Pesquisa visa identificar a estratégia que maximiza o desempenho antecipado de identificação do risco de morte por covid-19
.jpeg)
Com o título Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts, a diretora administrativa do Hospital Estadual de Formosa (HEF), Ana Brito, foi reconhecida pela sua contribuição científica nos estudos da revista Nature. A revista é um veículo interdisciplinar britânico e foi classificada como a revista mais citada no mundo com um público on-line de 3 milhões ao mês.
A diretora faz parte da gestão do Instituto de Medicina, Estudos e Desenvolvimento – IMED, que além do HEF gere as unidades do Centro-Norte Goiano (HCN) e Trindade (Hetrin), unidades da Secretaria de Saúde de Goiás. “Um privilégio fazer parte dessa conquista. Agradeço a todos que fizeram parte desse projeto”, ressalta Ana Brito, diretora do HEF.
O trabalho desenvolvido na Nature foi apoiado pelo Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) e pela rede Inteligência Artificial para Covid-19 no Brasil (IACOV-BR), um projeto que desenvolve algoritmos de inteligência artificial (machine learning) para antecipar o diagnóstico e o prognóstico de covid-19, com base em dados colhidos nas regiões brasileiras.
Os algoritmos de aprendizado de máquina estão sendo cada vez mais usados em ambientes de saúde, mas sua generalização entre diferentes regiões ainda é desconhecida. Dessa forma, o estudo científico desenvolvido por Roberta Wichmann, Fernando Fernandes, Alexandre Chiavegatto Filho e IACOV-BR visa identificar a estratégia que maximiza o desempenho antecipado de identificação do risco de morte por covid-19 em diferentes regiões do Brasil.
A pesquisa descobriu que as diferentes estratégias para seleção de dados de treinamento foram capazes de prever a mortalidade por covid-19 com bom desempenho geral, utilizando apenas dados coletados rotineiramente. Nesse sentido, a melhor estratégia geral foi treinar e testar usando apenas os dados do hospital de referência, alcançando o maior desempenho antecipado em 11 dos 18 hospitais diferentes.
Aprendizado de máquina
O aprendizado de máquina (machine learning), de acordo com o Prof. Éliton Fontana (UFPR), é um termo geral utilizado para definir uma série de algoritmos que extraem informação a partir de um conjunto de dados, sem ser necessário definir um modelo matemático específico, a partir de um conjunto de dados de treinamento. Estes algoritmos buscam um padrão relacionando entradas e saídas, permitindo utilizar este padrão para realizar antecipações.
Assessoria de Comunicação
Yasmin Bernardes – yasmin@ecco.inf.br
62 99161-2649
