Descoberta de padrões aplicada no prognóstico e tratamento da Leucemia Mieloide Aguda

• Processo: 21/13325-1
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de março de 2022
• Data de Término da vigência: 28 de fevereiro de 2023
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Tiago Agostinho de Almeida
• Beneficiário: Jade Manzur de Almeida
• Instituição Sede: Centro de Ciências em Gestão e Tecnologia (CCGT). Universidade Federal de São Carlos (UFSCAR). Campus de Sorocaba. Sorocaba , SP, Brasil
• Assunto(s): Inteligência artificial Aprendizado computacional Leucemia mieloide aguda Dados clínicos
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Classificação | descoberta de conhecimento | Inteligência Artificial | Inteligência Artificial

Resumo

A Leucemia Mieloide Aguda é uma doença de caráter crônico e incapacitante. Para auxiliar as decisões acerca do tratamento dos pacientes, é feito um prognóstico em relação ao risco da doença, em três grupos: favorável, intermediário e não favorável. Esta classificação é comumente utilizada como auxílio na personalização de decisões terapêuticas. No entanto, a classificação atual é muito conservadora. Pacientes com prognóstico de risco favorável e não favorável normalmente são corretamente identificados. Contudo, a grande maioria dos pacientes é classificada com risco intermediário, não oferecendo subsídios para embasar as decisões dos especialistas. Dada a gravidade da doença e urgência no início do tratamento, é necessária uma classificação mais assertiva e menos evasiva, de tal maneira que os especialistas sejam munidos de informações para suportar um prognóstico preciso, que subsidie decisões de tratamentos eficazes. Neste sentido, este projeto de pesquisa propõe empregar técnicas de aprendizado de máquina para gerar um novo modelo preditivo usando dados clínicos e genéticos, com o objetivo de obter prognósticos de risco mais assertivos que os modelos existentes.(AU)