RT info:eu-repo/semantics/masterThesis
T1 Aplicación de Machine Learning para la predicción de la mortalidad en cirugía cardíaca
A1 Miguel Medina, Telmo
A2 Universidad de Valladolid. Escuela Técnica Superior de Ingenieros de Telecomunicación
K1 Cirugía cardiácea
K1 XGBoost
K1 Predicción mortalidad
AB El presente TFM tiene el objetivo de desarrollar una herramienta predictiva de lamortalidad a 30 días tras una cirugía cardíaca, utilizando algoritmos de ML aplicados adatos clínicos reales.El proyecto ha seguido una metodología rigurosa que abarca el análisisexploratorio de los datos, la selección de variables clínicas relevantes, la evaluacióncomparativa de múltiples modelos y la implementación del mejor modelo (XGBoost) enuna aplicación web funcional.Los resultados obtenidos muestran un alto rendimiento predictivo para undataset clínico real de 325 pacientes sometidos a cirugía cardíaca, destacando métricascomo AUC-ROC (0,964), recall (0,9) y una buena calibración del modelo (Brier Score= 0,082).Además se ha prestado especial atención a la interpretabilidad del modelo y suposible integración futura en entornos clínicos. Este trabajo demuestra el valor del usodel ML para apoyar decisiones médicas complejas y plantea una base sólida para sufutura validación y mejora.
YR 2025
FD 2025
LK https://uvadoc.uva.es/handle/10324/79644
UL https://uvadoc.uva.es/handle/10324/79644
LA spa
NO Departamento de Teoría de la Señal y Comunicaciones e Ingeniería Telemática
DS UVaDOC
RD 12-ene-2026