Influencia del peso corporal como predictor del producto dosis-longitud (DLP) en tomografía computarizada: análisis descriptivo y aplicación de modelos basados en machine learning

Abstract

La predicción de dosis de radiación en estudios de imágenes diagnósticas es un área de gran relevancia en el ámbito médico, ya que contribuye a garantizar la seguridad del paciente y la eficiencia en los procedimientos. Este trabajo de grado se enfoca en la aplicación de técnicas de machine learning para predecir las dosis de radiación administradas durante estudios de tomografía computarizada. Para ello, se utilizó un conjunto de datos extenso y diverso, lo que permitió realizar un análisis exploratorio detallado e identificar patrones significativos y variables relevantes. Durante el proceso, se llevaron a cabo técnicas de limpieza y normalización de datos para asegurar su calidad y consistencia, así como la identificación y corrección de anomalías. Se evaluó la relación entre las dosis estimadas por los modelos y los niveles de referencia establecidos (percentil 75), buscando asegurar predicciones clínicamente seguras. Aunque los modelos desarrollados no alcanzaron métricas de predicción satisfactorias, los hallazgos permiten comprender mejor las limitaciones actuales en la modelación de este tipo de datos y sientan una base importante para futuros trabajos. Este estudio aporta aprendizajes significativos que pueden orientar investigaciones posteriores hacia el desarrollo de herramientas más precisas y efectivas para la optimización del uso de la radiación en entornos clínicos.