Aplicação de redes neurais artificiais em transplantes renais: classificação de nefrotoxicidade e rejeição celular aguda

Show simple item record

dc.contributor.advisor Pisa, Ivan Torres [UNIFESP]
dc.contributor.author Maciel, Rafael Fabio [UNIFESP]
dc.date.accessioned 2015-07-22T20:49:25Z
dc.date.available 2015-07-22T20:49:25Z
dc.date.issued 2010-10-27
dc.identifier.citation MACIEL, Rafael Fabio. Aplicação de redes neurais artificiais em transplantes renais: classificação de nefrotoxicidade e rejeição celular aguda. 2010. Dissertação (Mestrado) - Universidade Federal de São Paulo (UNIFESP), São Paulo, 2010.
dc.identifier.uri http://repositorio.unifesp.br/handle/11600/8957
dc.description.abstract BACKGROUND: Complications associated with kidney transplantation and immunosuppression can be prevented or treated effectively if diagnosed in early stages with monitoring post-transplant. OBJECTIVE: To present the results of comparison of automatic pattern classifiers using different techniques of artificial intelligence to predict events of nephrotoxicity and acute cellular rejection (RCA), with up to one year of renal transplantation METHODS: Statistical tests were performed on the prevalence and linear regression in variables regarding nephrotoxicity and RCA. We used different classifiers (neural networks, support vector machines (SVM), decision trees, Bayesian inference, and closest neighbors) in order to provide RCA and nephrotoxicity. The classifiers were evaluated according to the value of sensitivity, specificity and area under ROC curve (AUC). RESULTS: The prevalence of acute cellular rejection was 31.0% and 26.9% of nephrotoxicity. The technique had the highest sensitivity value prediction for the submission to the transplanted kidney biopsy was SVM (LIBSVM algorithm) with sensitivity rates of 0.87 (accuracy rate 79.86; specificity 0.70; AUC 0.79). The technique had the highest AUC for predicting nephrotoxicity and RCA was bayesian inference (NaiveBayes), with AUC rates of 0.8 (accuracy rate 75.92). CONCLUSION: The results are encouraging, with rates of trial and error consistent with the determination of acute cellular rejection and nephrotoxicity. en
dc.description.abstract INTRODUÇÃO: Complicações associadas ao transplante de rim e imunossupressão podem ser prevenidas ou tratadas efetivamente quando são diagnosticadas em fases iniciais com o monitoramento pós-transplante. OBJETIVO: Apresentar resultados da comparação de classificadores automáticos de padrões utilizando diferentes técnicas de inteligência artificial para prever eventos de nefrotoxicidade e rejeição celular aguda (RCA) com até um ano após o transplante renal. MÉTODOS: Foram analisados dados de 135 prontuários de pacientes submetidos a transplante renal no período de fevereiro de 2006 a junho de 2010 e realizados testes estatísticos de incidência e regressão logística nas variáveis em relação à nefrotoxicidade e RCA. Foram utilizados diferentes classificadores: redes neurais, support vector machines (SVM), árvores de decisão, inferência bayesiana e vizinhos mais próximos, com o objetivo de prever RCA e nefrotoxicidade. Os classificadores foram avaliados segundo o valor de sensibilidade, especificidade e área sob a curva ROC (AUC). RESULTADOS: A incidência de RCA foi de 31,0% e de nefrotoxicidade de 26,9%. A técnica que apresentou o melhor valor de sensibilidade para prever se há nefrotoxicidade ou RCA foi a SVM (algoritmo LIBSVM) com sensibilidade 0,87 (taxa de acerto 79,86%; especificidade 0,70; AUC 0,79). A técnica que apresentou o melhor valor de AUC para prever nefrotoxicidade ou RCA foi a de inferência bayesiana (algoritmo NaiveBayes) com AUC 0,80 (taxa de acerto 75,92%). CONCLUSÃO: Os resultados são animadores, com taxas de erro e acerto condizentes com a determinação de rejeição celular aguda e nefrotoxicidade. pt
dc.format.extent 52 p.
dc.language.iso por
dc.publisher Universidade Federal de São Paulo (UNIFESP)
dc.rights Acesso aberto
dc.subject Monitoramento de medicamentos/efeitos adversos pt
dc.subject Reconhecimento de padrão pt
dc.subject Redes neurais pt
dc.subject Monitoring of drug/adverse effects en
dc.subject Neural networks en
dc.subject Pattern recognition en
dc.subject Kidney transplantation en
dc.subject Transplante renal pt
dc.title Aplicação de redes neurais artificiais em transplantes renais: classificação de nefrotoxicidade e rejeição celular aguda pt
dc.title.alternative Application of Artificial Neural Networks in Kidney Transplantation: Classification of Nephrotoxicity and Acute Cellular Rejection en
dc.type Dissertação de mestrado
dc.contributor.institution Universidade Federal de São Paulo (UNIFESP)
dc.identifier.file DISSERTAÇÃO_Rafael Fábio Maciel.pdf
dc.description.source TEDE
unifesp.campus São Paulo, Escola Paulista de Medicina (EPM)
unifesp.graduateProgram Saúde Coletiva - EPM



File

Name: DISSERTAÇÃO_Rafael Fábio Maciel.pdf
Size: 769.2Kb
Format: PDF
Description:
Open file

This item appears in the following Collection(s)

Show simple item record

Search


Browse

Statistics

My Account