Sarasa Cabezuelo, AntonioCarrero López, Víctor ManuelFernández Ocaña, GuzmánBurgos Galán, María Caridad2023-09-212023-09-212023https://hdl.handle.net/20.500.14352/87853Trabajo de Fin de Grado en Ingeniería Informática, Facultad de Informática UCM, Departamento de Sistemas Informáticos y Computación, Curso 2022/2023. Se puede descargar el código fuente de la aplicación a través de GitHub: https://github.com/gfoydp/TFGEl cáncer es una de las enfermedades más frecuentes y que más recursos sanitarios consume en el mundo occidental. El cáncer de vejiga en concreto es el quinto cáncer más común en España. Una temprana respuesta médica es indispensable para la recuperación del paciente, por lo que los sanitarios necesitan información que les permita manejar de forma adecuada a los pacientes, conociendo mejor el pronóstico de su enfermedad. Este trabajo consiste en una aplicación web cuya finalidad es ser un apoyo para el personal sanitario a la hora de tratar a pacientes de cáncer de vejiga. Permite gestionar los historiales clínicos de los pacientes y realizar una predicción de su evolución a través de algoritmos de Machine Learning. Actualmente los modelos de predicción han sido entrenados a partir de 75 registros de pacientes reales del Hospital Infanta Leonor de Madrid. Además, la aplicación permite aumentar dicha base de datos, de forma que las predicciones cada vez sean más precisas.Cancer is one of the most common diseases and consumes a significant amount of healthcare resources in the Western world. Bladder cancer specifically is the fifth most common cancer in Spain. An early medical response is essential for the recovery of the patient, which is why healthcare professionals require information that enables them to properly manage patients and gain a better understanding of their disease prognosis. This work consists of a web application whose purpose is to be a support for health personnel when treating bladder cancer patients. It allows managing the clinical histories of patients and making a prediction of their evolution through Machine Learning algorithms. Currently, the prediction models have been trained from 75 real patient records from the Infanta Leonor Hospital in Madrid. In addition, the application allows you to increase said database, so that the predictions are increasingly accurate.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/bachelor thesishttps://github.com/gfoydp/TFGopen access004(043.3)Machine learningAplicación webCáncerPredicciónVariableVejigaPacienteModeloAPIConsultaWeb applicationMachine learningCancerPredictionBladderPatientModelQueryInformática (Informática)33 Ciencias Tecnológicas