Transcription
Olá, eu sou Leandro Rodrigues da Silva Souza, decente do programa de doutorado em engenharia biomédica da Universidade Federal de Uberlândia. E hoje eu vou estar falando sobre a minha tese, o efeito dos canambidioes no tremor parksoniano e interações medicamentosas. Análise por inteligência artificial explicável dos dados focos em site.
Contextualização da doença de Parkson. A doença de Parkson é uma condição neurológica progressiva, incurável e idiopática e qual a sua etiologia permanece indefinida. Dentre os fatores de risco está o envelhecimento da população fruto da sua idade. Atualmente, aproximadamente 10 milhões de pessoa em todo o mundo acometido pela doença de Parkson e há uma estimativa de 13 milhões até 2040.
O diagnóstico é utilizado eh realizado através de análise clínica de dois a quatro sintomas principais da doença. Normalmente é utilizada uma ferramenta padrão chamada escala de avaliação da doença de Parxa ou DPRS. Dentre os sintomas, de 70 a 90% dos pacientes possui tremor em repouso, característico da doença, o qual acomete a qualidade de vida indo desde alimentação, autocuidado, inclusive gerando consequências psicossociais, indo ao constrangimento social, ao isolamento.
O tratamento normalmente é utilizado um medicamento chamado levedopa. Ele é um tratamento sintomático. Contudo, o uso prolongado desse medicamento causa efeitos colaterais graves, como gicenia tardia, além de oscilações motoras e não motoras, impactando consequentemente a qualidade de vida. Normalmente de cerca de 40% dessa população utilizam de terapias complementares fruto da ineficácia do tratamento padrão.
Dentre as terapias alternativas, temos a utilização dos canabidioes. Contudo, a utilização dos canabidio ainda é um protocolo off label que demanda de mais estudos quanto a segurança, dosagem, modo de utilização, de forma a orientar pacientes e médicos na minimização e otimização dos benefícios dos canabidóis. Diante dessa escassez de estudos clínicos que possam orientar o potencial terapêutico, tendo em vista que há tanto resultados positivos quanto negativos na literatura. E advém uma dificuldade de acesso a dados sobre canabidioes, principalmente diante das restrições legais, ao custo e a regulamentação dos canabidóides nos diferentes países.
Para a realização dessa pesquisa, foi concebido um pipeline de dados que vai desde a integração do portal de dados da Fox Insite até uma base de dados estruturada que a glutina que reúne cerca de cinco questionários de diferentes pesquisas que alimentam esse trabalho, aglutinando cerca de 2616 pacientes. segundo pipeline, parte da nossa base de dados já concebida até as predições com shape, que é o presente travado que a gente explana nesse momento.
Dentre as etapas do pipeline, nós temos o o pré-processamentos dos dados, aonde é concebido três bases de dados. Uma chamada de single com 700 amostras e 20 features, contém apenas os dados de pesquisas associadas a exclusivamente a pacientes com cannabis, somente os formulários de cannabis. Nós temos o outro dataset concebido que é o full numérico com cerca de 671 amostras. esse número de vem um pouco menor do cruzamento com os dados medicamentosos, medicações utilizadas concomitantemente com o a cannabis com 76 features e temos o full ge f onde foi realizado o agrupamento da classe farmacológica dos medicamentos por nome de marca, ou seja, foi aglutinado os medicamentos baseado no princípio ativo e não no nome de marca.
Eh, de todos esses datasets, foram processados diferentes métodos de machine learning, diferentes técnicas foram utilizadas, aonde o principal modelo eh expressou 62,88% de acurdicidade na distinção das diferentes classes. É, desse dataset foi extraído análise identificando qual é a melhor janela de utilização do canabidiol, do tetra e do canal, qual a relação entre o tempo de doença, qual a relação com a idade do paciente, qual a relação do modo de utilização. E fruto de todas essas essas variáveis eh cruzadas, foi gerado também a clasterização a partir dos dados Shaped, onde foi possível identificar quais são os grupos que respondem favoravelmente à utilização na da cannabis ou do canabidiol, do blend cannabidiol, tetrador canabidiol, quais respondem moderadamente e quais provavelmente não serão respondedores.
Fruto dessa clasterizzação, o trabalho também propõe a utilização de um nomograma preditivo, aonde médicos e a comunidade em geral pode fazer a utilização para ter uma noção baseado nos respondedores da pesquisa da Fox Inside, qual seria eh a resposta à utilização desses blends, segundo o estágio da doença, idade, forma de utilização, qual seria a resposta eh esperada, sem a necessidade de executar diferentes algoritmos ou técnicas de machine learning.
Esse é o meu trabalho. Muito obrigado. Meu nome é Leandro Rodrig da Silva Souza aqui está nos contatos e até breve. Obrigado.