Pesquisadores médicos liberaram uma capacidade perturbadora de inteligência artificial (IA): prever a morte precoce de uma pessoa.
Os cientistas treinaram recentemente um sistema de IA para avaliar uma década de dados gerais de saúde apresentados por mais de meio milhão de pessoas no Reino Unido. Em seguida, eles encarregaram a IA de prever se os indivíduos corriam o risco de morrer prematuramente - em outras palavras, mais cedo do que a expectativa de vida média - por doenças crônicas, eles relataram em um novo estudo.
As previsões de morte prematura feitas por algoritmos de IA foram "significativamente mais precisas" do que as fornecidas por um modelo que não utilizava aprendizado de máquina, o principal autor do estudo, Dr. Stephen Weng, professor assistente de epidemiologia e ciência de dados na Universidade de Nottingham (ONU), no Reino Unido, disse em comunicado.
Para avaliar a probabilidade de mortalidade prematura dos sujeitos, os pesquisadores testaram dois tipos de IA: "aprendizado profundo", em que redes de processamento de informações em camadas ajudam um computador a aprender com exemplos; e "floresta aleatória", um tipo mais simples de IA que combina vários modelos semelhantes a árvores para considerar possíveis resultados.
Em seguida, eles compararam as conclusões dos modelos de IA com os resultados de um algoritmo padrão, conhecido como modelo de Cox.
Usando esses três modelos, os cientistas avaliaram dados no Biobank do Reino Unido - um banco de dados de acesso aberto de dados genéticos, físicos e de saúde - enviados por mais de 500.000 pessoas entre 2006 e 2016. Durante esse período, quase 14.500 dos participantes morreram, principalmente de câncer, doenças cardíacas e respiratórias.
Variáveis diferentes
Todos os três modelos determinaram que fatores como idade, sexo, histórico de tabagismo e diagnóstico prévio de câncer foram as principais variáveis para avaliar a probabilidade de morte precoce de uma pessoa. Mas os modelos divergiram sobre outros fatores-chave, descobriram os pesquisadores.
O modelo de Cox apoiava-se fortemente na etnia e atividade física, enquanto os modelos de aprendizado de máquina não. Em comparação, o modelo de floresta aleatória deu maior ênfase ao percentual de gordura corporal, circunferência da cintura, quantidade de frutas e vegetais que as pessoas ingeriram e tom de pele, de acordo com o estudo. Para o modelo de aprendizado profundo, os principais fatores incluíram exposição a riscos relacionados ao trabalho e poluição do ar, consumo de álcool e uso de certos medicamentos.
Quando todo o processamento de números foi realizado, o algoritmo de aprendizado profundo forneceu as previsões mais precisas, identificando corretamente 76% dos indivíduos que morreram durante o período do estudo. Em comparação, o modelo de floresta aleatória previu corretamente cerca de 64% das mortes prematuras, enquanto o modelo de Cox identificou apenas cerca de 44%.
Esta não é a primeira vez que especialistas aproveitam o poder preditivo da IA para os cuidados de saúde. Em 2017, uma equipe diferente de pesquisadores demonstrou que a IA poderia aprender a detectar sinais precoces da doença de Alzheimer; o algoritmo deles avaliou escaneamentos cerebrais para prever se uma pessoa provavelmente desenvolveria Alzheimer, e fez isso com cerca de 84% de precisão, informou a Live Science anteriormente.
Outro estudo descobriu que a IA poderia prever o aparecimento de autismo em bebês de 6 meses de idade que apresentavam alto risco de desenvolver o distúrbio. Ainda outro estudo pode detectar sinais de invasão do diabetes por meio da análise de retina; e mais um - também usando dados derivados de exames da retina - previam a probabilidade de um paciente sofrer um ataque cardíaco ou derrame.
No novo estudo, os cientistas demonstraram que o aprendizado de máquina - "com ajuste cuidadoso" - pode ser usado para prever com êxito os resultados de mortalidade ao longo do tempo, afirmou o co-autor do estudo Joe Kai, professor de cuidados primários da ONU.
Embora o uso da IA dessa maneira possa não ser familiar para muitos profissionais de saúde, a apresentação dos métodos usados no estudo "pode ajudar na verificação científica e no desenvolvimento futuro desse campo interessante", disse Kai.
Os resultados foram publicados on-line hoje (27 de março) na revista PLOS ONE.
