Busca avançada
Ano de início
Entree

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
Vigência (Início): 01 de novembro de 2020
Vigência (Término): 31 de março de 2022
Área do 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)

Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)