Browsing by Author "Valenzuela Paredes, María Pía"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Predicciones de supervivencia celular a través de machine learning
    (2025) Valenzuela Paredes, María Pía; Russomando, Andrea; Pontificia Universidad Católica de Chile. Facultad de Física
    La radioterapia con protones e iones pesados es un tratamiento eficaz contra el cáncer, por esto comprender su impacto a nivel biológico es esencial para optimizar su efectividad. Predecir los efectos biológicos de la radiación, que dependen de las condiciones de irradiación y la complejidad del daño al ADN, sigue siendo un desafío importante, especialmente en distribuciones de dosis como las usadas con partículas pesadas.En este trabajo se desarrollaron modelos de aprendizaje automático para hacer predicciones de supervivencia celular in-vitro. El trabajo principal fue enfocado en modelos para predicciones con partículas pesadas, también se entrenaron modelos similares para experimentos con fotones. A la vez, se combinaron simulaciones Monte Carlo con los modelos para hacer predicciones de supervivencia en profundidad, a partir de una distribución de dosis simulada de protones.Los modelos fueron entrenados usando una base de datos que recopila experimentos in-vitro de la literatura, en particular se usaron datos de 923 experimentos que abarcan 130 líneas celulares y 26 iones distintos. Se usó un número limitado de variables, que considera el tipo de célula y parámetros físicos como la dosis, energía y tipo de ion.Los modelos entrenados alcanzaron un coeficiente de determinación superior a 0.8 en el conjunto de prueba y en el conjunto de validación externa. Asimismo, al combinar los modelos con simulaciones Monte Carlo, fue posible replicar la disminución en la supervivencia celular en una configuración compleja.Este trabajo demuestra que es factible combinar modelos de aprendizaje automático con Monte Carlo, y dada la pequeña cantidad de variables utilizadas, es fácil de implementar en entornos experimentales, proporcionando una alternativa a otros modelos existentes.