Documentação - Estudo Colorretal

Autores

  • Gisele Fernandes - A.C. Camargo Cancer Center

  • Lucas Buk Cardoso - Instituto Mauá de Tecnologia

  • Maria Paula Curado - A.C. Camargo Cancer Center

  • Stela Verzinhasse Peres - Fundação Oncocentro de São Paulo

  • Tatiana Natasha Toporcov - Faculdade de Saúde Pública da Universidade de São Paulo

  • Vanderlei Cunha Parro - Instituto Mauá de Tecnologia

  • Victor Wünsch Filho - Fundação Oncocentro de São Paulo e Faculdade de Saúde Pública da Universidade de São Paulo

Introdução

A seguir está apresentada a documentação do estudo de pacientes com câncer colorretal desenvolvido pelo Núcleo de Sistemas Eletrônicos Embarcados do Instituto Mauá de Tecnologia, em parceria com a FOSP (Fundação Oncocentro de São Paulo), Faculdade de Saúde Pública da USP (Universidade de São Paulo) e A.C. Camargo Cancer Center.

O projeto visa a utilização de algoritmos de aprendizado de máquina para realizar previsões e identificar as variáveis mais importantes na sobrevida de pacientes com câncer colorretal, residentes no estado de São Paulo.

O conjunto de dados utilizado é aberto, chamado Registro Hospilar de Câncer (RHC), e está disponível no site da FOSP. Desses dados foram selecionados pacientes com câncer colorretal tratados entre 2000 e 2021.

Sumário

A documentação será dividida em tópicos para facilitar o entendimento e organização. São elas:

  • Bibliotecas, instalações e funções - Todas as bibliotecas que foram utilizadas no projeto e as funções criadas para utilização no projeto.

  • Análise dos dados, criação de novas colunas e primeiro pré-processamento - Exploração do conjunto de dados, limpeza e primeira preparação das colunas.

  • Classificação - pré-processamento completo dos dados, treinamento e validação dos modelos de machine learning. Os labels das análises são:

    • obito_geral: 0 se paciente está vivo e 1 se morreu por qualquer razão;

    • obito_cancer: 0 se paciente está vivo e 1 se morreu devido ao câncer;

    • vivo_ano1: 0 se paciente não sobreviveu e 1 se sobreviveu ao primeiro ano após diagnóstico;

    • vivo_ano3: 0 se paciente não sobreviveu e 1 se sobreviveu ao terceiro ano após diagnóstico;

    • vivo_ano5: 0 se paciente não sobreviveu e 1 se sobreviveu ao quinto ano após diagnóstico.

Note

As análises de sobrevida (vivo ano 1, 3 e 5) exigem uma filtragem a mais dos dados, pois é necessário garantir que o paciente tenha sido acompanhado pelo período de interesse da análise. Por exemplo, para a análise de sobrevida de 3 anos, o paciente que está vivo precisa ter sido acompanhado por pelo menos 3 anos após o diagnóstico da doença.

A imagem abaixo mostra as seleções feitas no conjunto de dados, chegando no número de pacientes utilizado em cada uma das análises.

alternate text

Note

O artigo oriundo deste estudo foi publicado na Scientific Reports da Nature, podendo ser lido na íntegra aqui.

Os códigos completos estão disponíveis no Github.

Bibliotecas e Funções

Análise dos dados

Óbito geral

Óbito por câncer

Sobrevida um ano

Sobrevida três anos

Sobrevida cinco anos