Center for Research on Science, Technology and Society

Um estudo colaborativo entre o Laboratório de Big Data e Análise Preditiva em Saúde (Labdaps) da Faculdade de Saúde Pública da USP e o Hospital Albert Einstein, em São Paulo, apontou para a possibilidade de uso de inteligência artificial no diagnóstico da Covid-19 com base na análise de algoritmos gerados a partir do teste molecular RT-PCR, que apresenta maior precisão na detecção do novo coronavírus.

Para isso, foram usados dados de exames de sangue de 235 pacientes do Hospital, dos quais 102 (43%) receberam diagnóstico positivo para a Covid-19 por RT-PCR. O objetivo do estudo foi identificar padrões para a detecção do Sars-CoV-2 a partir de variáveis de dados sobre linfócitos, leucócitos, granulócitos eosinófilos, granulócitos basófilos e hemoglobinas.

Atualmente, o RT-PCR, teste diagnóstico mais validado para a Covid-19, está em falta na maioria dos países em desenvolvimento, o que pode aumentar as taxas de infecção e atrasar importantes medidas preventivas. Segundo Alexandre Chiavegatto Filho, diretor do Labdaps, a técnica de machine learning utiliza como dados os resultados de exames de admissão em pronto-socorro, o que poderia ajudar a predizer o risco de diagnóstico positivo da doença.

Os dados do estudo foram coletados entre os dias 17 e 30 de março, e algoritmos de aprendizado de máquina, como redes neurais, florestas aleatórias, árvores que aumentam gradientes, regressão logística e máquinas de vetores de suporte, foram treinados em uma amostra aleatória de 70% dos pacientes. Para diagnóstico positivo, o índice de acerto da técnica foi de 78%, e de 77%, para negativo.

Os pesquisadores acreditam que o uso de machine learning poderia contribuir também em outras áreas do combate à pandemia, já que os algoritmos ajudariam a indicar necessidade futura de o paciente usar respirador mecânico, além de diferenciar se a infecção seria causada pelo novo coronavirus ou por Influenza, por exemplo.

Um artigo com os resultados do estudo foi publicado de forma preliminar na MedRix, uma plataforma de artigos científicos em formato preprint (sem revisão por pares). Contudo, Chiavegatto acredita que o uso de algoritmos de aprendizado de máquina representa uma possibilidade promissora de uso de dados coletados rotineiramente nos testes para a detecção da doença. Aprovado pela Comissão Nacional de Ética em Pesquisa (Conep), o estudo deverá agora ser ampliado em parceria com outros hospitais.