Comparación entre regresión logística y redes neuronales para predecir cáncer de piel en perros

Abstract

Determinar si un perro tiene la predisposición de desarrollar cáncer a la piel es uno de los desafíos tanto de los veterinarios como de los dueños de las mascotas. Los modelos de regresión logística y redes neuronales han sido ampliamente utilizados para realizar predicciones en el ámbito de la medicina humana, el presente estudio aborda la comparación de éstas dos técnicas para la predicción de cáncer de piel en perros. Las características que se han analizado son la edad, el sexo, raza, exposición al sol, albinismo y la aparición de dermatitis. Dichas características fueron validadas por el método de coeficiente de correlación y el análisis de componente principal. Los resultados obtenidos demostraron que la red neuronal backpropagation con validación cruzada supera al modelo de regresión logística. El valor de predicción generado por la red neuronal fue de 89.6% mientras que la regresión logística obtuvo un 84%.

To ascertain if a dog has the predisposition to develop skin cancer is a challenge for both veterinarians and pet owners. Logistic regression models and neural networks have been used widely in the field of human medicine to make predictions; the present study approaches the comparison between these two technics to predict skin cancer in dogs. The variables we analyzed were age, sex, breed, sun exposition, albinism and, dermatitis. These variables were validated by the correlation coefficient and the principal component analysis. The obtained results showed that the backpropagation neural network technique with a cross validation is better than the logistic regression. The neural network’s accuracy value was 89.6% while only 84% for the logistic regression.