Desenvolvimento de técnicas de aprendizado de máquina e inteligência artificial no estudo de caquexia relacionada ao câncer

Autor(es)

Natasha Fioretto Aguero

• Tipo de documento: Tese de Doutorado
• Imprenta: São Paulo.
• Instituição: Universidade de São Paulo (USP). Instituto de Física (IF/SBI)
• Data de defesa: 2023-05-15

Membros da banca

Alexandre Alarcon do Passo Suaide; Gustavo Martini Dalpian; Amauri Jardim de Paula; Marilia Cerqueira Leite Seelaender; Elisabeth Mateus Yoshimura

• Orientador: Alexandre Alarcon do Passo Suaide

Resumo

Com a tendência de envelhecimento da população mundial, questões de saúde pública referentes à faixa etária idosa, como a incidência de neoplasias, passam a ser de crescente importância. Pacientes com câncer podem vir a desenvolver uma síndrome denominada caquexia, na qual há grande perda de massa muscular esquelética que quando detectada tem pequenas chances de cura com os diagnósticos atuais. Embora técnicas de inteligência artificial têm sido aplicadas com sucesso no estudo de diversos tipos de câncer, a caquexia em si continua ignorada nesse campo. Neste trabalho, dados bioquímicos de pacientes caquéticos e não-caquéticos foram utilizados em um algoritmo de aprendizado não-supervisionado (k-means clustering) a fim de testar como tal método agruparia esses indivíduos, quais parâmetros seriam de maior importância e a possibilidade de diagnóstico da fase de pré-caquexia. Observou-se que certos parâmetros clínicos, como alta PCR e baixo colesterol, eram comuns entre os pacientes classificados como caquéticos pelo algoritmo, mesmo quando não havia perda de peso notável. Ainda na temática do envelhecimento humano, estudou-se também a viabilidade desses algoritmos no estudo de fatores biomecânicos preditores de quedas, uma das causas externas de óbito mais comuns entre idosos. Analisou-se para tanto uma base de dados pública com respostas de questionários e testes dinâmicos em balança de força, de modo a observar agrupamentos formados com algoritmos não supervisionados, bem como a aplicabilidade de algoritmos supervisionados. Observou-se dificuldade em se obter comportamentos bem-definidos de indivíduos com tendências à queda. Houve pouca diferenciação de grupos quanto às respostas de questionários, mas foi possível realizar distinção entre grupos etários quanto aos testes em balança de força. (AU)

• Processo FAPESP: 17/17096-1 - Desenvolvimento de técnicas de aprendizado de máquina e inteligência artificial no estudo de caquexia relacionada ao câncer
• Beneficiário: Natasha Fioretto Aguero
• Modalidade de apoio: Bolsas no Brasil - Doutorado