Banca de QUALIFICAÇÃO: LARA VITÓRIA DA COSTA BEZERRA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : LARA VITÓRIA DA COSTA BEZERRA
DATA : 25/05/2026
HORA: 09:00
LOCAL: LCC
TÍTULO:

MODELAGEM PREDITIVA MULTIMODAL PARA ANÁLISE DE SOBREVIDA NO CÂNCER DE PULMÃO DE CÉLULAS NÃO PEQUENAS (NSCLC)

PALAVRAS-CHAVES:

NSCLC; Análise de sobrevida; Aprendizado de máquina; Integração multimodal; Predição.

PÁGINAS: 73
RESUMO:

O Câncer de Pulmão de Células Não Pequenas (NSCLC) é uma das principais causas de mortalidade por câncer no mundo, sendo caracterizado por elevada heterogeneidade clínica e molecular. A predição de sobrevida nesse contexto representa um desafio relevante, uma vez que modelos tradicionais apresentam limitações na captura de relações complexas entre variáveis. Nesse cenário, abordagens baseadas em aprendizado de máquina, especialmente aquelas que utilizam dados multimodais, têm sido amplamente exploradas por integrarem informações provenientes de diferentes fontes, como dados clínicos e imagens médicas. Este trabalho tem como objetivo investigar o impacto de diferentes estratégias de integração multimodal na predição de sobrevida em NSCLC. Inicialmente, foi conduzida uma Revisão Sistemática da Literatura (RSL), seguindo o protocolo PRISMA, com o intuito de analisar como essas estratégias vêm sendo aplicadas. Os resultados indicam que, embora a multimodalidade contribua para o aumento do desempenho preditivo, ainda não há consenso sobre qual estratégia de integração é mais eficaz. Como resultados preliminares, foi desenvolvido um pipeline experimental utilizando dados clínicos e imagens de tomografia computadorizada do conjunto público Lung1. Foram implementados modelos unimodais de referência, incluindo Coxnet, Random Survival Forest e ResNet3D, que serviram como base de comparação para abordagens multimodais baseadas em late fusion e feature fusion. Resultados preliminares indicam que as abordagens multimodais superam de forma consistente os modelos unimodais, com destaque para a estratégia late fusion, que demonstrou maior capacidade de capturar interações complexas entre as variáveis. Conclui-se que a escolha da arquitetura de integração influencia diretamente a eficácia dos modelos, ressaltando a importância de investigações sistemáticas que contribuam para a padronização metodológica e para o suporte a decisões clínicas mais assertivas no contexto do NSCLC.

MEMBROS DA BANCA:
Presidente - 1806473 - AMANDA GONDIM DE OLIVEIRA
Interno - ***.867.483-** - ISAAC DE LIMA OLIVEIRA FILHO - UERN
Interno - 2303300 - LENARDO CHAVES E SILVA