Dados do Trabalho

Título

Uso da inteligência artificial na triagem de casos para auxilio no diagnóstico da leptospirose no Rio Grande do Sul

Introdução

Leptospirose é uma zoonose emergente, negligenciada e de relevância para a saúde pública brasileira, com um amplo espectro clínico. Em 2021, o Rio Grande do Sul teve a maior incidência no país, com 696 casos, dos quais 28 foram fatais. O aprendizado de máquina (AM), um tipo de Inteligência Artificial (IA), tem diversas aplicações na saúde, incluindo o treinamento de algoritmos com dados reais para gerar modelos de classificação, detecção ou predição de problemas.

Objetivo (s)

O objetivo deste estudo é propor um método de triagem para avaliar os resultados da ocorrência da doença no Rio Grande do Sul entre 2007 e 2019, utilizando IA e, assim, contribuindo, com a prevenção secundária da doença. 

Material e Métodos

O estudo foi aprovado pelo Comitê de Ética da Faculdade de Medicina da Universidade Federal de Pelotas (CAAE 46714421.0.0000).A pesquisa foi realizada utilizando dados secundários extraídos dos formulários de notificação individual disponíveis no Sistema Nacional de Agravos de Notificação (SINAN). Na etapa de análise, o algoritmo utilizado foi a Árvore de decisão, e as métricas utilizadas para avaliar o desempenho desse modelo foram a acurácia, F1-score e área sob a curva (AUC).

Resultados e Conclusão

Durante o período analisado, foram notificados 20.247 casos de leptospirose, dos quais 30,4% foram confirmados, 60,9% descartados e em 8,6% dos casos o campo estava em branco. Dos casos confirmados, 6,6% foram confirmados por critérios clínico-epidemiológicos e 90% por critérios laboratoriais. O modelo apresentou os seguintes valores para as métricas aplicadas na fase de treinamento:  Acurácia=0,6315, F1-score=0,6376, AUC=0,6609. Após o treinamento, a capacidade de classificação dos modelos foi testada novamente, dessa vez com a inclusão de novos dados do banco coletado, antes desconhecidos pelo algoritmo, resultando em uma Acurácia=0,6534, F1-score=0,7682e AUC=0,6538. Em conclusão, a falta de equilíbrio nos dados e a significativa ausência de informações em algumas variáveis foram fatores limitantes para a classificação precisa do modelo, impactando seu desempenho. No entanto, essas limitações foram essenciais para o desenvolvimento de estratégias de melhoria e oferecem direcionamento para futuras pesquisas.     

Palavras Chave

Doenças Negligenciadas; Leptospirose; Sistema de Informação em Saúde; Vigilância.