Dissertação

{en_GB=Dynamic Bayesian networks for clinical decision support on ankylosing spondylitis patients under biological therapies} {} EVALUATED

{pt=As doenças reumáticas e musculoesqueléticas (DRMs) encontram-se entre as doenças crónicas mais comuns do mundo, constituindo um enorme fardo para os indivíduos. A espondilite anquilosante (EA) é uma doença inflamatória que afeta principalmente as articulações da coluna, levando os pacientes a experienciar não só limitações físicas, mas também uma redução na qualidade de vida. Atualmente, não existe cura para a doença, no entanto, existem tratamentos que permitem retardar a progressão e aliviar os sintomas, apresentando-se como promissoras terapias biológicas recentemente desenvolvidas, incluindo antagonistas do fator de necrose tumoral (TNF) alfa. Contudo, nem todos os pacientes respondem a estes tratamentos, podendo até experienciar efeitos adversos severos. Adicionalmente, estas são terapias dispendiosas, sendo essencial identificar quais os pacientes que delas poderão beneficiar. O objetivo deste trabalho é identificar preditores de resposta à terapia e distinguir entre três diferentes agentes anti-TNF, adalimumab, etanercept e infliximab, de modo a avaliar o que melhor se adequa a cada paciente. Este objetivo foi conseguido através de redes de Bayes dinâmicas construídas a partir de dados do Registo Nacional de Doentes Reumáticos. Resultados obtidos com este estudo corroboram alguns dos encontrados na literatura, como os homens apresentarem melhores respostas às três terapias estudadas. Por outro lado, novas associações foram identificadas, com pacientes com IMC mais elevado apresentando uma pior resposta quando tratados com adalimumab. Para além disso, pacientes HLA-B27 negativos parecem ter uma pior resposta quando tratados com infliximab. Finalmente, para pacientes mais velhos ou com maior duração da doença, infliximab parece ser uma melhor opção terapêutica., en=Rheumatic and musculoskeletal diseases (RMDs) are among the most common chronic diseases worldwide, having an enormous burden on individuals. Ankylosing spondylitis (AS) is a type of inflammatory arthritis that affects primarily the spine and the sacroiliac joints, with patients experiencing not only physical limitations, but also reduced quality of life. Currently, there is no cure for the disease, but there are treatments that aim at slowing its progression and relieving its symptoms, appearing as promising recently developed biological therapies, as tumor necrosis factor (TNF) antagonists. Nevertheless, not all patients respond to these therapies and some of them even experience severe adverse events. Furthermore, TNF blocking therapy is costly, being essential to identify which patients are likely to benefit from these agents and which are not. The goal of this work is to find clinical predictors of therapy response and to distinguish between three different anti-TNF agents, adalimumab, etanercept and infliximab, in order to evaluate which therapy best suits each patient. This was done using dynamic Bayesian network (DBN) models built from data from the Rheumatic Diseases Portuguese Register. This study allowed to corroborate existing literature findings, as male patients responding better to all therapies studied, and also to produce new insights. Firstly, patients with greater BMI seem to response worse when treated with adalimumab. Secondly, HLA-B27 negative patients seem to respond worse to infliximab. Finally, for older patients or patients with higher disease duration, infliximab seems to be a better therapeutic option.}
{pt=Espondilite anquilosante, redes de Bayes dinâmicas, terapias anti-TNF-alfa, previsão de resultados terapêuticos, en=Ankylosing spondylitis, dynamic Bayesian networks, anti-TNF-alpha therapies, therapy outcome prediction}

Julho 15, 2021, 0:0

Orientação

ORIENTADOR

Alexandra Sofia Martins de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado