Introducción: La ingeniería de datos y la estadística no convencional nos permiten extraer, procesar, representar y analizar grandes volúmenes de información como los que se encuentran en los hospitales. Asimismo, podemos caracterizar grupos de pacientes proporcionando un tratamiento optimizado y una mejora de la atención al paciente.

Objetivos: Usar estas herramientas en una base de datos de pacientes con tumores neuroendocrinos gastroenteropancreaticos (TNE-GEP) y generar perfiles de pacientes útiles para la práctica clínica.

Métodos: Base de datos de pacientes diagnosticados con TNE-GEP: datos clínicos, bioquímicos y medidas de composición corporal extraídas de TAC a nivel L3 con ImageJ, todo a fecha diagnóstico. La información fue procesada mediante ingeniería de datos para realizar un análisis de componentes principales (ACP) y de clústeres jerárquico. El análisis univariante entre grupos se efectuó mediante t-test/ANOVA, Mann-Whitney-U/Kruskal Wallis o chi cuadrado (significancia p < 0,05). La normalidad fue testada con Shapiro-Wilk y toda la estadística se ejecutó en R 3,6.

Resultados: El ACP mostró una varianza repartida (CP1 = 11,4%). Identificamos cuatro grupos asociados a su vez a dos perfiles: a) beneficioso (9,4% mortalidad tumoral) con un grupo de tumores colorrectales y de páncreas y otro de gastroenteroesofágicos y páncreas y b) desfavorable (60% mortalidad tumoral) con un grupo de tumores localizados en páncreas y funcionantes, más jóvenes (50,8 años) y ferritina elevada (1.240,6 mg/mL) y un segundo grupo de localización gastroenteroesofágica y pancreática, mayor edad media (70,9 años) y comorbilidades. A mencionar, el perfil desfavorable contaba con menos tejido graso (100,6 cm²/m², p = 0,01); mayor tamaño tumoral (66,8 mm, p = 0,03); más LDH (248,8 U/L, p = 0,04), metástasis (65%, p < 0,001) y exfumadores (40%, p = 0,02) que el beneficioso.

Conclusiones: Estas técnicas nos permiten generar perfiles de pacientes y facilitar su comprensión y posible manejo.