Uso de inteligência artificial na identificação de padrões de toxicidade em tratamento de inibidores de tirosina quinase em pacientes com câncer renal

• Processo: 19/25676-3
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de novembro de 2020
• Data de Término da vigência: 31 de março de 2022
• Área de conhecimento: Ciências da Saúde - Medicina - Clínica Médica
• Pesquisador responsável: Leandro Machado Colli
• Beneficiário: Guilherme Lima Paschoalini
• Instituição Sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Assunto(s): Oncologia Neoplasias renais Carcinoma de células renais Fatores de crescimento do endotélio vascular Toxicidade Inteligência artificial Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | câncer renal | carcinoma renal | Inteligência Artificial | Padrão | Toxicidade | Oncologia Clínica

Resumo

As opções de tratamento para o carcinoma de células renais metastático (mCCR) aumentaram drasticamente recentemente com o desenvolvimento de vários agentes que inibem elementos do fator de crescimento endotelial vascular (VEGF) e das vias da rapamicina. O Sunitinib, um inibidor de tirosina quinase multialvo do receptor de VEGF e c-kit mostrou ganho de sobrevida-livre de doença quando comparado com o interferon alfa, em estudo de fase III1. Embora o Sunitinib seja um tratamento amplamente utilizado no cenário mCCR, uma alta proporção dos pacientes tratados apresenta toxicidade significativa hematológica e metabólica, que impacta na qualidade de vida. A identificação de biomarcadores que permitam identificar esses pacientes com alta toxicidade poderá permitir desenvolver cuidados específicos para evitar ou diminuir essas toxicidades. Com base em dados de prontuários eletrônicos de pacientes tratados no Hospital das Clinicas de Ribeirão Preto entre dos anos de 2008-2018 e utilizando de Aprendizado de Máquina (em inglês, Machine Learning) que é um método de análise de dados que automatiza a construção de padrão analítico com algoritmos, sendo um campo importante da Inteligência Artificial(IA), será a metodologia principal deste estudo que desenvolverá biomarcadores de predição de padrão de toxicidade em pacientes mCCR que fizeram uso de ITQ. (AU)