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.