AVALIAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA PREDIÇÃO DE DETECÇÃO DOS TRANSCRITOS DO GENE BCR/ABL NA FUNDAÇÃO CENTRO DE HEMOTERAPIA E HEMATOLOGIA DO PARÁ (HEMOPA), BELÉM, PARÁ
Identification
- Clé publique
- radar:r-3ec27a70274c610afed18b8d08cc3c79
- Auteurs
- RCd Oliveira · NCCd Almeida · NA Azevedo · PSd Silva · SDB Pacheco · DLdC Miranda · EL Garcêz · KadS Braile · Carmem Lúcia Costal Amaral
- Année déclarée
- 2025
- Langue déclarée
- en
- Type source
- article
- Première détection
- 2026-11-14T02:05:32.196299+00:00
- Dernière observation des métadonnées
- 2026-11-14T02:05:32.196299+00:00
- Dernière vérification HTTP
- Non effectuée
Institutions déclarées par la source
Fundação Hemopa
Pays d’affiliation déclarés
BR
Résumé documentaire — langue originale
A translocação que forma o gene de fusão BCR-ABL t(9;22) e seus transcritos b2a2 (e13a2) e b3a2 (e14a2) é um marcador molecular importante no diagnóstico de cerca de 95% dos casos de Leucemia Mielóide Crônica e 5% da Leucemia Linfoblástica Aguda. A Reação em Cadeira da Polimerase em Tempo Real (RT-qPCR) é método padrão-ouro na detecção desses transcritos. Contudo, estratégias computacionais como Machine Learning (ML) podem explorar variáveis laboratoriais e demográficas rotineiras, ampliando o suporte à tomada de decisão e à triagem laboratorial. Machine Learning (ML) é um conjunto de métodos computacionais capazes de “aprender” padrões a partir de dados e fazer previsões ou classificações sem programação explícita para cada regra. No contexto laboratorial, esses algoritmos conseguem combinar variáveis (como idade, sexo e parâmetros hematológicos) para estimar a probabilidade de um desfecho molecular (como a detecção dos transcritos BCR-ABL). Avaliar o desempenho de algoritmos de ML na predição de resultados de RT-qPCR para BCR-ABL, com base em dados laboratoriais e demográficos de pacientes atendidos na Fundação Centro de Hemoterapia e Hematologia (HEMOPA). Estudo retrospectivo, transversal e quantitativo, aprovado pelo Comitê de Ética (CAAE: 20528519.8.0000.5550). Os dados utilizados foram obtidos de ensaios realizados no Laboratório de Biologia Molecular e Celular no HEMOPA 2015 a 2019. Os modelos foram treinados e avaliados na plataforma Orange Data Mining, com base em resultados de RT-qPCR, com desfecho Detectável (Det)/Indetectável (Ind) ocultado no conjunto de teste. Para treinamento, empregaram-se 368 exames coletados entre 2015-2018; o conjunto de validação incluiu 73 amostras de 2019. Como variáveis preditoras, incluiram dados demográficos (sexo e idade) e parâmetros do hemograma. Empregou-se validação cruzada estratificada (widget Test and Score) e matriz de confusão para aferir acertos e erros do treino e avaliar os algoritimos com maior desempenho. Na fase de treinamento, os algoritmos Random Forest, Neural Network, Logistic Regression, Gradient Boosting, AdaBoost e Decision Tree apresentaram um bom desempenho (acurácia >75%). No teste com 73 amostras, as taxas de acerto dos quatro melhores modelos foram: Random Forest (62/73; 84,9% — Det: 31/33; Ind: 31/40), Gradient Boosting (61/73; 83,6% — Det: 30/33; Ind: 31/40), Logistic Regression (60/73; 82,2% — Det: 27/33; Ind: 33/40) e Neural Network (56/73; 76,7% — Det: 32/33; Ind: 24/40). Algoritmos de ensemble (Random Forest e Gradient Boosting) apresentaram melhor acurácia e equilíbrio entre sensibilidade e especificidade frente a métodos tradicionais e redes neurais, se mostrando promissores para contribuir no controle de qualidade dos testes de qPCR para BCR/ABL. Apesar da adoção crescente de ML na saúde, seu uso formal em rotina laboratorial ainda não é tão comum. Este estudo evidencia o potencial do aprendizado de máquina para otimizar resultados. Os modelos de ML utilizados demonstram capacidade promissora na predição de resultados. Futuras pesquisas devem otimizar parâmetros, ampliar dados, incluir variáveis clínicas e realizar validação multicêntrica para consolidar resultados e incentivar sua adoção em rotina laboratorial, contribuindo na melhoria de recursos diagnósticos no contexto do SUS.
