DEFESA DE TESE DE DOUTORADO Nº 42

Aluno: Hitalo Oliveira da Silva

Título: “Rede Vascular como Biomarcador: Uma Nova Metodologia Baseada em Inteligência Artificial e Ciência das Redes para Avaliação Explicável da Saúde Corporal"

Orientador: Carmelo José Albanez Bastos Filho

Coorientador: Diego Marconi Pinheiro Ferreira Silva

Examinador Externo: Clodomir Joaquim de Santana Júnior (UC Davis)

Examinador Externo: Rodrigo Felipe Albuquerque Paiva de Oliveira (B3)

Examinador Externo: Rodrigo de Paula Monteiro (UPE)

Examinador Interno: Leandro Honorato de Souza Silva

Data-hora: 30 de abril de 2026 às 15h30min

Local: formato remoto

---

Resumo:

         "O acompanhamento médico e hábitos saudáveis constituem as principais estratégias para minimizar o surgimento de Doenças Cardiovasculares (CVD), responsáveis por aproximadamente 20 milhões de óbitos anuais em decorrência de suas complicações. Angiografias Coronarianas Invasivas (ICAs) e não invasivas (CTAs) são exames frequentemente utilizados para avaliar a condição estrutural e funcional do sistema vascular. Na prática clínica atual, os médicos geralmente baseiam-se em seu conhecimento e nos resultados desses exames para elaborar relatórios clínicos, uma abordagem essencialmente subjetiva que frequentemente apresenta divergências nas interpretações intra e interobservadores. Pesquisas recentes sugerem que métricas objetivas podem reduzir significativamente os erros de diagnóstico. Todavia, não é trivial desenvolver técnicas de extração e padronização de métricas objetivas que expliquem, de forma analítica, o sistema vascular humano e a sua relação com o estado de saúde corporal do paciente. Esta tese de doutorado apresenta uma nova metodologia para quantificar o sistema vascular humano e criar associações explicáveis entre as propriedades estruturais vasculares e o estado de saúde do paciente, utilizando métodos avançados baseados em teoria dos grafos e em inteligência artificial. A abordagem proposta captura detalhadamente as informações estruturais dos vasos sanguíneos e as modela em grafos biomédicos. Métricas de rede, como coeficientes de agrupamento, medidas de centralidade e eficiência de roteamento, são extraídas dos grafos para construir a caracterização quantitativa das redes vasculares. Modelos de Redes Neurais Baseadas em Grafos (GNNs) são, então, empregados para codificar cada rede vascular em representações de baixa dimensionalidade (embeddings). A proximidade espacial dos embeddings reflete a similaridade estrutural entre as redes. Algoritmos de clusterização são, subsequentemente, aplicados para agrupar padrões análogos e identificar possíveis anomalias. Experimentos realizados em um conjunto de dados contendo 18.505 redes vasculares retinianas revelaram associações significativas entre a estrutura da rede vascular e variáveis demográficas/clínicas (idade, sexo e estado patológico). Análises de regressão demonstraram que a densidade da rede e o comprimento vascular total emergiram como uma das métricas mais discriminativas para a caracterização dos clusters identificados. Estes resultados destacam o potencial dos modelos baseados em grafos para aprimorar a análise do sistema vascular. Eles oferecem métricas quantitativas e objetivas que podem ser utilizadas como biomarcadores. Os biomarcadores podem ajudar na predição de condições de saúde locais e sistêmicas. "