Resumen

En este estudio, se entrenaron y compararon dos modelos de aprendizaje automático, RandomForestClassifier y TabNetClassifier, utilizando datos tabulares de mutaciones genéticas asociados con subtipos de cáncer de piel. TabNetClassifier, un modelo basado en atención adaptativa, se evaluó junto a RandomForestClassifier para determinar su eficacia en la clasificación precisa de subtipos como carcinoma de células basales, carcinoma de células escamosas, melanoma desmoplásico, melanoma metastásico y melanoma cutáneo de la piel. El análisis se centró en evaluar el desempeño de los modelos en términos de precisión y capacidad de clasificación. Adicionalmente, se generaron rankings de importancia de características como un recurso interpretativo que podría ser útil para investigaciones futuras, aunque no fue el enfoque principal de este estudio. Los resultados destacan el potencial de estas técnicas para mejorar la clasificación de subtipos de cáncer de piel a partir de datos genéticos, abriendo posibilidades para su aplicación en contextos bioinformáticos.

Palabras claves: Aprendizaje automático, clasificación de cáncer de piel, mutaciones genéticas, Random Forest, TabNet.