Identifiants
- OPENALEX
- https://openalex.org/W4415670195
- DOI
- 10.1016/j.htct.2025.104400
Repères documentaires
- Famille documentaire
- article
- Types déclarés par les sources
- article
- Éditeurs
- Elsevier BV
Les mentions d’entités ne constituent pas une preuve de reconnaissance juridique. La juridiction étudiée est distincte du pays d’affiliation des auteurs.
Sources
OpenAlex · Document 1
Citer cette référence
RCd Oliveira; NCCd Almeida; NA Azevedo; PSd Silva; SDB Pacheco; DLdC Miranda; EL Garcêz; KadS Braile; Carmem Lúcia Costal Amaral. AVALIAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA PREDIÇÃO DE DETECÇÃO DOS TRANSCRITOS DO GENE BCR/ABL NA FUNDAÇÃO CENTRO DE HEMOTERAPIA E HEMATOLOGIA DO PARÁ (HEMOPA), BELÉM, PARÁ. 2025. https://doi.org/10.1016/j.htct.2025.104400
JSON · CSL-JSON · BibTeX · RIS · CSV · JSON-LD ·
APA, Chicago, ISO 690 : formats bibliographiques fondés sur les champs disponibles. OSCOLA / Bluebook : données structurées uniquement ; aucune conformité juridique complète n’est revendiquée sans vérification des éléments nécessaires.
- APA
- RCd Oliveira; NCCd Almeida; NA Azevedo; PSd Silva; SDB Pacheco; DLdC Miranda; EL Garcêz; KadS Braile; Carmem Lúcia Costal Amaral. (2025). AVALIAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA PREDIÇÃO DE DETECÇÃO DOS TRANSCRITOS DO GENE BCR/ABL NA FUNDAÇÃO CENTRO DE HEMOTERAPIA E HEMATOLOGIA DO PARÁ (HEMOPA), BELÉM, PARÁ. https://doi.org/10.1016/j.htct.2025.104400
- Chicago
- RCd Oliveira; NCCd Almeida; NA Azevedo; PSd Silva; SDB Pacheco; DLdC Miranda; EL Garcêz; KadS Braile; Carmem Lúcia Costal Amaral. AVALIAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA PREDIÇÃO DE DETECÇÃO DOS TRANSCRITOS DO GENE BCR/ABL NA FUNDAÇÃO CENTRO DE HEMOTERAPIA E HEMATOLOGIA DO PARÁ (HEMOPA), BELÉM, PARÁ. 2025. https://doi.org/10.1016/j.htct.2025.104400
- ISO 690
- RCd Oliveira; NCCd Almeida; NA Azevedo; PSd Silva; SDB Pacheco; DLdC Miranda; EL Garcêz; KadS Braile; Carmem Lúcia Costal Amaral. AVALIAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA PREDIÇÃO DE DETECÇÃO DOS TRANSCRITOS DO GENE BCR/ABL NA FUNDAÇÃO CENTRO DE HEMOTERAPIA E HEMATOLOGIA DO PARÁ (HEMOPA), BELÉM, PARÁ. 2025. https://doi.org/10.1016/j.htct.2025.104400
Warning: Undefined array key "last_link_verified" in /home/clients/e27d81e12f04d2bfd747aa264540ac56/sites/_UDTR_APP/legal_library_reference.php on line 31
UDTR — Bibliothèque juridique mondiale des droits de la Nature. AVALIAÇÃO DE ALGORITMOS DE MACHINE LEARNING NA PREDIÇÃO DE DETECÇÃO DOS TRANSCRITOS DO GENE BCR/ABL NA FUNDAÇÃO CENTRO DE HEMOTERAPIA E HEMATOLOGIA DO PARÁ (HEMOPA), BELÉM, PARÁ. Notice documentaire: https://www.declarationuniverselledesdroitsdelarbre.org/global-rights-of-nature-radar/reference/r-3ec27a70274c610afed18b8d08cc3c79/ · Dernière vérification HTTP : non effectuée
Données de cette version figée
Dossiers et relations documentaires
Rôles des sources
Source bibliographique / publication d’origine · https://doi.org/10.1016/j.htct.2025.104400
Un lien vers une autorité ne prouve pas à lui seul une affirmation juridique. Les résumés et les textes intégraux restent soumis aux conditions de leur source.
Statut documentaire
Pertinence à examiner
Bibliothèque
Cette identité n’est pas encore intégrée à la Bibliothèque juridique.