Alagoas

ONCOLOGIA

Pesquisa alagoana usa inteligência artificial para prever risco de retorno do câncer

Trabalho quer desenvolver modelos preditivos confiáveis para a determinação do risco de recidiva a partir de dados públicos

Por Redação com assessoria 23/11/2022 15h03
Pesquisa alagoana usa inteligência artificial para prever risco de retorno do câncer

Uma parceria entre o Campus Arapiraca da Universidade Federal de Alagoas (Ufal) e o Centro de Tecnologia da Informação (CTI) Renato Archer de Campinas, utiliza técnicas de machine learning (inteligência artificial) para prever o risco de recidiva (retorno do câncer) de diversos tipos de câncer.

A pesquisa em Alagoas é coordenada pelo professor Sérgio Vechi, que explica que o objetivo do grupo, que conta com a participação dos pesquisadores Rodrigo Bonacin e Mariangela Dametto, é desenvolver modelos preditivos confiáveis para a determinação do risco de recidiva a partir de dados públicos.

“Ainda não há um conhecimento estabelecido sobre a correlação entre o tipo de câncer, as características dos pacientes, o tratamento e outros fatores com a ocorrência de recidiva, ou seja, o retorno do câncer. Além disso, os tratamentos oncológicos podem ser muito agressivos para os pacientes e a escolha do melhor tratamento por profissionais de saúde é uma tarefa de decisão complexa e delicada. Determinar o risco de recidiva é um elemento chave para apoiar os médicos na escolha da terapêutica mais eficaz para cada caso específico”, explica.

“Neste trabalho nós aplicamos técnicas de machine learning para prever a recidiva. Utilizamos para isso o banco de dados de registros hospitalares de câncer (RHC), formado a partir de dados gerados por diversas instituições hospitalares e coordenado pela Fundação Oncocentro de São Paulo. O RHC iniciou suas atividades em 2001 e tem cerca de mais de um milhão de registros (anonimizados) de pacientes e cerca de mais de 300 tipos de câncer”, diz o professor.

Nesta primeira etapa do projeto o grupo analisou e avaliou positivamente a viabilidade da aplicação de técnicas de machine learning para prever o risco de recidiva de diversos tipos de câncer. “Nosso objetivo é obter um número mínimo de características dos registros clínicos (características relacionadas ao tipo de câncer e aos pacientes) a partir de um banco de dados público para desenvolver modelos de previsão confiáveis. Este trabalho pode vir a auxiliar na tomada de decisão sobre a escolha do melhor tratamento por profissionais da saúde, bem como pode melhorar a compreensão de quais fatores estão relacionados a uma maior probabilidade de risco de recidiva”, completa.

Os próximos passos da equipe incluem entender melhor a correlação entre a recidiva e as características do câncer, do paciente e dos tratamentos. “Além disso, pretendemos expandir os dados que temos com a inclusão de outros bancos de dados bem como outros tipos de dados como imagens e resultados de exames”, informa.

Resultados


A pesquisa já conta com bons resultados. O trabalho intitulado "Predicting cancer relapse with machine learning from an open Brazilian database", foi apresentado na décima edição do evento IEEE E-Health and Bioengineering Conference 2022 (EHB 2022) na seção "Decision Support Systems, Artificial Intelligence IV" no dia 18 de novembro em Iasi, na Romênia.

O EHB 2022 abrangeu diversos tópicos atuais como e-health e bioengenharia médica. Cientistas de diversas áreas participaram da apresentação, discussão e avaliação dos últimos avanços, pesquisas desafios e oportunidades em tecnologias de hardware/software, dispositivos médicos/instrumentação, processamento de biosinais e imagens, biomateriais, biomecânica, biotecnologias e para alguns domínios mais jovens como bioinformática, micro e nanotecnologias, biologia de sistemas ou fisiologia humana virtual.

“Além deste projeto, outra colaboração com os pesquisadores do CTI e da Universidade Santander na Colômbia está em desenvolvimento na qual buscaremos, através de dados biométricos, ultrassonografia e microbioma vaginal prever a probabilidade de parto prematuro através da aplicação de técnicas de machine learning”, afirma o professor Vechi. Em fase da coleta de dados, o projeto reúne pesquisadores de diversas áreas como química, bioquímica, ciência da computação e medicina.