La dificultad en el diagnóstico temprano del adenocarcinoma pancreático ductal es una de las principales razones de su alta tasa de mortalidad. Con el fin de favorecer este diagnóstico se han desarrollado distintas versiones de tres tipos de algoritmos de inteligencia artificial y aproximación de datos: algoritmo genético, redes neuronales y regresión logística. Estos toman los datos de sexo, edad, CA19-9 en sangre y niveles de creatinina, TFF1, REG1B y LYVE1 en orina de cientos de pacientes y los clasifican como casos control, los que presentan un tumor benigno o los que padecen uno maligno.

Se ha estudiado la precisión, especificidad y sensibilidad de estos algoritmos, determinando cuáles conllevan una mayor capacidad de predicción, y comparando estos entre sí y con los resultados obtenidos en bibliografía anterior, siendo la novedad el algoritmo genético. La capacidad predictiva de este ha resultado ser comparable a la de los ya estudiados, obteniendo la mayor precisión para la clasificación entre controles y tumores malignos. Además, se obtienen sensibilidades y especificidades mayores al 80% para los tres métodos para esta clasificación.

Esto confirma el potencial de las herramientas de machine learning para el diagnóstico de este tipo de tumor, aunque aún existan limitaciones para su implantación clínica.

El trabajo está disponible en el repositorio.