| Grant number: | 22/16727-6 |
| Support Opportunities: | Scholarships in Brazil - Technical Training Program - Technical Training |
| Start date: | February 01, 2023 |
| End date: | June 30, 2023 |
| Field of knowledge: | Physical Sciences and Mathematics - Computer Science - Computing Methodologies and Techniques |
| Principal Investigator: | Daniella Castro Araujo |
| Grantee: | Daniel Noce da Silva |
| CNAE: |
Pesquisa e desenvolvimento experimental em ciências físicas e naturais Atividades de serviços de complementação diagnóstica e terapêutica |
| Associated research grant: | 22/07614-3 - Routine blood markers panel based on artificial intelligence for breast cancer early detection, AP.PIPE |
Abstract No Brasil, mulheres acima dos 50 anos tem acesso ao exame de mamografia bianual pelo SUS, porem 77% dos municipios brasileiros nao possuem mamografos. Ademais, o programa de rastreamento nao acolhe mulheres mais jovens ou homens - que configuram o grupo de maior risco para as doencas mais severas ou tardiamente diagnosticadas. Neste cenario, a HUNA propoe a criacao de um teste de rastreamento do CA de mama, aplicavel a toda populacao e de custo acessivel, empregando Machine Learning aos marcadores do exame de sangue e dados clinicos demograficos. A HUNA e colaboradores, em consonancia com esta comunidade cientifica medica apontam, para o desenvolvimento das "biopsias liquidas" - realizadas a partir da analise de sangue - onde seria possivel identificar, utilizando as ferramentas de vanguarda de Inteligencia Artificial, tanto marcadores geneticos tumorais quanto metabolitos sanguineos especificos para detectar o cancer, entre eles o de mama, possivelmente antes que aparecam os primeiros sintomas clinicos. Proteína C Reativa (PCR), colesterol HDL e LDL, ferro, index neutrófilos/linfócitos, plaquetas, RDW, CA153, VPM, glicose, CEA, CA19-9, CA125, CA153, TPS, dímero D, progesterona, prolactina, entre outros são os analitos sanguíneos não-genéticos identificados para viabilizar um produto para a identificacao precoce do cancer de mama. Para tanto, o Grupo Fleury providenciará, mediante aprovacao do Comite de Etica em Pesquisa e garantido protecao ao anonimato aos pacientes, o numero inicialmente estimado de 30.000 prontuarios contendo exames laboratoriais, laudos mamograficos (e/ou de ultrassonografia ou RM mamaria), laudos das biopsias excisionais de pacientes mulheres maiores de 18 anos admitidas na instituicao para rastreamento, diagnostico e/ou monitoramento de CA de mama. Em posse destes dados, pretendemos desenvolver, testar e validar os modelos de Machine Learning, empregando os dados previamente destacados dos prontuários e dos exames de sangue, para determinar os melhores modelos preditivos. Em seguida, formular, testar e validar uma "janela máxima de predição diagnóstica", estabelecendo temporalmente o aparecimento dos primeiros indicadores de alteração mamária nos melhores modelos preditivos quando comparado ao diagnóstico (resultado mamográfico BI-RADS > 3 com posterior confirmação pela biópsia). Considerando a taxa de rastreamento atual no SUS (<15% da populacao alvo), em uma primeira aproximação, calculamos que poderíamos gerar uma economia de R$ 50 milhoes/ano. Por acreditar na aceitacao pelos medicos, na facilidade de incorporac'ao desta inovação pelos laboratorios de analises clinicas e na economia potencialmente gerada ao sistema de saúde, entendemos que os custos de investimento para implantacao/manutencao deste novo produto se justificariam. De forma disruptiva, pretendemos futuramente atender o segmento da populacao desassistido atualmente pelo programa de rastreamento - mulheres jovens, homens e municipios sem mamografos - alem de ter o potencial de aumentar a adesao da populacao alvo atual no cumprimento de sua rotina de rastreamento diante da possibilidade da realizacao de um teste acessivel e conveniente. | |
| News published in Agência FAPESP Newsletter about the scholarship: | |
| More itemsLess items | |
| TITULO | |
| Articles published in other media outlets ( ): | |
| More itemsLess items | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |