Arapiraca desenvolve pesquisa para prever o risco de retorno do câncer

Trabalho desenvolvido por professor do Campus Arapiraca em parceria com pesquisadores do Centro de Tecnologia da Informação Renato Archer usa técnicas de inteligência artificial

Por Jacqueline Freire – jornalista
- Atualizado em

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.