Aplicação de random survival forest na predição de sobrevida de pacientes com câncer de cérebro

Abstract

O câncer de cérebro refere-se ao crescimento anormal de células no tecido cerebral, podendo ser primário, quando se origina no próprio cérebro, ou secundário, quando resulta de metástase de outros órgãos. A previsão precisa do prognóstico é essencial para decisões terapêuticas em pacientes com câncer de cérebro. Assim, nesse estudo foi realizado uma análise preditiva sobre a sobrevida de 456 pacientes pelos estados do Brasil que contém o câncer de cérebro com o objetivo de analisar amplamente os fatores que mais influenciam na morte dos pacientes, contribuindo para que decisões clínicas possam ser tomadas com mais precisão, confiabilidade e menor evasivo na sobrevida desses pacientes. Foi realizada uma comparação do modelo de \textit{Random Survival Forest} (RSF) e um modelo típico de riscos proporcionais de Cox. Os cálculos foram feitos com a ajuda do \textit{software} estatístico R. Nesse sentido, o modelo de previsão baseado em algoritmos de aprendizado de máquina é uma alternativa para prever com mais precisão a taxa de sobrevivência e o período de sobrevivência do câncer de cérebro em comparação com outros modelos. Os resultados indicaram que o RSF é uma opção promissora na prática médica, a aplicação permitiu não apenas prever com maior precisão o tempo de sobrevida de pacientes com câncer cerebral, mas também ofereceu subsídios concretos para personalizar condutas terapêuticas.