Machine Learning na identificação de anomalias e clusters em casos de cancro do reto em função de alterações metabólicas

• Autor(a) principal: Ribeiro, João Carlos Martins
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/23628
• topic: Machine Learning; Aprendizagem não supervisionada; Colorretal; Aminoácidos; Acilcarnitinas; Unsupervised learning; Coloretal; Amino acids; Acylcarnitines

Atualmente, o setor da saúde é um dos setores que apresenta um crescimento mais rápido. Os dados crescem exponencialmente todos os dias e à medida que a quantidade de informação aumenta, novas formas de interagir e extrair significado vão surgindo. Machine Learning é uma área da Inteligência Artificial que estuda como solucionar problemas complexos e intuitivos, apresentando potencial para ser a solução que permitirá reduzir o custo crescente dos cuidados de saúde e, auxiliar os médicos no tratamento dos seus pacientes, de forma mais rápida e eficaz. A presente dissertação de mestrado tem como objetivo estudar os perfis metabólicos de aminoácidos e acilcarnitinas em doentes com cancro do reto localmente avançado e a forma como estes perfis influenciam a biologia tumoral e a resposta ao tratamento. Pretende-se analisar os respetivos perfis para a realização de duas tarefas de aprendizagem não supervisionada: Deteção de anomalias e Clustering. No decorrer deste trabalho, serão testados diferentes algoritmos e técnicas de tratamento de dados para serem avaliados por métricas intrínsecas para determinar o nível de coesão, separação e semelhança nos resultados de grupos obtidos, seguido pelas respetivas conclusões. Os melhores algoritmos serão utilizados num sistema de decisão que ajude de forma mais eficiente os profissionais de saúde na escolha de tratamento adequado para cada um dos futuros pacientes.