Financial support through the following projects:
UID/MAT/00297/2019
UID/MAT/00297/2013
PEst-OE/MAT/UI0297/2014
PEst-OE/MAT/UI0297/2011
Seminário conjunto E&GR + Linhas temáticas do CMA
Oradores: Doutora Marta Pingarilho, IHMT/UNL e Doutor Victor Pimentel, IHMT/UNL
Data: 9 de maio de 2018
Hora:14h30
Local: Sala 1.3 Edifício VII.
Resumo:
Os modelos matemáticos e o ‘machine learning’ representam ferramentas úteis para prever a dinâmica de doenças virais e a resposta à terapêutica antirretroviral. No entanto, há algumas limitações de tais abordagens, como o grande número de parâmetros envolvidos e a dificuldade em estimá-los de forma precisa.
Para superar essas dificuldades gostaríamos de usar resultados obtidos a partir da análise filogenética, bem como os dados recolhidos e os parâmetros estimados a partir de uma base de dados de doentes com informação sobre tratamento e resistência aos antirretrovirais, assim como dados sócio-comportamentais, para alimentar os parâmetros do modelo matemático de predição de níveis de transmissão de resistência (TDR) aos antirretrovirais para diferentes classes de medicamentos em cadeias de transmissão e/ou ‘ensinar’ o algoritmo de machine learning sobre padrões de tratamento e resistência aos fármacos.
Deste modo os pontos a discutir terão como base as seguintes questões:
1- É possível prever dados que estão em falta numa base de dados utilizando machine learning para fazer inferências a partir de outros dados? Como fazê-lo?
2- É possível através de um modelo matemático modelar a evolução e transmissão dinâmica da TDR no presente e futuro? E utilizando machine learning? Como fazê-lo?
Financiado através do projeto UID/MAT/00297/2013.