A quantidade de usuários da internet em todo o mundo vem aumentando de forma exponencial, alcançando cerca de 5,2 bilhões em 2021. Do mesmo modo, há um aumento significativo da velocidade de processamento e capacidade de memória dos computadores. Maior capacidade de processamento associada ao crescente aumento do número de usuários destas tecnologias têm produzido um problema de superabundância de dados, pois a capacidade de coletar e armazenar dados tem superado a habilidade de analisar e extrair conhecimento destes. A capacidade de extrair conhecimento útil e oculto nessa grande quantidade de dados e de agir com base nesse conhecimento está se tornando cada vez mais importante. Hospitais, clínicas e instituições ligados à área de saúde, de um modo geral, também ampliaram de forma significativa suas bases de dados, gerando impactos diretos na Saúde Pública uma vez que essa massa de dados fornece meios de subsidiar mecanismos de controle, procedimentos e, sobretudo, estudos clínicos que se transformem em benefícios para a sociedade. A Ciência da Computação apresenta um conjunto de técnicas e ferramentas destinadas à produção de informação relevante e à descoberta de conhecimentos em bases de dados de maneira inteligente e automática, por meio da chamada mineração de dados. Diante deste cenário, o objetivo geral deste trabalho foi aplicar técnicas de computação na área de ciências da saúde, sobretudo no escopo das fissuras labiopalatinas, buscando otimizar processos relacionados às práticas dessas ciências, por meio da aplicação de conceitos relacionados à inteligência artificial, ao aprendizado de máquina e à mineração de dados no contexto do HRAC/USP (Hospital de Reabilitação de Anomalias Craniofaciais Universidade de São Paulo). Mais especificamente, a hipótese desta investigação é de que é possível identificar correlações e padrões de dados que permitam fornecer insights ao tratamento das fissuras labiopalatinas. Deste modo, foram propostas duas tarefas de pesquisa: a) comparação de algoritmos de aprendizado de máquina para a predição de ocorrência de fístulas após a palatoplastia primária em pacientes com fissura transforame unilateral (FTU) e b) utilização de técnicas de mineração de dados para a descoberta de conhecimento sobre fatores associados à ocorrência de fístulas após a palatoplastia primária. A análise dos dados revelou que a ausência de alguns sintomas (febre,tosse, infecção) bem como características associadas à cirurgia em si (cirurgião, técnica, retalho de vômer) e ao paciente (hipernasalidade e sinais sugestivos de disfunção velofaríngea), podem ajudar a predizer o sucesso ou insucesso da palatoplastia. Também revelou que fatores associados às complicações pósoperatórias (infecção, vômito, tosse e febre) bem como às características associadas à cirurgia em si (duração, técnicas cirúrgicas, retalho de Vômer, incisão relaxante) e ao paciente (idade na época da palatoplastia), podem ajudar a predizer o sucesso ou insucesso da palatoplastia com relação à ocorrência de fístulas consideradas complicações. Quando se considera a capacidade de predição (correta e do maior número de casos) o algoritmo de melhor desempenho foi o de Máquina de VetoresSuporte (SVM), cuja métrica de f-measure dentro da classe de insucessos foi a mais alta. Além das contribuições pontuais desta pesquisa salientadas nos artigos que compõem esta tese, podem ser evidenciadas outras contribuições potenciais deste trabalho, principalmente, a ampliação das parcerias entre as áreas de ciência da computação e ciências da saúde, sobretudo no escopo das fissuras labiopalatinas, o que permite otimizar processos relacionados às práticas dessas ciências, por meio das tecnologias da informação e comunicação, fomentando projetos multidisciplinares.

The number of internet users around the world has been increasing exponentially, reaching about 5.2 billion in 2021. In the same way, there is a significant increase in the processing speed and memory capacity of computers. Greater processing power associated with the increasing number of users of these technologies have produced a problem of data overabundance, as the ability to collect and store data has surpassed the ability to analyze and extract knowledge from it. The ability to extract useful and hidden knowledge from this vast amount of data and to act on that knowledge is becoming increasingly important. Hospitals, clinics and institutions linked to the healthcare area, in general, also have been expanding the way to form their databases, generating direct impacts on Public Health, since this mass of data offers means to subsidize mechanisms of control, procedures and above all, foster clinical studies that turn into benefits for society. Computer Science presents a set of techniques and tools aimed at production of relevant information and discovery of knowledge in databases in an intelligent and automatic way, through the so-called data mining. Given this scenario, the general objective of this work was to apply computational techniques in health sciences area, especially in the scope of cleft lip and palate, seeking to optimize processes related to the practices of these sciences, through the application of concepts related to artificial intelligence, to machine learning and data mining in the context of the HRAC/USP (Hospital for the Rehabilitation of Craniofacial Anomalies University of São Paulo). More specifically, the hypothesis of this investigation is that it is possible to identify correlations and patterns in the data that provide insights into the treatment of cleft lip and palate. Thus, two research tasks were proposed in this project: a) comparison of machine learning algorithms for predicting the occurrence of fistulas after primary palatoplasty in patients with unilateral transforame cleft (UTC) and b) the use of data mining techniques for discovery of knowledge about factors associated with the occurrence of fistulas after primary palatoplasty. Data analysis revealed that the absence of some symptoms (fever, cough, infection) as well as characteristics associated with the surgery itself (surgeon, technique, vomer flap) and the patient (hypernasality and signs suggestive of velopharyngeal dysfunction), can help predict the success or failure of palatoplasty. It also revealed factors associated with postoperativecomplications (infection, vomiting, cough and fever) as well as characteristics associated with the surgery itself (duration, surgical techniques, vomer flap, relaxing incision) and with the patient (age at the time of palatoplasty), can help predict the success or failure of palatoplasty in relation to the occurrence of fistulas considered complications. When considering the prediction capacity (correct and the largest number of cases), the best performing algorithm was the Support Vector Machine (SVM), whose f-measure metric within the failure class was the highest. In addition to the specific contributions of this research highlighted in the articles that make up this thesis, other potential contributions of this work can be evidenced, especially, by the expansion of partnerships between the areas of computer science and health sciences, particularly in the scope of cleft lip and palate, which allows optimizing processes related to the practices of these sciences, contributing with information and communication technologies, that foster future multidisciplinary projects.