Browsing by Subject "Biomarcadores"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Clasificación del cáncer de páncreas a través de información clínica mediante técnicas de aprendizaje automático
    (Pontificia Universidad Javeriana Cali, 2026) Ospina Cobo, Juan Pablo; Vargas Cardona, Hernán Darío
    El cáncer de páncreas es una de las enfermedades más letales a nivel mundial debido a la dificultad de su detección temprana, causada por la ausencia de síntomas específicos, la falta de biomarcadores precisos y su compleja ubicación anatómica. Por tanto, los algoritmos de aprendizaje automático se presentan como una herramienta útil para el análisis de datos clínicos y la identificación de patrones relevantes en la información médica de los pacientes. Por ende, el presente proyecto propone el uso de algoritmos de aprendizaje automático como herramienta para analizar información clínica obtenida de exámenes urinarios, con el fin de identificar patrones que permitan estimar la presencia de la enfermedad. Se busca así explorar un conjunto de técnicas aplicadas a un grupo de características para evaluar su relevancia, y a su vez, desarrollar una interfaz para el ingreso de información, para así, contribuir a la detección del cáncer. La metodología incluye el preprocesamiento de datos, el análisis exploratorio del conjunto de datos y la clasificación mediante aprendizaje automático. Además, se evaluará el rendimiento de los modelos utilizando exactitud, sensibilidad, precisión, especificidad, f1-score y AUC-ROC.
  • Thumbnail Image
    Item
    Estudio de la Correlación entre los Compuestos Orgánicos Volátiles en el Aliento Exhalado Condensado (AEC) Medidos y el Desarrollo de Diabetes MellitusTipo 2
    (Pontificia Universidad Javeriana Cali, 2025) Gutiérrez, Daniela; Delvasto, Jerónimo; Jaramillo Botero, Andrés; Viviana, Ortega Burbano
    El presente trabajo tuvo como objetivo estudiar los compuestos orgánicos volátiles (COVs) presentes en el aliento exhalado condensado (AEC) para establecer su relación con el riesgo de desarrollar diabetes mellitus tipo 2. Se empleó cromatografía de gases acoplada a espectrometría de masas (GC-MS) como técnica principal de análisis, lo que permitió detectar y cuantificar los metabolitos volátiles presentes en las muestras. La investigación se estructuró en etapas que incluyeron una revisión teórica, el diseño de un protocolo para la recolección y análisis de muestras, y el posterior tratamiento estadístico de los datos obtenidos. Como resultado, se identificaron diez metabolitos significativamente presentes en individuos clasificados como de alto riesgo de desarrollar diabetes tipo 2. De estos, cinco metabolitos presentan rutas metabólicas de origen endógeno bien descritas, entre los cuales octanal y 6- methyl-5-hepten-2-one destacaron por su relevancia estadística. Estos compuestos son propuestos como posibles biomarcadores tempranos de la enfermedad. La evidencia obtenida respalda el uso del análisis de COVs en AEC como herramienta diagnóstica no invasiva para la detección precoz del riesgo metabólico, contribuyendo al desarrollo de estrategias de medicina predictiva.