GÉTICA 2021

46 VII FORO DE I nmunología Traslacional e INMUNOTERAPIA DEL CÁNCER de diagnóstico, se obtuvo AUC de 0,82. En cuanto a la interpretación, se ha identificado un papel significativo para las variables: to- xicidad cutánea, toxicidad endocrinológica, metástasis hepática y si el paciente ha tenido líneas previas de inmunoterapia (Fig. 1). Conclusiones: La IA es un candidato prome- tedor para dilucidar biomarcadores de res- puesta a la inmunoterapia. La validación en una prospectiva es necesaria para consolidar los resultados obtenidos. BIBLIOGRAFÍA RECOMENDADA 1. Muthukrishnan R, Rohini R. LASSO: A feature selection technique in predictive modeling for machine learning. In: 2016 IEEE International Conference on Advances in Computer Applications (ICACA). p. 18-20. DOI: 10.1109/ ICACA.2016.7887916 2. Kuhn M. Building Predictive models in R using the caret package. Journal of Statistical Software 2008;28(5):1- 26. Available from: https://www.jstatsoft.org/v028/i05. DOI: 10.18637/jss.v028. i05 Este trabajo se ha realizado gracias a la ayuda de Bristol (CA209-7JF). Figura 1. Curva ROC para modelos de respuesta a 3 meses.