Ana Brito é reconhecida em sua contribuição científica no trabalho que visa identificar estratégia que maximiza desempenho antecipado de identificação do risco de morte por covid-19

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. Com público on-line de 3 milhões de leitores ao mês, a britânica Nature é o veículo interdisciplinar mais citado no mundo.

Ana Brito faz parte da gestão do Instituto de Medicina, Estudos e Desenvolvimento (Imed), que administra o HEF e também os Hospitais Estaduais do Centro-Norte Goiano (HCN), em Uruaçu; e de Trindade. “Um privilégio fazer parte dessa conquista. Agradeço a todos que fizeram parte desse projeto”, ressalta a 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), projeto que desenvolve algoritmos de inteligência artificial (IA) ou 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 IA são usados cada vez mais em ambientes de saúde, mas sua generalização entre diferentes regiões ainda é desconhecida. Dessa forma, o estudo científico desenvolvido ainda 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
De acordo com o professor Éliton Fontana (UFPR), o aprendizado de máquina 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. Esses algoritmos buscam um padrão relacionando entradas e saídas, permitindo utilizar esse padrão para realizar antecipações.

Yasmin Bernardes (texto e foto)/Imed