada como la línea del electrocardiograma (ECG). Para ello, se utiliza un conjunto de datos procedente del Complejo Hospitalario Universitario de A Coruña (CHUAC), que incluye información clínica de 531 pacientes, de las cuales 270 disponen además de imagen médica. La principal aportación metodológica de este Trabajo de Fin de Grado (TFG) es el empleo del análisis de supervivencia y, específicamente, de los modelos de curación. Mediante técnicas de procesamiento de imagen y digitalización de señales, se transforman los registros electrocardiográficos en señales discretizadas, permitiendo usarlas como variables en los modelos predictivos. A través de esta aproximación, se busca identificar biomarcadores precoces y desarrollar modelos capaces de predecir el riesgo de cardiotoxicidad. Con ello se pretende contribuir al desarrollo de herramientas de cribado no invasivas y de bajo coste para la medicina de precisión en oncología.

[Abstract] This study focuses on predicting the development of cardiotoxicity, an adverse effect of can cer treatments that can seriously compromise long-term cardiovascular health, in breast cancer patients. Unlike conventional approaches based on discrete clinical variables, this work intro duces an imaging-derived variable: the heart’s electrical activity during a heartbeat, represented as the electrocardiogram (ECG) line. To this end, a dataset from the University Hospital Complex of A Coruña (CHUAC) is used, which includes clinical information from 531 patients, 270 of whom also have a medical image available. The main methodological contribution of this final degree project is the use of survival analysis and, specifically, cure models. Using image processing and signal digitization tech niques, electrocardiographic recordings are transformed into discretized signals, allowing their use as variables in predictive models. This approach aims to identify early biomarkers and develop models capable of predicting the risk of cardiotoxicity. The goal is to contribute to the development of non-invasive, low-cost screening tools for precision medicine in oncology.