Modelos de Aprendizado Profundo na Análise de Biópsia Líquida

O Câncer é um conjunto complexo de doenças ocasionadas pelo crescimento anormal e descontrolado das células e acomete milhões de pessoas no mundo. Dado a alta incidência e mortalidade, o câncer representa significativo fardo, físico, emocional e financeiro para pacientes e à saúde pública. Tratamento precoce e ou preventivo é necessário para obter-se melhores prognósticos. Portanto, o desenvolvimento de novas tecnologias e técnicas de monitoramento e diagnóstico são essenciais. Análises do DNA circulante (cfDNA) de biópsias líquidas são abordagens promissoras neste sentido. O cfDNA oferece um snapshot das células do corpo inteiro, podendo ser utilizado para o diagnóstico e acompanhamento de diversas doenças crônicas. A análise deste material é complexo e a utilização de novas ferramentas de aprendizado de máquinas, como sistemas de aprendizado profundo ou deep learning, nos permitiria avaliar o material em múltiplas frentes e integrar os resultados de forma resiliente e eficiente. Tendo em vista o potencial para o diagnóstico e monitoramento de biópsia líquida, este projeto propõe-se ao desenvolvimento de um sistema de aprendizado profundo para análise do cfDNA e produção de um sistema para quantificação e identificação de marcadores do câncer.