Análise de Sensibilidade e Calibração de Modelos para o Crescimento Tumoral

Autores

  • Gustavo T. Naozuka
  • Maurı́cio Pessoa C. Menezes
  • Regina C. Almeida

DOI:

https://doi.org/10.5540/03.2020.007.01.0352

Palavras-chave:

Oncologia Preditiva, Quantificação de Incertezas, Problema Inverso

Resumo

O câncer é um conjunto de doenças cujos mecanismos não são completamente conhecidos. Existe na literatura uma grande diversidade de modelos matemáticos que objetivam contribuir para um melhor entendimento de fenômenos-chaves na dinâmica tumoral. Neste trabalho analisamos alguns modelos clássicos do crescimento de tumores sob o ponto de vista da quantificação de incertezas. Utilizamos um método simples de análise de sensibilidade e a abordagem Bayesiana para a estimação dos parâmetros dos modelos. Nossa análise mostra que as incertezas nos parâmetros impactam significativamente as estimativas do crescimento do tumor. A calibração dos modelos fornece, além do valor mais provável para os parâmetros, as suas distribuições de probabilidade. A análise sugere que uma abordagem abrangente para a seleção do melhor modelo é primordial para quantificação da qualidade da predição.

Downloads

Não há dados estatísticos.

Downloads

Publicado

2020-02-20

Edição

Seção

Trabalhos Completos