Método Computacional para o Diagnóstico Precoce da Granulomatose de Wegener

José do Nascimento Linhares, Lúcio Flávio A. Campos, Ewaldo Eder Carvalho Santana, Jardiel Nunes Almeida, Flávia Larisse da Silva Fernandes

Abstract


Neste trabalho é apresentado um sistema de reconhecimento de padrões
proteômicos com o objetivo de auxiliar o diagnóstico precoce da Granulomatose de
Wegener (GW), uma vasculite idiopática rara de difícil detecção e alta taxa de mortalidade para indivíduos não tratados. O método consiste em extrair características
de sinais proteômicos e classificá-las como sendo de indivíduos portadores ou não
portadores de GW. Para tanto, utiliza-se Análise de Componentes Independentes para
extrair características dos sinais, Algoritmo de Máxima Relevância e Mínima Redun-
dância para reduzir o número de características e custos computacionais e Máquina de
Vetores de Suporte para classificar. A qualidade do método foi avaliada utilizando uma
base de dados com 335 sinais proteômicos, composta por 75 casos ativos, 101 casos
negativos e 159 em remissão. O melhor resultado obtido foi para um vetor de vinte
características cuja acurácia, especificidade e sensibilidade foram, respectivamente,
de: 98, 24%, 99, 73% e 99, 50%.



DOI: https://doi.org/10.22456/2175-2745.61220

Copyright (c) 2018 José do Nascimento Linhares, Lúcio Flávio A. Campos, Ewaldo Eder Carvalho Santana, Jardiel Nunes Almeida, Flávia Larisse da Silva Fernandes

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Indexing databases:
        

Acknowledgments: