PREDIÇÃO DE MORTALIDADE EM PACIENTES COM CÂNCER CERVICAL UTILIZANDO ALGORITMOS DE MACHINE LEARNING: UM ESTUDO DE BASE POPULACIONAL EM MATO GROSSO, BRASIL

Apresentação/Introdução A inteligência artificial, por meio de algoritmos de aprendizado de máquina, tem se destacado na previsão de desfechos oncológicos e no suporte clínico. O câncer do colo do útero segue como desafio em países de baixa e média renda, onde faltam ferramentas prognósticas eficazes. Objetivos Desenvolver e avaliar modelos de machine learning para prever mortalidade a longo prazo em pacientes com câncer cervical em Mato Grosso. Metodologia O estudo incluiu 1.682 pacientes diagnosticadas com CCU durante o período analisado. Diversos algoritmos foram treinados utilizando uma divisão treino-teste de 75/25 e validação cruzada em cinco partes. O desempenho dos modelos foi comparado por meio da área sob a curva ROC (AUROC), e a interpretabilidade foi avaliada com a técnica de Explicações Aditivas de Shapley (SHAP). Resultados O modelo AdaBoost apresentou o melhor desempenho, com AUROC de 86,24%. A análise SHAP identificou a idade ao diagnóstico como o principal preditor de mortalidade, seguida pelo estágio do câncer, ressaltando a aplicabilidade clínica do modelo. Conclusões/Considerações Este estudo destaca a importância de modelos de ML interpretáveis na predição de mortalidade no cuidado ao CCU. Utilizando dados populacionais e técnicas de IA explicável, nossa abordagem contribui para o aprimoramento da tomada de decisão clínica, especialmente em áreas com recursos limitados. A integração desses modelos aos sistemas de saúde digitais pode melhorar os desfechos dos pacientes com intervenções personalizadas e oportunas.