Classificação de Linfomas Utilizando Uma Abordagem Baseada em Árvores de Decisão

Esta dissertação apresenta uma metodologia de apoio ao diagnóstico de pacientes com linfomas. É proposta uma solução através de árvores de decisão para o diagnóstico diferencial de linfomas a partir de dados de citometria de fluxo. Por diagnóstico diferencial, entende-se escolher ou eliminar linfomas dentre alguns tipos pré-definidos. Os citômetros de fluxos são aparelhos usados, entre outras funções, no diagnóstico de linfomas. Permitem medir diversos parâmetros de milhares de células simultaneamente, gerando informações individualizadas de cada uma destas células a partir de uma amostra de sangue periférico ou de medula óssea colhida de um paciente. Com o método proposto se constrói uma árvore utilizando um modelo de regressão logística regularizada com o algoritmo do Lasso em cada nó. Analisa-se a combinação de múltiplas variáveis em cada passo a fim de escolher ou eliminar classes, implementando o diagnóstico diferencial. O modelo em árvore foi escolhido por sua interpretabilidade, deixando a decisão do diagnóstico a um especialista humano. Um requisito essencial desse projeto é evitar falsos negativos. Para atingir esse objetivo, dois métodos foram acoplados à árvore para verificar o resultado antes de informá-lo ao tomador de decisão. Esses métodos agregam ao resultado dado pela árvore, classes extras que devem ser consideradas para o diagnóstico. Os atributos do modelo são medidas feitas a partir de anticorpos monoclonais que tem custo elevado. Dessa forma, torna-se importante pela motivação de custo e também pela qualidade do resultado de classificação de padrões, que os atributos possam ser usados de forma parcial. Para analisar os resultados fora da amostra foram utilizadas técnicas de validação cruzada, leave-one-out e um conjunto de teste com observações não vistas no treinamento. Os experimentos indicaram que essa abordagem produz os resultados compatíveis com os esperados pelos especialistas.