Estudo e aplicações de técnicas de aprendizado de máquina na análise de desfechos inesperados de tuberculose

Autor(es)

Ana Clara de Andrade Mioto

• Tipo de documento: Dissertação de Mestrado
• Imprenta: São Carlos.
• Instituição: Universidade de São Paulo (USP). Escola de Engenharia de São Carlos (EESC/SBD)
• Data de defesa: 2023-11-01

Membros da banca

Domingos Alves; Antonio Ruffino Netto

• Orientador: Domingos Alves

Resumo

A tuberculose (TB) continua sendo uma das doenças infecciosas mais mortais globalmente, com milhões de casos e mortes relatados a cada ano. Este problema é agravado quando associado a comorbidades, como o HIV, tornando-se ainda mais letal. Além disso, fatores socioeconômicos e culturais desempenham um papel importante na prevalência da TB, indicando uma estreita ligação entre a doença e o desenvolvimento social precário. Com o Brasil, sendo um país significantemente afetado pela Tuberculose, vem trabalhando em ações e tratamentos que possam ser implantados para o controle e prevenção da TB e redução da vulnerabilidade dos pacientes. Um aspecto crucial para realização destas intervenções, é a disponibilidade de dados de saúde abrangentes e a aplicação de técnicas de análise de dados, como o aprendizado de máquina (AM), para melhorar a qualidade do atendimento e as decisões médicas. Inclusive, estudos têm mostrado que o AM é uma área emergente na saúde, pois pode aprender com dados históricos e identificar padrões que podem levar a evitar um desfecho inesperado no tratamento da TB, como o abandono do tratamento, óbito e resistência medicamentosa. Neste contexto, esta pesquisa visa utilizar técnicas de descoberta de conhecimento em bases de dados (KDD) e aprendizado de máquina para analisar e identificar padrões desconhecidos que possam relacionar fatores sociodemográficos e clínicos e a probabilidade de um certo desfecho negativo do tratamento da TB ocorrer com um paciente. Além disso, a crescente disponibilidade de dados de pacientes no campo da saúde torna o uso de técnicas como o AM ainda mais relevante para melhorar o manejo dos pacientes com TB. (AU)

• Processo FAPESP: 21/01961-0 - Estudo e aplicação de técnicas de aprendizado de máquinas não-supervisionado na análise de desfechos não desejáveis no tratamento de Tuberculose
• Beneficiário: Ana Clara de Andrade Mioto
• Modalidade de apoio: Bolsas no Brasil - Mestrado