Vigência: 2020-2021

Resumo: A compatibilidade entre o par doador e um candidato a transplante de órgãos ou tecidos depende da identidade da molécula HLA, considerada como o principal antígeno no transplante. O doador ideal, portanto, é aquele cujas moléculas HLA expressas em suas células são também compartilhadas pelo receptor. Entretanto, essa condição é rara e, na maioria das vezes, o transplante é realizado com grandes diferenças, acarretando ativação do sistema imune do receptor, tornando-o sensibilizado para os antígenos HLA, favorecendo a ocorrência de rejeição do enxerto, menor sobrevida e dificuldade para identificar um novo doador compatível. A análise epitópica foi possível graças ao surgimento do painel de reatividade. Porém, algumas análises são definidas por um especialista, que é um profissional escasso nos laboratórios de histocompatibilidade. Adicionalmente, diferentes analistas podem produzir diferentes resultados, pois não há um protocolo padrão para a análise epitópica.
Diante desse cenário, a aprendizagem de máquina apresenta-se como uma solução viável e robusta para o problema de compatibilidade, pois é capaz de simular o pensamento dos especialistas, além de encontrar padrões não lineares e até então desconhecidos entre as observações já feitas. Portanto, este trabalho tem como objetivo realizar um processo de descoberta de conhecimento através de métodos de Aprendizagem de Máquina (AM) aplicados à base de dados de análises epitópica referentes a painéis de reatividade do tipo Single Antigen de classe I de pacientes em lista de espera por um transplante renal para identificação de perfis receptores/doadores.