25 Julho 2022
Construir modelos baseados em aprendizado de máquina para identificar precocemente pessoas com alto risco de morte pela doença de Chagas, reconhecida pela Organização Mundial da Saúde (OMS) como uma das treze doenças tropicais mais negligenciadas no mundo. Esse é o objetivo do trabalho publicado pelo professor do IFNMG-Campus Montes Claros Laércio Ives Santos (foto), conjuntamente com pesquisadores de outras instituições, na revista PLOS Neglected Tropical Deseases, no último mês de abril.
O artigo “Two-year death prediction models among patients with Chagas Disease using machine learning-based methods” - em português, “Modelos de previsão de morte de dois anos entre pacientes com doença de Chagas usando métodos baseados em aprendizado de máquina” - tem como primeira autora a pesquisadora Ariela Mota Ferreira, do Programa de Ciências da Saúde da Universidade Estadual de Montes Claros (Unimontes), no qual o professor Laércio também concluiu seu doutorado, em 2021.
Com formação inicial na área de Informática, o docente do IFNMG fez parte do estudo atuando no desenvolvimento dos modelos de aprendizado de máquina, uma área de inteligência artificial que, conforme destacado no artigo “pode identificar padrões em dados que podem ser usados para aumentar nossa compreensão de um problema específico ou fazer previsões sobre o futuro”.
Laércio relata que o estudo foi realizado utilizando um conjunto de dados contendo 1.694 pessoas acometidas pela doença de Chagas. “O objetivo foi construir modelos baseados em aprendizado de máquina para identificar precocemente pessoas com alto risco de morte pela doença”, afirma. Os modelos de aprendizado de máquina adotados no estudo foram desenvolvidos usando diferentes técnicas (Random Forests, Adaptive Boosting, Decision Tree, Support Vector Machine e Redes Neurais Artificiais) e configurações. As configurações adotadas consideraram apenas variáveis de entrevista, apenas variáveis de exames complementares e, por fim, ambas as variáveis.
Segundo o pesquisador, os resultados, em termos de sensibilidade, mostram que, de cada 100 pessoas com alto risco de morte em dois anos, os modelos desenvolvidos no estudo conseguem identificar 76. “Essa identificação é importante, pois essas pessoas podem ser direcionadas a serviços especializados no tratamento e controle da doença. Assim, é possível um melhor manejo da doença”, destaca.
Para se entender a importância de desenvolver tecnologias aliadas do controle e tratamento da doença de Chagas, podem ser destacados alguns dados extraídos do artigo. Segundo os pesquisadores, apesar do controle parcial da transmissão, a doença configura-se como um problema de saúde pública. Até 30% das pessoas infectadas podem apresentar alterações cardíacas, que estão associadas a um pior prognóstico, com altas taxas de mortalidade. Além disso, segundo relatado no artigo científico, “mais de 80% das pessoas afetadas pela doença de Chagas não terão acesso ao diagnóstico e tratamento continuado, o que sustenta em parte a alta taxa de morbidade e mortalidade”.
A partir da conclusão da pesquisa, que aponta o aprendizado de máquina como ferramenta útil para contribuir no manejo de pacientes com doença de Chagas, ao identificar os pacientes com maior probabilidade de óbito, surgem novos desafios. Segundo o professor Laércio, dois principais pontos podem ser destacados como passos futuros. “O primeiro seria estudar novos modelos para melhorar os resultados em termos de assertividades, pois acredito que existe margem para melhorias em tais modelos”, aponta. O segundo passo, de acordo com ele, seria construir a ferramenta computacional que identifica pessoas com a doença e com alto risco de morte em dois anos, pois, no estudo, foi desenvolvido apenas o protótipo. “Assim, essas pessoas poderiam ser encaminhadas para programas mais específicos com o objetivo de tentar reduzir o risco de morte a partir de intervenções personalizadas”, afirma.
Os demais autores do artigo científico publicado na revista PLOS Neglected Tropical Deseases são Ester Cerdeira Sabino e Léa Campos de Oliveira-da Silva, da USP; Antonio Luiz Pinho Ribeiro e Maria do Carmo Pereira Nunes, da UFMG; Renata Fiúza Damasceno, Marcos Flávio Silveira Vasconcelos D’Angelo e Desirée Sant´Ana Haikal, da Unimontes.
Para mais informações sobre o estudo, acesse o artigo "Two-year death prediction models among patients with Chagas Disease using machine learning-based methods".
Aprendizado de máquina
Laércio Santos explica que o aprendizado de máquina é uma área da inteligência artificial que faz o computador aprender a realizar uma determinada tarefa por meio de exemplos, os chamados exemplos de treinamento. “Os computadores que utilizam aprendizado de máquina conseguem resolver determinadas tarefas sem ter sidos explicitamente programados para isso. Essa capacidade é importante em situações nas quais programar explicitamente o computador para resolver uma tarefa é algo custoso.”
Durante o doutorado em Ciências da Saúde, o professor de Informática do IFNMG trabalhou com outros dois estudos envolvendo o aprendizado de máquina, que fazem parte de sua tese. “No primeiro, propomos um algoritmo baseado em aprendizado de máquina para identificar o momento no qual um idoso hospitalizado deixa a cama. A partir dessa detecção, o sistema avisa ao enfermeiro que um idoso específico levantou da cama e o enfermeiro pode, então, intervir”, explica Laércio, lembrando que essa intervenção pode ajudar a evitar quedas entre pacientes idosos. Em outro trabalho, é proposto um método de aprendizado de máquina para prever acidente vascular cerebral (AVC).
Os exemplos de aplicações do aprendizado de máquina como aliado da saúde são muitos. Segundo Laércio, existem trabalhos que aplicam a técnica para detecção de doenças como câncer, alzheimer e diabetes, por exemplo. “Temos, ainda, exemplos de aplicações como previsão do risco de desfechos desfavoráveis (como morte ou complicações) durante o nascimento”, cita.