Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB) (2024)
- Authors:
- Autor USP: CASSÃO, VICTOR - Interunidades em Bioengenharia
- Unidade: Interunidades em Bioengenharia
- Sigla do Departamento: Programa Interunidades em Bioengenharia: EESC/FMRP/IQSC-USP
- DOI: 10.11606/D.82.2024.tde-18062025-103654
- Subjects: TUBERCULOSE; APRENDIZADO COMPUTACIONAL; BASES DE DADOS
- Keywords: Integração de base de dados.; Tuberculose drogarresistente.
- Agências de fomento:
- Language: Português
- Abstract: A tuberculose (TB) permanece como uma das doenças infecciosas mais preocupantes globalmente, causando milhões de novos casos e mortes anualmente. O cenário se torna ainda mais complexo com a presença de casos de resistência medicamentosa, que dificultam o tratamento e aumentam a gravidade da doença. Fatores como desigualdade socioeconômica, acesso precário aos serviços de saúde e comorbidades como HIV são agravantes que afetam diretamente a prevalência e o controle da TB. No Brasil, onde a doença ainda é uma questão de saúde pública significativa, esforços têm sido feitos para melhorar as estratégias de prevenção, diagnóstico e tratamento da TB drogarresistente (TB-DR). Um dos principais desafios é assegurar que os pacientes recebam o cuidado adequado e que o tratamento seja concluído com sucesso, especialmente nos casos de TB resistente. Nesse contexto, a análise dos dados de saúde, utilizando técnicas como o aprendizado de máquina (AM), surge como uma ferramenta promissora para auxiliar na tomada de decisões. O AM tem o potencial de identificar padrões complexos em dados clínicos e sociodemográficos, contribuindo com a personalização de intervenções quando necessárias. Ao aplicar esses métodos, é possível melhorar o diagnóstico precoce e apoiar os profissionais de saúde na gestão mais eficiente dos casos de TB-DR. Este trabalho busca utilizar abordagens baseadas em AM para processar, integrar, analisar e prever dados clínicos no contexto do tratamento da TB-DR. Com a crescente disponibilidade de dados no setor de saúde, essas técnicas se tornam cada vez mais relevantes para aprimorar o controle da TB-DR, promovendo soluções para combater a doença de maneira mais eficiente e eficaz
- Imprenta:
- Publisher place: São Carlos
- Date published: 2024
- Data da defesa: 21.11.2024
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
CASSÃO, Victor. Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB). 2024. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2024. Disponível em: https://teses.usp.br/teses/disponiveis/82/82131/tde-18062025-103654/. Acesso em: 31 mar. 2026. -
APA
Cassão, V. (2024). Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB) (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/82/82131/tde-18062025-103654/ -
NLM
Cassão V. Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB) [Internet]. 2024 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/82/82131/tde-18062025-103654/ -
Vancouver
Cassão V. Desenvolvimento e aplicação de ferramentas de aprendizado de máquina para extração de conhecimento em banco de dados de resistência a drogas para tuberculose (TB) [Internet]. 2024 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/82/82131/tde-18062025-103654/ - Unsupervised K-means analysis of tuberculosis data in Brazil: identifying high prevalence states and temporal trends
- From raw data to FAIR data: the FAIRification workflow for brazilian tuberculosis research
- Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario
- A computational infrastructure for analyzing tuberculosis research data in Brazil
- Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models
- Promoting comprehensive care for people with rare diseases in a tertiary care setting in Brazil: protocol for a mixed methods implementation study
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
