Previsão Inteligente das alterações metabólicas no cancro retal com base em modelos de machine e deep learning

Machine learning, broadly speaking, applies statistical methods to training data to automatically adjust the parameters of a model, rather than a programmer needing to set them manually. Deep Learning is a sub-area of Machine Learning that studies how to solve complex and intuitive problems. The methodologies adopted, using computational means, such as the machines learned and those understood in the world in specific contexts from previous experiences and based on the hierarchy of concepts, use the most used concepts for the form and efficient solution of more varied complex problems. The main objective in this work is to study various classification algorithms in the area of machine learning, and validate until these points can use a solution for choosing more accurate methods in the selection of tests and in new statistics to improve the therapeutic response. The data involved in the training of classification algorithms refer to all patients with metabolic diseases shredding between the years 2003-2021 and the retrospective part. The best classification algorithms to develop are used in the decision support system in the most effective way in choosing the appropriate therapy for each of the future patients who predicted an approximate rate of 20 patients per year.Machine Learning, em termos gerais, aplica métodos estatísticos aos dados de treino para ajustar automaticamente os parâmetros de um modelo, em vez de um programador necessitar de defini-los manualmente. Deep Learning é uma subárea de Machine Learning que estuda como solucionar problemas complexos e intuitivos. As metodologias propostas permitem, com recurso a meios computacionais, que as máquinas aprendam e compreendam o mundo em determinados contextos a partir de experiências anteriores e com base na hierarquia de conceitos possam compreender conceitos mais complexos de forma a solucionarem eficientemente A mais variadíssima gama de problemas. O principal objetivo neste trabalho consiste no estudo de vários algoritmos de classificação na área de machine learning de forma a validar até que ponto estes podem representar uma solução para a escolha de métodos mais precisos na selecção dos doentes e em novas estratégias para melhorar a resposta terapêutica. Os dados envolvidos para treino dos algoritmos de classificação referem-se a todos os doentes tratados com doenças metabólicas entre os anos 2003-2021 na parte retrospectiva. Os melhores algoritmos de classificação a desenvolver serão usados num sistema de apoio à decisão que ajude de forma mais efetiva na escolha da terapia adequada para cada um dos futuros pacientes que se prevê surgirem a uma taxa aproximada de 20 pacientes por ano