Development of machine learning algorithms to estimate maximum residue limits for veterinary medicines

Zad, Nader; Tell, Lisa A.; Ramachandran, Remya Ampadi; Xu, Xuan; Riviere, Jim E.; Baynes, Ronald E.; Lin, Zhoumeng; Maunsell, Fiona P.; Davis, Jennifer L.; Jaberi-Douraki, Majid

doi:10.1016/j.fct.2023.113920

Cited by 6 publications

(1 citation statement)

References 11 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Os modelos de machine learning, por sua vez, vêm sendo muito usados no auxílio à tomada de decisão em inúmeros momentos da atenção à saúde, especialmente no diagnóstico, intervenção e acompanhamento de problemas de saúde, tanto humana quanto animal, como foi feito no trabalho de desenvolvimento de algoritmos de aprendizado de máquina para estimar limites máximos de resíduos de medicamentos veterinários [15]. Isso deve-se a capacidade de identificar indícios que determinam o ocasionamento de determinadas observações de maneira muito mais eficiente que um humano.…”

Section: Introductionunclassified

Identificação de metabólitos no plasma e urina com potencial uso como biomarcadores para o monitoramento dos efeitos adversos dos AINEs em gatos via aprendizado de máquina

Santos Silva,

Ferreira,

Ferrante

et al. 2024

Anais Do XVI Congresso Brasileiro De Inteligência Computacional

View full text Add to dashboard Cite

Os anti-inflamatórios não esteróides (AINEs), como o meloxicam, podem ser usados para melhorar a dor crônica e, ao mesmo tempo, ajudar a reduzir o uso de opióides. No entanto, a administração crônica desses medicamentos pode causar danos gastrointestinais e renais em alguns pacientes, limitando as opções terapêuticas desses pacientes que necessitam de controle da dor e da inflamação. A fim de discriminar animais que receberam AINEs de animais saudáveis (controle) e determinar em qual estágio estão os efetivos dos AINEs no organismo do paciente, foram desenvolvidos 2 modelos, um k-nearest neighbors algorithm (KNN) e um Gaussian Naive Bayes algorithm (NB). A base de dados usada é composta por um grupo de 6 gatos saudáveis e um grupo de 6 gatos que foram tratados com meloxicam. Foram coletadas informações metabolômica plasmática e urinária 5 vezes durante um período de até 31 dias em ambos os grupos. A partir disso, separou-se os dados em três bases: (i) base de substâncias hidrossolúveis, composta por 114 substâncias e 6 amostras, (ii) base de substâncias lipossolúveis com 195 substâncias e 5 amostras, e (iii) base composta por todas as substâncias analisadas com 5 amostras. Além disso, cada base de dados possui 5 classes, uma para cada vez em que as substâncias foram coletadas e medidas. Foi utilizado o Fisher's Discriminant Ratio (FDR), com a finalidade de ranquear as substâncias que mais se alteraram de uma classe para a outra. Apesar da baixa quantidade de amostras e da necessidade de se usar a menor quantidade de substâncias possíveis, resultados satisfatórios foram alcançados.

show abstract

Section: Introductionunclassified