Dissertação

{en_GB=Predicting Ankylosing Spondylitis Treatment Outcome Using Model-based Methods} {} APPROVED

{pt=A espondilite anquilosante é uma doença inflamatória crónica que afecta principalmente o esqueleto axial. Se tratada inadequadamente, a doença causa dor severa e deformidade da coluna, levando a uma reduzida qualidade de vida. A espondilite anquilosante pode causar uma carga socioeconómica, uma vez que os pacientes podem ter dificuldades em trabalhar. Consequentemente, um tratamento adequado é benéfico tanto para o paciente como para o governo. Os protocolos de tratamento são flexíveis, permitindo diversos ajustes personalizados. Portanto, há um grande benefício em prever com precisão como um determinado paciente irá responder a cada terapia. Para cumprir esta tarefa, métodos baseados em modelos que dependem de modelos probabilísticos gráficos são analisados e aplicados a dados da base de dados Reuma.pt, que é responsável pela recolha de dados de doentes reumáticos em Portugal. Especificamente, são usadas a rede Bayesiana dinâmica e a máquina de Boltzmann dinâmica, que extende a regra de Hebb para levar em consideração o conceito de tempo. Os resultados mostram que às vezes é possível prever como os pacientes responderão à terapia biológica. Além disso, foi descoberto que certas características específicas, relativas ao estado dos pacientes, podem ajudar na escolha do tratamento. Ademais, foram encontradas algumas correlações explicáveis entre as variáveis. Por fim, foi mostrado que certas variáveis presentes em Reuma.pt não são tão relevantes nesta previsão como as restantes., en=Ankylosing spondylitis (AS) is a chronic autoimmune inflammatory disease that primarily affects the axial skeleton. If inadequately treated, the disease causes severe pain and spinal deformity, leading to overall reduced quality of life. Due to the associated socio-economic burden since patients may struggle to work, it is highly beneficial to properly treat AS. The treatment protocols are flexible, allowing for many different personalized adjustments. Therefore, there is great benefit in accurately predicting how a specific patient will respond to each therapy. To fulfil such task, model-based methods that rely on probabilistic graphical models (PGMs) are reviewed and applied to data from Reuma.pt database, which is responsible for collecting data from patients with rheumatic diseases in Portugal. More specifically, the dynamic Bayesian network (DBN) and the dynamic Boltzmann machine (DyBM), which extends the Hebb rule to consider the concept of time, are used. The results show that it is sometimes possible to predict how patients will respond to biological therapy. Furthermore, it was discovered that specific features relative to the state of a patient could help in the choice of treatment. In addition, some explainable correlations between variables were found. Last but not least, it was uncovered that certain features present in Reuma.pt are not as relevant in this prediction as the rest.}
{pt=espondilite anquilosante, série temporal, baseado em modelos estatísticos, rede Bayesiana dinâmica, máquina de Boltzmann dinâmica, en=ankylosing spondylitis, time series, model-based, dynamic Bayesian network, dynamic Boltzmann machine}

Orientação

ORIENTADOR

Susana de Almeida Mendes Vinga Martins

Departamento de Bioengenharia (DBE)

Professor Associado

ORIENTADOR

Alexandra Sofia Martins de Carvalho

Departamento de Engenharia Electrotécnica e de Computadores (DEEC)

Professor Auxiliar