Modelo semi-supervisionado aplicado à previsão da eficiência da quimioterapia neoadjuvante no tratamento de câncer de mama

• Autor(a) principal: Frederico Gualberto Ferreira Coelho
• Data de Publicação: 2009
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUOS-8D4JD8
• topic: genéticos; Calcular geometricamente a margem dos dados; novas técnicas de exames; câncer de mama; de entrada; Engenharia elétrica

O câncer de mama é o tipo de câncer que mais atinge as mulheres no mundo e é o segundo tipo de câncer mais comum, perdendo apenas para o de pulmão. Existem diversos fatores que potencializam o risco de desenvolvê-lo e também que o minimizam como alimentação saudável e exercícios físicos. Contudo, a prevenção é mesmo a arma mais eficaz contra o câncer. Sua detecção prematura aumenta as chances do paciente se curar e passar por menos transtornos no tratamento. O tratamento do câncer de mama constitui-se de três etapas, sendo o tratamento quimeoterápico neoadjuvante ou pré-cirúrgico, a cirurgia propriamente dita e o tratamento quimeoterápico adjuvante ou pós-cirúrgico. É fato que os tratamentos quimeoterápicos impõem grandes sofrimentos aos pacintes e no caso da quimeoterapia neoadjuvante cerca de 30% apenas dos pacientes apresentam alguma resposta positiva, seja na redução do tumor, seja na completa eliminação do mesmo dispensando a cirurgia. O grande desejo dos médicos é dispor de algum meio para prever a resposta dos pacientes ao tratamento pré-cirúrgico, evitando assim, que aqueles que não responderiam bem ao tratamento precisem passar por todo este sofrimento desnecessariamente. Os exames clínicos não são suficientes para se tomar a decisão de aplicar ou não o tratamento, mas com o desenvolvimento de novas técnicas de exames genéticos uma nova esperança surge e talvez seja possível desenvolver uma ferramenta que auxilie os médicos no tratamento de pacientes com câncer de mama. Foram coletados os dados de expressão genética de pacientes nos Estados Unidos e na França. Como o método implementado é semi-supervisionado parte dos dados serão considerados como rotulados e outra parte como não rotulados e a idéia é, a partir do treinamento de uma rede MLP com os dados rotulados, em conjunto com a informação de margem geométrica calculada tanto para os dados de treinamento como para os dados não rotulados, tentar chegar à uma solução que classifique bem ambos os conjuntos de dados. A proposta deste trabalho é calcular geometricamente a margem dos dados de entrada para ser utilizado como informação de distribuição dos dados no método semi-supervisionado mas a grande dificuldade é calculá-la para o conjunto de dados não-rotulados. Para viabilizar o cálculo da margem geométrica foi necessário então desenvolver uma maneira de identificar os padrões limites entre as classes, utilizando o método de agrupamento Fuzzy (FCM) e o fatiamento do espaço dos padrões que é proposto neste trabalho.