Este trabajo, enmarcado en el campo de la Computación Evolutiva, presenta el desarrollo de un Algoritmo Genético para encontrar los parámetros óptimos de un Modelo de Regresión de Cox del Análisis de Supervivencia para pacientes del servicio de Diálisis Peritoneal del Hospital Clínico Universitario de Caracas entre 1980 y 2000, realizado por Borges (2002, 2005). Se hace uso de la técnica de los Algoritmos Genéticos como método de búsqueda de una mejor estimación de los parámetros del Modelo de Cox al obtenido por los métodos clásicos de optimización. El algoritmo fue programado completamente en el lenguaje C++, bajo un diseño de programación modular tomando en cuenta cada uno de los elementos que constituyen a los Algoritmos Genéticos. Las características principales del algoritmo son: a) La población inicial, que está constituida por 10 individuos, se genera de manera aleatoria entre un rango de valores; dicho rango fue obtenido luego de realizar diversas pruebas; b) la función de ajuste se basó en el Criterio de Información de Akaike (AIC); c) la selección de los individuos a reproducirse se realizó por torneo; e) para el cruce se usó el operador multipunto y la mutación se realizó a todos los genes de una parte de los cromosomas de la población. El algoritmo desarrollado permitió obtener estimaciones de los parámetros del Modelo de Regresión de Cox, y con mejor valor de AIC, a los obtenidos utilizando los métodos clásicos.
Palabras clave: Algoritmo genético, modelo de regresión de Cox, criterio de información de Akaike (AIC), análisis de supervivencia.

This paper, involved in the area of evolutive computing, presents the development of a Genetic Algorithm in finding the optimal parameters of a Cox Regression Model for patients of the Service of Peritoneal Dialysis of the “Hospital Clínico Universitario de Caracas”between 1980 and 2002, performed by Borges (2002, 2005). The technique of the genetic algorithms is used as a method for finding a better estimation of the parameters of the Cox Model than the obtained by the classical optimization methods. The algorithm was completed programmed in the language C++, using a modular programming design, considering every element of the genetic algorithms. The main characteristics of the algorithm are: a) the initial population, of 10 subjects, is generated randomly between a range of values, this range was obtained after several essays, b) the adjustment function was based in the Akaike Information Criteria (AIC), c) the selection of the subjects to be reproduced was done by tournament, d) the multipoint operator for the crossing and, the mutation was done to all the genes of one part of the chromosomes of the population. The developed algorithm was useful to obtain the estimation of the Cox Regression Model and with better AIC values than the obtained by the classical methods.
Keywords: Genetic Algorithms, Cox Regression Model, Akaike Information Criteria (AIC), Survival Analysis.