Resumo: O câncer é uma das principais causas de morte no mundo. Formado por um conjunto de mais de 100 doenças, sua complexa estrutura é palco para muitos estudos e pesquisas na atualidade. Nesta dissertação, primeiramente, realizamos uma revisão de literatura sobre crescimento tumoral e analisamos o comportamento de tumores malignos através de parâmetros retirados da literatura. Pudemos, através de métodos numéricos, observar crescimentos tumorais segundo os modelos matemáticos de Gompertz e Verhulst. Além do mais, estudamos ajustes de curvas em relação a um conjunto de dados de pacientes com câncer de próstata, em um intervalo de tempo, fazendo-se análises pelo método dos mínimos quadrados. Em seguida, investigamos de maneira específica um conjunto de dados de pacientes diagnosticados com câncer de próstata, cedidos pelo Hospital das Clínicas da UNICAMP. Através da mineração de dados, selecionamos as melhores variáveis relacionadas ao Antígeno Prostático Específico (PSA) e ao risco de disseminação da doença através da próstata, para serem analisadas em conjunto, de modo a se obter melhores predições em relação ao desenvolvimento do câncer além da cápsula prostática. Utilizamos a seleção de atributos e o teste de qui-quadrado para analisarmos quais variáveis estão bem relacionadas. Através do modelo de árvore de decisão, observamos que as variáveis que apresentam pontos positivos de tumor na próstata, margem cirúrgica vesical comprometida, paredes da vesícula seminal invadida, PSA, escore de Gleason e estadiamento classificam uma possível extensão extra-prostática do câncer. Ademais, o PSA sozinho não explica o desenvolvimento do câncer de próstata, no entanto, é essencial para ajudar a prever resultados, principalmente quando sua divisão é baseada em quatro intervalos de níveis séricos. Embora a base de dados seja limitada quanto à quantidade de instâncias e o PSA não varia ao longo do tempo, os resultados se mostraram bastante coerentes com a realidade e obtiveram bom desempenho e acurácia. Dentro da medicina, o \textit{kappa} de aproximadamente 0,6 foi um bom valor encontrado, visto que há muitos fatores incertos e inconsistentes na análise de dados. O intuito é de que os resultados apresentados sejam impactantes nos estudos relacionados ao desenvolvimento do câncer de próstata e que possam contribuir ainda mais na oncologia em geral e em específico, na urologia Ver menos

Abstract: Cancer is one of the leading causes of death in the world. Comprising a set of over 100 diseases, its complexity makes it a subject of many studies and research today. In this study, first, we conducted a literature review on tumor growth and analyzed the behavior of malignant tumors through parameters taken from the literature. We were able to, through numerical methods, observe tumor growth according to the Gompertz and Verhulst mathematical models. In addition, we studied curve adjustments using the Least Squares method, in relation to a set of data collected over a period of time from patients with prostate cancer. Next, we specifically investigated a set of data from patients diagnosed with prostate cancer, obtained from the Hospital das Clínicas at UNICAMP. Through data mining, we selected the best variables related to Prostate Specific Antigen (PSA) and the risk of disease dissemination through the prostate, in order to obtain better predictions regarding the development of cancer beyond the prostate capsule. We used attribute selection and the chi-squared test to analyze which variables are well related. Through the decision tree model, we observed that the variables indicating positive points for prostate tumor, compromised vesical surgical margin, invaded seminal vesicle walls, PSA, Gleason score, and staging classify a possible extra-prostatic extension of cancer. Furthermore, PSA alone does not explain the development of prostate cancer, however, it is essential to help predict outcomes, especially when its division is based on four serum level intervals. Although the data base is limited in terms of the number of instances, the PSA does not vary over time, the results were quite consistent with reality and had good performance and accuracy. Within medicine, the kappa of approximately 0.6 is an acceptable value, since there are many uncertain and inconsistent factors in data analysis. The intention is that the results presented can have an impact on studies related to the development of prostate cancer and contribute even more to the fields of oncology in general and specifically to urology Ver menos