Dissertação

Unsupervised learning algorithm for pharmacokinetic responses EVALUATED

Farmacocinética é o ramo da farmacologia dedicado ao estudo da evolução de substâncias administradas externamente a um organismo vivo que compreende o processo de absorção até à extracção. Os modelos dinâmicos farmacocinéticas são baseadas em suposições de múltiplos compartimentos homogéneos que levam a uma descrição paramétrica da concentração do fármaco em função do tempo. O principal objectivo da tese consiste em encontrar agrupamentos (isto é, as classes de parâmetros farmacocinéticos) de respostas ao fármaco de uma população sujeita a uma determinada terapia, de modo a personalizar a terapia para pacientes novos. Aqui, apresentamos um algoritmo de aprendizagem não supervisionada para o agrupamento pacientes com base nas suas respostas farmacocinéticas. Para estimar os grupos, adaptou-se o algoritmo de expectation-maximization, que colapsa os grupos que estão mais próximos, ao estimar os parâmetros de forma iterativa. No entanto, a nossa abordagem é nova, ao considerar a farmacocinética como um processo dinâmico. Este pode ser descrito por um modelo de efeitos mistos não-linear, sem parâmetros populacionais, onde todos os parâmetros têm efeitos aleatórios. Em consequência, temos que utilizar métodos numéricos para maximizar a probabilidade, uma vez que as equações não são lineares e é difícil maximizar analiticamente. O método desenvolvido é executado em tempo linear em relação ao número de indivíduos, número inicial de grupos e número de observações.
Farmacocinética, Algortimo Expectation-Maximization, Agrupamento, Modelo Compartimental

Novembro 14, 2014, 15:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Paulo Alexandre Carreira Mateus

Departamento de Matemática (DM)

Professor Associado