Artigo de divulgação científica: Robô brasileiro tem sucesso em prever mortes por doenças respiratórias – Fragmento
Com inteligência artificial,
pesquisadores da USP analisaram dados de pessoas de São Paulo com 60 anos ou
mais
Imagine prever com exatidão como e
quando uma pessoa irá morrer. Uma realidade tão determinista parece um tanto
distante —se é que é possível —, mas pesquisadores da USP conseguiram, com uso
de machine learning (aprendizado de máquina), um elevado nível de predição de
mortes por doenças respiratórias.
Fonte: https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEh3dbOKy5rs5KGPmVOtr_0HCyDH8y_ItdK8po0Hzto2LgJd1IRQfz3Y_a1EpvR6WQOTv-nVqoHARGP4by679_TcGuJxEjUDf0FxfCBmJ2iA6-IjRFrpFoBEbM39beyEeECCbMv0kWb7u8gCrq3AaUtbTX0V-SQxhEciSjvTPlzTTEqtiprkx8MPeAnQTXk/s320/ROBO.jpg A partir de inteligência artificial, os
cientistas conseguiram identificar até 88% de mortes por problemas
respiratórias. Dentro do grupo de pessoas estudadas, os pesquisadores também
fizeram uma classificação do menor ao maior risco para mortes por essas
doenças. No conjunto com maior risco (25% da amostra), estavam 100% das mortes
respiratórias.
[...]
A essa altura, você já deve, em algum
momento dos últimos anos, ter ouvido falar em machine learning. A ideia é, de
modo bem resumido e geral, alimentar um programa com um determinado volume de
informações como forma de treinamento. O objetivo, nessa fase, é que a
aplicação consiga perceber padrões nesses dados — que talvez escapem aos olhos
humanos.
Em seguida, outro conjunto de dados é
apresentado ao programa para que ele tente identificar padrões — e apresente
respostas que nós, humanos, não conseguimos dar.
Pesquisadores da USP fizeram exatamente
isso com dados de paulistanos com 60 anos ou mais coletados nas últimas duas
décadas.
Os cientistas do Labdaps (Laboratório
de Big Data e Análise Preditiva em Saúde) da faculdade de saúde pública da USP
usaram a base de dados da pesquisa Sabe (Saúde, Bem-Estar e Envelhecimento), da
mesma faculdade, focada em pessoas da cidade de São Paulo com 60 anos ou mais.
Na pesquisa do Labdaps publicada esta
semana na revista Age and Ageing, foram observadas as causas de mortes das
pessoas nos cinco anos posteriores às entrevistas feitas pela Sabe, que teve
início em 2000, com coletas de dados em anos posteriores. Para o estudo com
algorítmos de machine learning, os cientistas usaram os dados coletados em 2006
e 2010 pela Sabe, o que totalizou 1.767 pessoas.
A Sabe, porém, não foi feita para
apontar mortalidade. Por isso, os pesquisadores tiveram que cruzar essas
informações com os dados de mortes do município de São Paulo.
Com o cruzamento feito, o algoritmo de
machine learning foi alimentado, para treinamento, com 70% do banco de dados.
Os outros 30% foram usados para o teste de predição.
Segundo os autores, trata-se de um dos
estudos mais amplos já feitos com predição de morte em populações grandes.
"O que existe na literatura é aplicação de machine learning para
identificação de risco em populações específicas. Por exemplo, em pessoas que
já apresentam problemas cardíacos, em pessoas que já têm diagnóstico de câncer",
afirma Carla Nascimento, doutoranda em saúde pública pela USP, pesquisadora do
Labdaps e uma das autores do estudo.
[...]
"Abre um leque de possibilidades
de iniciar medidas preventivas ao ponto de conseguir evitar que a morte
ocorra", diz Alexandre Chiavegatto Filho, diretor do Labdaps. "Não é
algo 'você vai morrer e não tem o que fazer em relação a isso'. O grande
interesse de saber é evitar que isso aconteça."
[...]
O diretor do Labdaps imagina que,
quando estiverem amplamente disponíveis, mecanismos do tipo serão bem recebidos
pela comunidade médica. Ele compara a situação com o aplicativo Waze, que
apresenta opções de rota de acordo com inúmeros dados coletados aos quais o
condutor não necessariamente teria acesso fácil.
"É
impressionante a quantidade de decisões difíceis e complexas que os médicos
tomam ao longo do seu dia", diz Chiavegatto Filho. "O médico passa
muito tempo coletando informações de pacientes e recebe de volta informações
dispersas. Nada que unifique essa informação toda e ajude a tomar uma decisão.
É isso que a inteligência artificial está trazendo."
WATANABE, P. “Robô brasileiro tem sucesso em prever mortes por doenças
respiratórias.” Folha de São Paulo. 7 maio 2021. Disponível em: https://www1.folha.uol.com.br/ciencia/2021/05/robo-brasileiro-tem-sucesso-em-prever-mortes-por-doencas-respiratorias.shtml. Acesso em: 2 jun. 2021.
Fonte: Maxi: Séries
Finais. Caderno 2. Língua Portuguesa – 6º ano. 1.ed. São Paulo: Somos Sistemas
de Ensino, 2021. Ensino Fundamental 2. p. 53-54.
Entendendo o artigo:
01
– Qual a principal descoberta da pesquisa realizada pela USP?
A pesquisa
conseguiu prever com alta precisão (até 88%) as mortes por doenças
respiratórias em uma população idosa, utilizando técnicas de machine learning.
02
– Como os pesquisadores conseguiram essa alta taxa de precisão nas previsões?
Os pesquisadores
utilizaram um grande volume de dados de saúde de uma população idosa,
alimentando um algoritmo de machine learning para identificar padrões e
relações entre as variáveis, permitindo assim realizar previsões mais precisas.
03
– Qual o objetivo principal dessa pesquisa?
O objetivo
principal é desenvolver ferramentas que permitam identificar indivíduos com
maior risco de morte por doenças respiratórias, a fim de implementar medidas preventivas
e melhorar a qualidade de vida dessa população.
04
– Quais os benefícios dessa pesquisa para a área da saúde?
Essa pesquisa
abre caminho para o desenvolvimento de ferramentas de apoio à decisão médica,
permitindo identificar precocemente pacientes de risco e implementar
tratamentos personalizados, o que pode levar à redução da mortalidade por
doenças respiratórias.
05
– Quais os dados utilizados na pesquisa?
Os pesquisadores
utilizaram dados da pesquisa Sabe (Saúde, Bem-Estar e Envelhecimento), que
coletou informações de saúde de pessoas com 60 anos ou mais na cidade de São
Paulo.
06
– Como o machine learning foi utilizado nessa pesquisa?
O machine
learning foi utilizado para identificar padrões nos dados de saúde da população
estudada, permitindo prever a ocorrência de mortes por doenças respiratórias. O
algoritmo foi treinado com uma parte dos dados e testado com outra parte, para
avaliar sua precisão.
07
– Quais as implicações futuras dessa pesquisa?
Essa pesquisa
demonstra o potencial da inteligência artificial para transformar a área da
saúde, permitindo a criação de ferramentas mais precisas e personalizadas para
a prevenção e tratamento de doenças. No futuro, essa tecnologia pode ser
aplicada a outras doenças e populações, melhorando a qualidade de vida e a
expectativa de vida das pessoas.
Nenhum comentário:
Postar um comentário