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
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
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://www.teses.usp.br/teses/disponiveis/82/82131/tde-18062025-103654/. Acesso em: 21 jan. 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://www.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 jan. 21 ] Available from: https://www.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 jan. 21 ] Available from: https://www.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
- A computational infrastructure for analyzing tuberculosis research data in Brazil
- Unsupervised analysis of COVID-19 pandemic evolution in brazilian states: vaccination scenario
- Preliminary results to predict tuberculosis outcomes applying traditional and automated machine learning models
Informações sobre o DOI: 10.11606/D.82.2024.tde-18062025-103654 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
