Desenvolvimento e validação de uma plataforma de inteligência artificial com aprendizado contínuo para oncologia de precisão

• Processo: 23/06867-8
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de julho de 2023
• Data de Término da vigência: 31 de outubro de 2024
• Área de conhecimento: Ciências Biológicas - Genética - Genética Humana e Médica
• Pesquisador responsável: Israel Tojal da Silva
• Beneficiário: Lucas Alexandre Souza Rosa
• Instituição Sede: A C Camargo Cancer Center. Fundação Antonio Prudente (FAP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 22/12991-0 - Desenvolvimento e validação de uma plataforma de inteligência artificial com aprendizado contínuo para Oncologia de precisão, AP.R
• Assunto(s): Aprendizado computacional Aprendizagem profunda Biologia computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | aprendizagem profunda | bioinformática | genética | Inteligência Artificial | Oncologia de precisão | Bioinformática

Resumo

A inteligência artificial (IA) é um campo da ciência computacional que analisa padrões e estruturas ocultas em dados a fim de apoiar no aprendizado e na tomada de decisões. É importante ressaltar que a pesquisa básica e translacional em oncologia vem sendo moldada com o uso de IA. Nos últimos anos, o desenvolvimento e a aplicação dos métodos de IA incluindo aprendizagem profunda (DL, deep learning), tem possibilitado vincular o fenótipo de imagem às alterações moleculares/genéticas subjacentes em muitos cânceres. No entanto, embora promissoras, essas abordagens requerem uma avaliação extensiva em um grande conjunto de dados por meio de uma validação retrospectiva e prospectiva em estudos multicêntricos, aumentando a precisão e chances de sua aplicabilidade na rotina clínica e, consequentemente, no manejo de pacientes oncológicos. Para alcançar esse objetivo, será integrado um conjunto de imagens histológicas associadas aos respectivos resultados de ensaios moleculares com informações clínicas patológicas de pacientes para a avaliação do status de deficiência de vias de reparo (MMR, mismatch repair) e a avaliação da presença da expressão da proteína HER2, bem como outros biomarcadores. Em seguida será estruturado um fluxo de análise com técnicas analíticas modernas para a construção de um modelo de aprendizagem contínua e validação. Espera-se, ao final, desenvolver um painel de análogos digitais a biomarcadores moleculares capazes de ampliar a avaliação de alterações genéticas com relevância prognóstica a um conjunto amplo de pacientes.