Machine Learning e Análise Multivariada aplicados à Sobrevida do Câncer Mama

Authors

  • Talita Santos Pinheiro Programa de Pós-Graduação em Engenharia Biomédica, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, São Bernardo do Campo (SP), Brasil.
  • Erika Yahata Programa de Pós-Graduação em Engenharia da Informação, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, Santo André (SP), Brasil.
  • Pablo Deoclecia dos Santos Programa de Pós-Graduação em Engenharia Biomédica, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, São Bernardo do Campo (SP), Brasil.
  • Fellipe Soares de Oliveira Programa de Pós-Graduação em Engenharia Biomédica, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, São Bernardo do Campo (SP), Brasil.
  • André Kazuo Takahata Programa de Pós-Graduação em Engenharia da Informação, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, Santo André (SP), Brasil.
  • Ricardo Suyama
  • Harki Tanaka
  • Tiago Ribeiro Oliveira Programa de Pós-Graduação em Engenharia Biomédica, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, São Bernardo do Campo (SP), Brasil.
  • Ana Paula Romani Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, São Bernardo do Campo (SP), Brasil.
  • Priscyla Waleska Simoes Programa de Pós-Graduação em Engenharia Biomédica, Programa de Pós-Graduação em Engenharia da Informação, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, São Bernardo do Campo (SP), Brasil.

Keywords:

Análise de Sobrevida, Aprendizado de Máquina, Câncer mama

Abstract

Objetivo: O presente estudo apresenta os resultados da Regressão Multivariada de Cox e do algoritmo Random Survival Forest na análise de sobrevida de pacientes com câncer de mama. Métodos: O estudo considerou uma amostra que continha dados de 4024 pacientes do sexo feminino diagnosticadas no período de 2006 a 2010 com câncer de mama (carcinoma ductal invasivo e carcinoma lobular). Resultados: A análise multivariada revelou a idade, tamanho do tumor e estadiamento como fatores de risco, que também foram considerados relevantes entre os atributos com maior ganho de informação pelo modelo apresentado pelo algoritmo Random Survival Forest.  Conclusão: Temos evidências que o modelo apresentado pelo algoritmo Random Survival Forest considerado na análise de sobrevida de câncer de mama apresentou-se em concordância com os resultados da estatística multivariada, e que os resultados são promissores para a prática clínica.

Author Biography

Priscyla Waleska Simoes, Programa de Pós-Graduação em Engenharia Biomédica, Programa de Pós-Graduação em Engenharia da Informação, Centro de Engenharia, Modelagem e Ciências Sociais Aplicadas - CECS, Universidade Federal do ABC - UFABC, São Bernardo do Campo (SP), Brasil.

Professor Adjunto do Curso de Engenharia Biomédica da Universidade Federal do ABC. Possui doutorado em Ciências da Saúde (2012) pela Universidade do Extremo Sul Catarinense (UNESC), na área de Epidemiologia; Mestrado em Ciência da Computação (2001) pela Universidade Federal de Santa Catarina (UFSC), na área de Inteligência Artificial; e graduação em Ciência da Computação (1997), pela Universidade do Vale do Itajaí (UNIVALI). Atua principalmente na orientação e desenvolvimento de projetos associados à Informática Biomédica (Telemedicina e Teelessaúde), Inteligência Artificial, Epidemiologia, e Revisões Sistemáticas (Prática Baseada em Evidências). Possui um significativo número de orientações concluídas de Mestrado, Iniciação Científica e Conclusão de Curso, e de artigos publicados em periódicos indexados, livros, capítulos, e trabalhos publicados em eventos científicos nacionais e internacionais. É referee em congressos nacionais e internacionais. Revisora de periódicos nacionais e internacionais. Membro da Sociedade Brasileira de Informática em Saúde.

Downloads

Published

2022-07-02

How to Cite

Pinheiro, T. S., Yahata, E., Santos, P. D. dos, Oliveira, F. S. de, Takahata, A. K., Suyama, R., … Simoes, P. W. (2022). Machine Learning e Análise Multivariada aplicados à Sobrevida do Câncer Mama. Journal of Health Informatics, 14(Especial). Retrieved from https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/971

Issue

Vol. 14 (2022): Número Especial - XVIII Congresso Brasileiro de Informática em Saúde - CBIS 2021

Section

CBIS 2021

License

Copyright (c) 2022 Talita Santos Pinheiro, Erika Yahata, Pablo Deoclecia dos Santos, Fellipe Soares de Oliveira, André Kazuo Takahata, Ricardo Suyama, Harki Tanaka, Tiago Ribeiro Oliveira, Ana Paula Romani, Priscyla Waleska Simoes

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Submission of a paper to Journal of Health Informatics is understood to imply that it is not being considered for publication elsewhere and that the author(s) permission to publish his/her (their) article(s) in this Journal implies the exclusive authorization of the publishers to deal with all issues concerning the copyright therein. Upon the submission of an article, authors will be asked to sign a Copyright Notice. Acceptance of the agreement will ensure the widest possible dissemination of information. An e-mail will be sent to the corresponding author confirming receipt of the manuscript and acceptance of the agreement.

Similar Articles

1 2 3 4 5 6 7 8 9 10 > >> 

You may also start an advanced similarity search for this article.

Most read articles by the same author(s)