278 XXXI MOSTRA UNISINOS DE INICIAÇÃO CIENTÍFICA E TECNOLÓGICA De 28/10/2024 a 01/11/2024 Unisinos São Leopoldo Ciências Exatas e da Terra - PPG em Computação Aplicada Autor(a): Júlia Marchiori Ramos Coautor(es): Felipe André Zeiser Modalidade de Bolsa: PIBIC-EM Orientador(a): Prof. Dr. Cristiano Andre da Costa AVALIAÇÃO DE MODELO DE ANÁLISE DE SOBREVIVÊNCIA AO DECORRER DO TEMPO PARA CÂNCER DE MAMA As crescentes evoluções na tecnologia e em sua capacidade de análise de dados têm contribuído significativamente na área da medicina. Em especial, o uso de Machine Learning se destaca, aprendendo através de dados de pacientes anteriores e, assim, contribuindo na prediço de casos futuros. Particularmente, a detecção precoce do câncer traz grandes vantagens, favorecendo as chances de recuperação. Logo, se mostra benéfico desenvolver um modelo de análise de sobrevivência da doença ao longo do tempo, com foco no câncer de mama, visando melhorar o prognóstico dos pacientes. Para atingir este fim, foi primeiramente feita uma análise dos dados utilizados, sendo eles as características de 272 pacientes, disponibilizados pelo Netherlands Cancer Institute (NKI) em 2016. Os diferentes aspectos selecionados englobam fatores como idade, uso da quimioterapia, condições hormonais e genéticas, eventual morte, entre outros. Em seguida, utilizando a linguagem Python e as bibliotecas Pandas, Numpy e TemporAi, os dados foram treinados no modelo time-to-event, criado para estimar o risco de morte após determinados intervalos de tempo de acordo com cada amostra. Para avaliar o desempenho do modelo foi utilizado o C-index, que mede a capacidade do modelo de distinguir entre os diferentes riscos de morte, e o Brier Score, que avalia a precisão das previsões. O resultado para o C-index foi de 0,7013 e um Brier Score de 0,2539; esses resultados indicam que o modelo apresenta uma capacidade de discriminar entre pacientes de alto e baixo risco de mortalidade, além de possuir uma boa calibração com erro relativamente baixo. Embora o modelo apresente resultados promissores, há espaço para otimizações, como a seleção de melhores características e ajuste de hiperparâmetros, visando aprimorar a precisão e a confiabilidade das previsões. Assim,
RkJQdWJsaXNoZXIy MjEzNzYz