Estudo internacional liderado pela RISE-Health mostra que modelos estatísticos simples podem superar algoritmos avançados na previsão do risco cardiovascular.
Os investigadores compararam 11 métodos distintos de aprendizagem automática e de regressão regularizada. Foto: DR
Um estudo internacional com liderança analítica da RISE-Health mostrou que os métodos de regressão regularizada — técnica estatística mais simples — generalizam melhor do que algoritmos de aprendizagem automática mais complexos na previsão de eventos cardiovasculares graves em doentes com diabetes tipo 2 que sofreram recentemente uma síndrome coronária aguda (SCA); uma população que mantém risco cardiovascular elevado nos meses seguintes ao evento.
O trabalho publicado na revista Scientific Reports, do grupo Nature, comparou, em colaboração com investigadores de França, Canadá e Estados Unidos da América, 11 métodos distintos de aprendizagem automática e de regressão regularizada, utilizando dados de 5.107 doentes do ensaio clínico EXAMINE, que combina informação clínica com um painel de 93 biomarcadores circulantes.
O recurso à Inteligência Artificial
De acordo com António Barros (RISE-Health/FMUP), este trabalho científico confirma que não existe vantagem sistemática dos métodos de aprendizagem automática (machine learning) sobre a regressão regularizada em modelos de previsão clínica, sobretudo quando o número de eventos é limitado face ao número de variáveis.
Segundo o especialista da RISE-Health, do Laboratório Associado RISE e da Faculdade de Medicina da Universidade do Porto (FMUP), “os algoritmos muito flexíveis modelam o acaso da amostra de treino como se fosse sinal, enquanto os modelos regularizados encolhem os coeficientes, ficam deliberadamente mais ponderados e, em troca, resistem melhor quando lhes aparecem doentes novos”.
A aplicação em doenças cardiovasculares
O trabalho científico mostrou que os desfechos melhor previstos foram a morte cardiovascular ou hospitalização por insuficiência cardíaca, e não os eventos aterotrombóticos. “Um composto que junta enfarte, AVC e morte cardiovascular obriga o modelo a captar processos biológicos distintos em simultâneo, e a rotura de uma placa num momento específico depende de determinantes que uma colheita de sangue basal não representa. Já a insuficiência cardíaca é o desfecho de um processo crónico e mensurável: sobrecarga ventricular, remodelagem, disfunção renal. É aí que os marcadores circulantes acrescentam mais informação à que já é dada pelas variáveis clínicas”, esclareceu.
O estudo Comparative analysis of machine learning and regularized regression models for predicting cardiovascular outcomes in patients with type 2 diabetes after acute coronary syndrome, publicado na revista Scientific Reports, é assinado por António Barros, João Sérgio Neves, Adelino Leite-Moreira e João Pedro Ferreira, investigadores da RISE-Health e da FMUP. O trabalho científico conta ainda com autores da Université de Lorraine (França), do McGill University Health Centre (Canadá) e da University of Connecticut (EUA).