Como Aplicar Ferramentas de Aprendizado de Máquina Supervisionado a Arquivos de Imagem de Esclerose Múltipla: Estudo de Caso com Esferoides Cancerígenos Submetidos ao Tratamento com o Anticorpo Monoclonal Cetuximabe

À medida que o campo da imagem por espectrometria de massa continua a crescer, também crescem suas necessidades por métodos ótimos de análise de dados. Uma necessidade geral na análise de imagem é a capacidade de classificar as regiões subjacentes dentro de uma imagem, como saudáveis ou doentes, por exemplo. A classificação, como um problema geral, é frequentemente melhor realizada por estratégias de aprendizado de máquina supervisionado; infelizmente, realizar aprendizado de máquina supervisionado em arquivos de imagem de espectrometria de massa não é tipicamente feito por espectrometristas, pois é necessário um alto grau de conhecimento especializado. Para abordar esse problema, desenvolvemos uma abordagem totalmente de código aberto que facilita o aprendizado de máquina supervisionado em arquivos de imagem de espectrometria de massa, e demonstramos sua implementação em conjuntos de esferoides cancerígenos que tinham ou não sido submetidos a tratamento com quimioterapia. Esses estudos de aprendizado de máquina supervisionado demonstraram que alterações metabólicas induzidas pelo anticorpo monoclonal Cetuximabe são detectáveis, mas modestas em 24 h, e após 72 h, o medicamento induz uma resposta metabólica maior e mais diversa.