Predicción mejorada e interpretable de múltiples tipos de cáncer mediante un enfoque de ensamble por stacking con análisis SHAP

Antecedentes: El cáncer es una de las principales causas de muerte en todo el mundo, y su detección temprana es fundamental para mejorar los desenlaces de los pacientes. Este estudio tuvo como objetivo desarrollar y evaluar modelos de aprendizaje por conjuntos (ensemble learning), específicamente stacking, para la predicción precisa de los cánceres de pulmón, mama y cuello uterino mediante el uso de datos clínicos y de estilo de vida. Métodos: Se entrenaron 12 algoritmos base (base learners) con conjuntos de datos de cáncer de pulmón, mama y cuello uterino. Posteriormente, se desarrollaron modelos de ensamble por stacking utilizando estos algoritmos base. Los modelos se evaluaron en función de su exactitud, precisión, exhaustividad (recall), F1-score, AUC-ROC, MCC y kappa. Se utilizó una técnica de IA explicable, SHAP, para interpretar las predicciones del modelo. Resultados: El modelo de ensamble por stacking superó a los algoritmos base individuales en los tres tipos de cáncer. En promedio, para los tres conjuntos de datos de cáncer, alcanzó una exactitud del 99.28%, una precisión del 99.55%, una exhaustividad del 97.56% y un F1-score del 98.49%. Se observó un rendimiento elevado similar en términos de AUC, Kappa y MCC. El análisis SHAP reveló las características más influyentes para cada tipo de cáncer, p. ej., la fatiga y el consumo de alcohol para el cáncer de pulmón; los peores puntos cóncavos, los puntos cóncavos medios y el peor perímetro para el cáncer de mama; y la prueba de Schiller para el cáncer de cuello uterino. Conclusiones: El modelo de predicción multicanal basado en stacking demostró una exactitud e interpretabilidad superiores en comparación con los modelos tradicionales. La combinación de diversos algoritmos base con IA explicable ofrece capacidad predictiva y transparencia en aplicaciones clínicas. También se identificaron características demográficas y clínicas clave determinantes del riesgo de cáncer. Investigaciones futuras deberían validar el modelo en poblaciones y tipos de cáncer más diversos.