Banca de QUALIFICAÇÃO: ANTONIA REGINA DOS SANTOS GOIS

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: ANTONIA REGINA DOS SANTOS GOIS
DATA : 29/08/2024
LOCAL: AUDITÓRIO BENÍCIO DE BARROS NETO - DQF
TÍTULO:

ESTUDOS METABONÔMICOS APLICADOS EM DOENÇAS RENAIS: diagnóstico, prognóstico e estadiamento baseados em RMN e aprendizado de máquina.

PALAVRAS-CHAVES:

Modelos Quimiométricos; Lesão Renal Aguda; Transplante Renal; Nefrite Lúpica.

PÁGINAS: 83
RESUMO:

As doenças renais (DR) representam um problema de saúde pública global, afetando cerca de 10% da população com algum grau de doença renal crônica (DRC). O diagnóstico precoce da DRC e de outras DR apresenta várias limitações. No caso da DRC, mesmo utilizando a creatinina como biomarcador, há uma falta de sensibilidade e especificidade, pois a concentração desse biomarcador pode ser influenciada por outras condições clínicas. Considerando a alta incidência de doenças renais no mundo e a necessidade de diagnóstico precoce, o presente trabalho tem como objetivo utilizar algoritmos de aprendizado de máquina associados à estratégia metabonômica e análise por espectroscopia de RMN para desenvolver modelos quimiométricos supervisionados capazes de discriminar pacientes com doenças renais de indivíduos saudáveis. Para este estudo, foi selecionado um conjunto de dados (n = 40) de bebês prematuros com e sem lesão renal aguda (LRA) disponível na literatura. Os algoritmos investigados foram Regressão Logística (LR), Análise Discriminante Linear (LDA) e Máquina de Vetores de Suporte (SVM). Nessa modelagem inicial, sem aplicar técnicas de redução de dimensionalidade, o modelo SVM mostrou um ótimo desempenho ao discriminar pacientes com LRA dos controles, com 100% de valor preditivo positivo (VPP), 100% de especificidade e 90% de exatidão. Além disso, foram selecionadas 30 variáveis importantes para o modelo e, em análise inicial, dois metabólitos foram identificados: valina e lactato, cujas variações já foram relatadas em pacientes com doenças renais. Os resultados deste estudo demonstram a viabilidade e a possibilidade de desenvolver modelos com ótimas capacidades preditivas. As próximas etapas consistirão em otimizar esses modelos para novos conjuntos de dados, investigando pacientes com transplante renal e pacientes em tratamento de nefrite lúpica.

MEMBROS DA BANCA:
Externo ao Programa - 1133612 - EDMUNDO PESSOA DE ALMEIDA LOPES NETO - nullInterno - 1963108 - JORGE LUIZ NEVES
Presidente - 2199064 - RICARDO OLIVEIRA DA SILVA
Externo ao Programa - 1807632 - WELLINGTON PINHEIRO DOS SANTOS - null