03/05/2017 20:41, postada por Ricardo Henrique Brunetto

Inteligência artificial autodidata supera médicos na predição de ataques cardíacos

Os médicos possuem várias ferramentas para avaliar a saúde de um paciente, mas nem sempre elas conseguem vencer a complexidade do corpo humano. Em especial, ataques cardíacos são difíceis de antecipar. Agora, cientistas mostraram que computadores que são capazes de aprender sozinhos podem obter resultados até melhores que procedimentos médicos padrões, aumentando a taxa de predição significativamente.

A cada ano, quase 20 milhões de pessoas morrem devido aos efeitos de doenças cardiovasculares, incluindo ataques cardíacos, AVCs e outros problemas circulatórios. Num esforço para prevenir esses casos, muitos médicos usam diretrizes como as da ACC/AHA (American College of Cardiology/American Heart Association), baseadas em oito fatores de risco, como idade, taxa de colesterol e pressão sanguínea.

Mas isso é muito simples para levar em conta outros medicamentos que o paciente pode estar usando, ou outras doenças e fatores relacionados ao estilo de vida do mesmo. Stephen Weng, um epidemiologista da Universidade de Nottingham no Reino Unido, explica que existem muitas interações num sistema biológico e muitas delas podem ser contra-intuitivas, como o fato de que muita gordura corporal pode na verdade proteger contra doenças cardíacas em alguns casos. Ele segue dizendo que o que podemos fazer é usar a ciência da computação para explorar essas associações.

Em um novo estudo, Weng e seus colegas compararam o uso das diretrizes ACC/AHA com quatro algoritmos de aprendizado de máquina: random forest, regressão logística, gradient boosting e redes neurais. Todas a técnicas analisam muitos dados para chegar numa ferramenta de predição sem nenhuma ajuda humana. Nesse caso, os dados vieram dos registros médicos eletrônicos de 378.256 pacientes no Reino Unido. O objetivo era achar padrões nos registros que estivessem associados com eventos cardiovasculares.

Os algoritmos usaram cerca de 78% dos dados para construir seus modelos de predição. Em seguida eles foram testados no restante dos dados. Usando dados de 2005, eles predisseram quais pacientes teriam seu primeiro evento cardiovascular nos próximos 10 anos, e compararam suas respostas contra os registros de 2015. Diferentemente das diretrizes ACC/AHA, os algoritmos puderam incluir 22 outros fatores para realizarem suas análises, incluindo etnia, artrite e doenças renais.

Todos os algoritmos executaram significativamente melhor que as diretrizes ACC/AHA. Usando uma estatística chamada AUC (na qual a pontuação 1.0 significa 100% de precisão), as diretrizes ACC/AHA alcançam 0.728. Os quatro algoritmos ficaram na faixa de 0.745 à 0.764 de acordo com a publicação do time de Weng na PLOS ONE. A melhor delas, a rede neural, predisse 7.6% mais eventos que a ACC/AHA e também 1.6% a menos de alarmes falsos.

 

Muitos fatores de risco identificados pelos algoritmos de aprendizado de máquina como fortes preditores não estão inclusos nas diretrizes ACC/AHA, como doença mental grave e ingestão de corticosteróides orais. Por outro lado, nenhum dos algoritmos considerou diabetes, que está entre os 10 melhores preditores na lista do ACC/AHA. No futuro, Weng espera incluir outros fatores de estilo de vida e fatores genéticos nos algoritmos para melhorar ainda mais a precisão.