Título: Classificação de Recorrência do Câncer de Tireoide utilizando Curvas Principais
Autores: Bruno da Silva Macêdo, Lívia Marques Rodrigues, Giovanna Gouvea Spuri de Miranda, Fernado Elias de Melo Borges, Camila Martins Saporetti, Bruno Henrique Groenner Barbosa & Danton Diego Ferreira
Resumo: Este trabalho investiga a aplicação do algoritmo de Curvas Principais (CP), uma técnica não linear que representa dados multidimensionais por meio de curvas suaves unidimensionais, na classificação da recorrência do câncer de tireoide após terapia com iodo radioativo. Considerando o desafio da otimização dos hiperparâmetros de CP, que impactam diretamente sua capacidade de modelagem e desempenho, foi utilizado o método Grid-Search para ajuste desses parâmetros. Utilizando o conjunto de dados público “Thyroid Cancer Recurrence”, o estudo compara o CP com classificadores tradicionais, como Na¨ıve Bayes (NB) e Support Vector Machines (SVM), considerando dados desbalanceados e balanceados com a técnica SMOTE. O método CP apresentou desempenho competitivo, alcançando acurácia de 0,937 e coeficiente kappa de 0,829 em dados desbalanceados, resultados comparáveis ao SVM. E para os dados balanceados com a abordagem SMOTE ele obteve uma acurácia de 0,917 e um kappa de 0,832. A otimização dos hiperparâmetros foi fundamental para aprimorar a capacidade preditiva das CP, destacando seu potencial como uma ferramenta para classificação de dados biomédicos. A análise estatística não evidenciou diferenças significativas entre CP e SVM, confirmando o CP como uma alternativa promissora para suporte à decisão clínica em relação à classificação da recorrência do câncer de tireoide.
Palavras-chave: Artificial Intelligence; Machine Learning; Principal Curves; k-segments; Grid-Search.
Páginas: 8
Código DOI: 10.21528/CBIC2025-1175671
Artigo em PDF: CBIC_2025_paper1175671.pdf
Arquivo BibTeX:
CBIC_2025_1175671.bib