Aplicação de Machine Learning na identificação de clusters com cancro do reto em função de alterações metabólicas

GOMES, SIMÃO PEDRO PEREIRA

Publication

Aplicação de Machine Learning na identificação de clusters com cancro do reto em função de alterações metabólicas

2025-10-27Master thesis

datacite.subject.fos	Engenharia e Tecnologia
datacite.subject.sdg	09:Indústria, Inovação e Infraestruturas
dc.contributor.advisor	Tavares, José Antonio Reis
dc.contributor.advisor	Pereira, Isabel Cecília Correia da Silva Praça Gomes
dc.contributor.author	GOMES, SIMÃO PEDRO PEREIRA
dc.date.accessioned	2025-12-22T11:28:34Z
dc.date.available	2025-12-22T11:28:34Z
dc.date.issued	2025-10-27
dc.description.abstract	O cancro colorretal, o terceiro mais comum no mundo e a segunda principal causa de morte por cancro (Fernandes, Gollub e Brown 2022), apresenta uma resposta terapêutica bastante variável ao tratamento neoadjuvante (Roeder et al. 2020). Neste contexto, os perfis metabólicos têm sido alvo de estudo, revelando-se promissores como potenciais preditores da resposta terapêutica (F. Xu et al. 2023). O presente trabalho analisou técnicas de aprendizagem não supervisionada para identificar padrões em perfis metabólicos de aminoácidos e acilcarnitinas, com o objetivo de melhorar a estratificação de doentes com cancro colorretal. Foram analisadas 4052 amostras de aminoácidos e 865 de acilcarnitinas da Unidade Local de Saúde de Santo António, organizadas em três conjuntos: população geral, doentes com cancro colorretal (CRC) e doentes CRC em estádio M0. Os resultados demonstraram a capacidade de identificar clusters bem delimitados para os três conjuntos de dados. Observou-se uma associação moderada entre clusters e diagnósticos nos perfis de aminoácidos e uma associação forte nos perfis de acilcarnitinas. Adicionalmente, foram identificados metabólitos mais discriminantes em cada cluster. Contudo, a análise longitudinal realizada em doentes com múltiplas amostras não revelou associações significativas entre clusters e progressão clínica, sugerindo a necessidade de estudos futuros com amostras mais robustas. Em suma, este trabalho reforça o potencial dos perfis metabólicos como ferramentas complementares de apoio ao diagnóstico e à estratificação de doentes com cancro colorretal.	por
dc.identifier.tid	204067936
dc.identifier.uri	http://hdl.handle.net/10400.22/31322
dc.language.iso	por
dc.rights.uri	N/A
dc.subject	Machine Learning
dc.subject	Unsupervised Learning
dc.subject	Colorectal Cancer
dc.subject	Metabolic Profiles
dc.subject	Amino acids
dc.subject	Acylcarnitines
dc.subject	Clustering
dc.subject	Biomarkers
dc.subject	Biomarcadores
dc.subject	Acilcarnitinas
dc.subject	Aminoácidos
dc.subject	Perfis Metabólicos
dc.subject	Cancro Colorretal
dc.subject	Aprendizagem Não Supervisionada
dc.title	Aplicação de Machine Learning na identificação de clusters com cancro do reto em função de alterações metabólicas
dc.title.alternative	Application of Machine Learning in the identification of clusters with rectal cancer based on metabolic alterations	eng
dc.type	master thesis
dspace.entity.type	Publication
thesis.degree.name	Mestrado em Engenharia Informática