Predição de recidivas em pacientes de oncologia pediátrica com leucemia linfoblástica aguda usando aprendizado de máquina

Abstract

Durante o tratamento da Leucemia Linfoblástica Aguda (LLA) na infância, a previsão de recidiva, caracterizada pelo retorno do câncer após o paciente passar por um tratamento bem sucedido, é um fator crítico para o sucesso do tratamento e para o planejamento de acompanhamento da doença. O objetivo deste trabalho foi construir um modelo computacional para a previsão de recidiva com base em algoritmos de aprendizado de máquina. A proposta foi construir um modelo preditivo baseado em um conjunto de treinamento obtido a partir de dados laboratoriais e clínicos de pacientes do Hospital da Criança de Brasília (HCB). A construção desse modelo computacional permitiu identificar, com quase 85% de acurácia, pacientes em grupos de risco de recidiva. O principal benefício dessa previsão é possibilitar que a equipe de saúde tome ações que julguem mais adequadas em prol da saúde e visando uma maior chance de sobrevida dos pacientes.