Atualmente, os médicos têm muitas maneiras de prever a saúde de um paciente. Nenhum deles, entretanto, é universal e muitas patologias (por exemplo, ataques cardíacos) são muito difíceis de prever. Os cientistas demonstraram que os computadores com capacidade de autoaprendizagem podem ter um desempenho ainda melhor do que as práticas médicas padrão e melhorar significativamente a qualidade da previsão. Se esta prática for implementada, o novo método ajudará a salvar milhares, senão milhões de vidas todos os anos.
Todos os anos, cerca de 20 milhões de pessoas morrem de doenças cardiovasculares, incluindo ataques cardíacos, derrames, artérias obstruídas e outras doenças cardiovasculares. Para tentar prever tais complicações, os médicos dos países ocidentais usam as diretrizes do American College of Cardiology / American Heart Association (ACC / AHA). Eles se baseiam em oito fatores de risco, incluindo idade, níveis de colesterol no sangue e pressão arterial, a partir dos quais o médico tenta compor um único quadro da doença.
Para muitos casos, essa abordagem é muitas vezes simplista demais; além disso, outros fatores podem afetar o corpo do paciente, resultando no desenvolvimento de doenças cardiovasculares. Em um novo estudo, Stephen Wan, epidemiologista da Universidade de Nottingham, no Reino Unido, comparou as diretivas ACC / AHA a quatro algoritmos de aprendizado de máquina: floresta aleatória, regressão logística, aumento de gradiente e uma rede neural. Todos os quatro algoritmos visavam analisar muitos dados que, em teoria, permitiriam que a IA fizesse previsões médicas melhores do que os humanos. Nesse caso, os dados foram obtidos dos prontuários eletrônicos de saúde de 378.256 pacientes no Reino Unido. O objetivo era encontrar registros de amostras que estivessem associados a eventos cardiovasculares.
Primeiro, os algoritmos de inteligência artificial (IA) tiveram que treinar por conta própria. Eles usaram cerca de 78% dos dados - cerca de 295.267 registros - para pesquisar padrões e criar suas próprias “recomendações” internas. Em seguida, eles se testaram no restante dos documentos. Usando dados de 2005, os algoritmos previram quais pacientes teriam problemas cardíacos e vasculares nos próximos 10 anos e, em seguida, testaram essas suposições com registros de 2015. Ao contrário das diretrizes do ACC / AHA, o aprendizado de máquina teve permissão para levar em consideração mais 22 pontos de dados, incluindo etnia, artrite e doença renal.
Como resultado, todos os quatro métodos de IA foram considerados muito mais eficientes na previsão do que as recomendações do ACC / AHA. Usando estatísticas AUC (onde 1,0 é 100% preciso), as diretivas ACC / AHA alcançaram 0,728. Os quatro novos métodos variaram de 0,745 a 0,764, conforme a equipe de Wen relatou na revista PLOS ONE. Na amostra de teste, cerca de 83.000 entradas participaram e, na batalha entre a IA e o homem, as máquinas "salvaram" mais 355 pacientes. Isso ocorre porque, diz Wen, a previsão geralmente leva à prevenção, por meio da redução do colesterol ou de mudanças na dieta.
Alguns dos fatores de risco que os algoritmos de aprendizado de máquina identificaram como os preditores mais fortes não estão incluídos nas diretrizes do ACC / AHA. Estes incluem, por exemplo, doenças mentais graves e administração oral de corticosteróides. Enquanto isso, nenhum dos parâmetros que estão na lista ACC / AHA está entre os 10 preditores mais importantes por máquina (e até mesmo diabetes). No futuro, Weng espera incluir outros fatores sociais e genéticos para melhorar ainda mais a precisão dos algoritmos.
Vasily Makarov
