Divulgação - Defesa Nº 251

Aluno: Rodrigo Simões Costa

Título: “Classificação de pacientes com diabetes pela análise dos padrões de proteínas presentes na saliva usando algoritmos de aprendizado de máquinas”

Orientador: Carmelo José Albanez Bastos Filho - (PPGEC)

Co-orientador: Anthony José da Cunha Carneiro Lins

Examinador Externo: Diego Marconi Pinheiro Ferreira Silva - (UNICAP)

Examinador Interno: Sérgio Murilo Maciel Fernandes - (PPGEC)

Data-hora: 30 de junho de 2022 às 15:00h
Local: Formato Remoto (https://meet.google.com/ofu-zaei-ofx?hs=224)

Resumo:

Equipamentos modernos têm permitido o mapeamento de informações biológicas do ponto de vista molecular, que podem ser utilizadas para predição e diagnóstico de doenças. Além disso, os exames laboratoriais auxiliam no diagnóstico clínico e trazem marcadores com padrões complexos. Esses padrões podem ser usados em conjunto com técnicas de Machine Learning para detectar e automatizar diagnósticos de pacientes. Essas ferramentas de aplicação podem ser utilizadas para o diagnóstico precoce de doenças. Este trabalho mostra uma aplicação de técnicas de aprendizado de máquina supervisionado para classificar pacientes com diabetes, usando os marcadores de proteínas contidos na saliva diretamente nos dados fornecidos por um equipamento implantado para medir pesos moleculares. Nosso banco de dados (o SalivaTecDB [1]) possui 170 pacientes sendo 52 diabéticos e 118 não diabéticos. Analisamos quatro técnicas de aprendizado de máquina amplamente utilizadas, mostrando que a máquina de vetores de suporte obteve os melhores resultados em relação à acurácia, precision, recall e F1-score.