06mar2026
14:00 Defesa de Mestrado sala 85 do IC2
Tema
Aprendizado de máquina não supervisionado na descoberta de perfis evolutivos de COVID-19 em exames laboratoriais
Aluno
Gabriel de Freitas Leite
Orientador / Docente
André Santanchè - Coorientadora: Susan Elisabeth Domingues Costa Jorge
Breve resumo
A pandemia de COVID-19 mostrou-se uma crise sanitária sem precedentes, desencadeando consigo desafios aos sistemas de saúde globalmente. Nesse contexto, os impactos de longo prazo desta pandemia sobre o perfil de saúde populacional permanecem como uma questão em aberto. Um exemplo notável é a "COVID longa", condição na qual os indivíduos afetados não se recuperam por semanas ou meses após a infecção inicial. Portanto, há a necessidade de estudar a evolução do perfil de saúde da população como consequência da pandemia.
Este trabalho se destina a desenvolver um método baseado em técnicas de clustering para agrupar perfis clínicos de pacientes impactados pela COVID e sua evolução clínica. A análise e a descoberta de perfis, contudo, são profundamente afetadas pela escolha da técnica computacional de clusterização utilizada. Cada algoritmo possui premissas distintas, adequando-se melhor a diferentes estruturas de dados, como a dimensionalidade, a densidade ou a geometria esperada dos grupos.
Para identificar os efeitos tardios, o estudo foca em como o perfil de saúde se alterou após a COVID mediante uma análise comparativa. A alteração é caracterizada por meio de uma análise contrastiva da trajetória do paciente. O método contrasta os perfis clínicos encontrados na primeira admissão da COVID e quais características foram adquiridas em admissões posteriores, permitindo assim a identificação de padrões de sequelas de acordo com o perfil original.
Ressalta-se que, até o momento, não existe um estudo comparativo que avalie o impacto de diferentes técnicas de clusterização no contexto específico da evolução dos perfis clínicos da COVID. Este estudo contribuirá na caracterização de como cada técnica se comporta neste tipo de estudo e quais os critérios de escolha conforme o objetivo. Os resultados no contexto da saúde têm o potencial de identificar correlações relevantes, promovendo maior conhecimento sobre as sequelas da COVID.
Banca examinadora
Titulares:
| André Santanchè | IC/UNICAMP |
| Gustavo Jacob Lourenço | FCM/UNICAMP |
| Marcelo da Silva Reis | IC/UNICAMP |
Suplentes:
| Guilherme Pimentel Telles | IC/UNICAMP |
| Paula Dornhofer Paro Costa | FEEC/ UNICAMP |