Smart Monitoring Tool: intelligent model for monitoring colorectal cancer patients in the active phase of treatment

• Ano de defesa: 2023
• Autor(a) principal: Queiroz, Diogo Albino de
• Orientador(a): Costa, Cristiano André da
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade do Vale do Rio dos Sinos
• Programa de Pós-Graduação: Programa de Pós-Graduação em Computação Aplicada
• Departamento: Escola Politécnica
• País: Brasil
• Palavras-chave em Português: Estudo clínico; Câncer colorretal; Internet das coisas; Sistemas especialistas; Sistemas distribuídos
• Palavras-chave em Inglês: Chatbot; Clinical study; Colorectal cancer; Internet of things; Expert systems; Distributed systems
• Área do conhecimento CNPq: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação
• Link de acesso: http://repositorio.jesuita.org.br/handle/UNISINOS/12750

O câncer colorretal é um dos mais prevalentes em homens e mulheres, e seu desenvolvimento está associado a diversos fatores de risco, como sedentarismo e hábitos alimentares. Além disso, ele impacta diretamente a qualidade de vida do indivíduo e sua rotina diária (trabalho, estudo, lazer, dentre outros), especialmente quando diagnosticado em estágio avançado. Atualmente, durante o período entre as sessões de quimioterapia não existe um monitoramento focado se o paciente está seguindo o tratamento, conforme orientado pela equipe médica, o que contribui para um baixo engajamento em ações para melhorar a sua condição clínica e autogerenciar os efeitos adversos do tratamento. Esse trabalho desenvolveu um modelo computacional, baseado em Inteligência Artificial e Internet das Coisas, para monitoramento dos pacientes com câncer em fase de tratamento ativo com o intuito de garantir maior engajamento do paciente ao tratamento por meio de interações e feedbacks individualizados e automatizados entre o paciente e o assistente virtual e/ou equipe multidisciplinar responsável pelo seu tratamento. Os dados foram armazenados em uma base de dados, e o time multidisciplinar era notificado quando a condição clínica do paciente indicava deterioração. O modelo funcionou de forma passiva e ativa, e o estudo foi realizado em três fases. A primeira fase foi realizada em dezembro de 2021, onde a equipe do Centro do Câncer de Sinop avaliou uma das ferramentas do modelo computacional. Na segunda fase o modelo foi aplicado em pacientes com câncer colorretal em fase de tratamento ativo no período de julho a dezembro de 2022. Todos os pacientes que atendiam os critérios de inclusão foram convidados a participar. Durante 8 semanas, os pacientes foram estimulados a relatarem os sintomas e efeitos adversos relativos ao tratamento, prática de atividade física e dados sobre sua alimentação. A avaliação dos resultados baseou-se na comparação entre os grupos de intervenção e controle. Os pacientes avaliaram o modelo por meio dos questionários de Experiência do Usuário (UEQ) e Usabilidade do Sistema (SUS). Na terceira fase foi avaliado a aplicação de um sistema recomendador integrado ao modelo proposto. Os resultados da primeira fase mostraram que o modelo foi eficaz na abordagem da usabilidade e experiência do usuário. As escalas de atratividade e eficiência do UEQ foram avaliadas como excelentes e as demais como boas. A usabilidade avaliada pelo SUS obteve média de 75 ± 7,14 e mediana de 72,5 (70-77,5). Na segunda fase, os pacientes que participaram do modelo relataram sinais e sintomas com maior precisão (controle: 64,7%; intervenção: 92,3%; p=0,1038). No grupo intervenção, a prática de atividade física foi mais eficaz, e a maioria dos pacientes (61,5%) interagiu com o chatbot por pelo menos 62,5% do período. Também se observou redução estatística no consumo de bebidas alcoólicas e fast food, e aumento estatístico no consumo de frutas no grupo de intervenção. Por fim, na terceira fase os resultados sugerem que o sistema recomendador pode endereçar positivamente as expectativas do usuário. Desta forma, os resultados indicam que o modelo contribuiu para uma coleta de dados mais assertiva e maior engajamento do paciente no autogerenciamento dos sintomas e efeitos adversos do tratamento e do câncer. Além disso, o modelo contribuiu para aumentar a prática de atividades físicas leves pelos pacientes. As pontuações UEQ e SUS indicam que o modelo atendeu às expectativas dos usuários e teve usabilidade aceitável.