Nos últimos anos, as técnicas e ferramentas de análise preditiva em saúde avançaram de forma expressiva. Com isso, cresceu também a visibilidade das abordagens que envolvem algoritmos de Machine Learning e Inteligência Artificial.
O que é análise preditiva em saúde com machine learning?
De forma resumida, a análise preditiva em saúde com técnicas de machine learning é um ramo da Inteligência Artificial. Seu foco está no desafio de predizer desfechos ou agrupar indivíduos a partir de dados estruturados, o tipo mais comum de dado utilizado em saúde.
Dados estruturados são aqueles com formato previsível e padronizado. Esses dados permitem inserção, armazenamento e processamento em um modelo tabular, como uma planilha de Excel, por exemplo.
Quais dados em saúde são considerados estruturados?
Nem todos os dados em saúde são estruturados, como as anotações clínicas em prontuários médicos inseridas como textos de livre digitação. Por outro lado, uma parcela relevante dos dados em saúde admite tabulação estruturada: exames clínicos, exames laboratoriais, dados demográficos, dados antropométricos e outros parâmetros.
Uma área com décadas de história
Na verdade, a análise preditiva em saúde não é um assunto novo. Há décadas, cientistas de dados, médicos e pesquisadores de diversas áreas se dedicam ao desafio de predizer desfechos futuros com os dados disponíveis hoje. Modelos preditivos mais tradicionais, como as análises de regressão linear, formaram a base de muitas conquistas em saúde. Esses modelos trouxeram ganhos reais em qualidade de vida, sobrevida e otimização de recursos.
A novidade, nesse contexto, é a popularização de técnicas antes restritas a outros campos do conhecimento. Sobretudo, destacam-se aquelas que envolvem novos algoritmos e técnicas de machine learning.
O papel dos algoritmos de machine learning na predição em saúde
Em geral, muitos desses algoritmos apresentam desempenho preditivo superior ao de técnicas mais tradicionais. No entanto, não se trata apenas de “ranquear” acurácia preditiva. Ferramentas diferentes têm aplicações diferentes, e a escolha da mais adequada exige análise cuidadosa de cada situação específica.
Longe de desmerece as técnicas preditivas tradicionais, os algoritmos de machine learning tendem a agregar acurácia preditiva. Seu foco recai sobre a predição de desfechos ou a classificação e agrupamento de indivíduos, e não na descrição do peso ou da contribuição das variáveis preditoras.
Além disso, o grande trunfo dos algoritmos de machine learning, longe de constituírem uma “caixa preta” sem compreensão de sua mecânica, é conseguir modelar padrões complexos de relações entre variáveis. Esses padrões, por sua vez, levam a uma maior acurácia preditiva. De fato, computadores identificam padrões complexos com mais eficiência, o que justifica o uso de machine learning nas análises preditivas em saúde.
Análise preditiva em saúde na Lean Saúde
Este artigo não pretende esgotar o assunto, mas sim apresentar uma introdução ao tema. Na Lean Saúde, contamos com uma equipe especializada em ciência de dados e machine learning dedicada a realizar análises preditivas complexas, com dados relevantes para a predição em saúde.
