Aplicação da mineração de dados para apoio à descoberta de conhecimento no contexto do estudo clínico randomizado - Projeto Florida

• Ano de defesa: 2021
• Autor(a) principal: Silva, Patrick Pedreira
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Artificial intelligence; Cleft; Data mining; Fissuras; Fistula; Fístulas; Inteligência artificial; Mineração de dados
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/61/61132/tde-18022022-125501/

A quantidade de usuários da internet em todo o mundo vem aumentando de forma exponencial, alcançando cerca de 5,2 bilhões em 2021. Do mesmo modo, há um aumento significativo da velocidade de processamento e capacidade de memória dos computadores. Maior capacidade de processamento associada ao crescente aumento do número de usuários destas tecnologias têm produzido um problema de superabundância de dados, pois a capacidade de coletar e armazenar dados tem superado a habilidade de analisar e extrair conhecimento destes. A capacidade de extrair conhecimento útil e oculto nessa grande quantidade de dados e de agir com base nesse conhecimento está se tornando cada vez mais importante. Hospitais, clínicas e instituições ligados à área de saúde, de um modo geral, também ampliaram de forma significativa suas bases de dados, gerando impactos diretos na Saúde Pública uma vez que essa massa de dados fornece meios de subsidiar mecanismos de controle, procedimentos e, sobretudo, estudos clínicos que se transformem em benefícios para a sociedade. A Ciência da Computação apresenta um conjunto de técnicas e ferramentas destinadas à produção de informação relevante e à descoberta de conhecimentos em bases de dados de maneira inteligente e automática, por meio da chamada mineração de dados. Diante deste cenário, o objetivo geral deste trabalho foi aplicar técnicas de computação na área de ciências da saúde, sobretudo no escopo das fissuras labiopalatinas, buscando otimizar processos relacionados às práticas dessas ciências, por meio da aplicação de conceitos relacionados à inteligência artificial, ao aprendizado de máquina e à mineração de dados no contexto do HRAC/USP (Hospital de Reabilitação de Anomalias Craniofaciais Universidade de São Paulo). Mais especificamente, a hipótese desta investigação é de que é possível identificar correlações e padrões de dados que permitam fornecer insights ao tratamento das fissuras labiopalatinas. Deste modo, foram propostas duas tarefas de pesquisa: a) comparação de algoritmos de aprendizado de máquina para a predição de ocorrência de fístulas após a palatoplastia primária em pacientes com fissura transforame unilateral (FTU) e b) utilização de técnicas de mineração de dados para a descoberta de conhecimento sobre fatores associados à ocorrência de fístulas após a palatoplastia primária. A análise dos dados revelou que a ausência de alguns sintomas (febre,tosse, infecção) bem como características associadas à cirurgia em si (cirurgião, técnica, retalho de vômer) e ao paciente (hipernasalidade e sinais sugestivos de disfunção velofaríngea), podem ajudar a predizer o sucesso ou insucesso da palatoplastia. Também revelou que fatores associados às complicações pósoperatórias (infecção, vômito, tosse e febre) bem como às características associadas à cirurgia em si (duração, técnicas cirúrgicas, retalho de Vômer, incisão relaxante) e ao paciente (idade na época da palatoplastia), podem ajudar a predizer o sucesso ou insucesso da palatoplastia com relação à ocorrência de fístulas consideradas complicações. Quando se considera a capacidade de predição (correta e do maior número de casos) o algoritmo de melhor desempenho foi o de Máquina de VetoresSuporte (SVM), cuja métrica de f-measure dentro da classe de insucessos foi a mais alta. Além das contribuições pontuais desta pesquisa salientadas nos artigos que compõem esta tese, podem ser evidenciadas outras contribuições potenciais deste trabalho, principalmente, a ampliação das parcerias entre as áreas de ciência da computação e ciências da saúde, sobretudo no escopo das fissuras labiopalatinas, o que permite otimizar processos relacionados às práticas dessas ciências, por meio das tecnologias da informação e comunicação, fomentando projetos multidisciplinares.