Aprendizado de máquina aplicado na previsão do tempo de sobrevida em pacientes com câncer de pulmão

• Ano de defesa: 2025
• Autor(a) principal: Henrich, Rodrigo
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Pontifícia Universidade Católica do Rio Grande do Sul; Escola Politécnica; Brasil; PUCRS; Programa de Pós-Graduação em Ciência da Computação
• Palavras-chave em Português: Tempo de Sobrevida; Câncer de Pulmão; Aprendizado de Máquina Supervisionado; Classificação; Survival Time; Lung Cancer; Supervised Machine Learning; Classification; CIENCIA DA COMPUTACAO::TEORIA DA COMPUTACAO
• Link de acesso: https://tede2.pucrs.br/tede2/handle/tede/11716

O câncer de pulmão é um dos tipos mais comuns e letais de câncer em todo o mundo. O diagnóstico precoce e o tratamento adequado desempenham um papel fundamental na redução da mortalidade associada a essa doença. A inteligência artificial tem se tornado uma ferramenta promissora em diversas áreas e também na medicina. Uma Revisão Sistemática da Literatura (RSL) sobre predição do tempo de sobrevida em pacientes com câncer revelou que, entre os 64 estudos analisados, 55 utilizaram alguma técnica de aprendizado de máquina. Neste contexto, este estudo propõe a aplicação de técnicas de aprendizado de máquina supervisionado para desenvolver e avaliar modelos capazes de classificar pacientes com câncer de pulmão de acordo com seu tempo de sobrevida (curta ou longa). Os resultados obtidos indicam que os algoritmos com melhor desempenho nesta tarefa foram o Random Forest, com acurácia de 87,12%, e o Decision Tree, com acurácia de 86,94%. Para compreender os resultados dos modelos de Machine Learning (ML), foi utilizado SHAP (SHapley Additive exPlanations), que permite interpretar a contribuição de cada variável para as previsões realizadas. A incorporação desses modelos na prática clínica pode apoiar a tomada de decisões e a personalização dos tratamentos dos pacientes.