Pesquisadores de três municípios do Amazonas estão desenvolvendo um aplicativo para suporte a diagnóstico de doenças febris no Estado.
O estudo “Desenvolvimento de um modelo de classificação para apoio ao diagnóstico diferencial de doenças febris e exantemáticas utilizando técnicas de inteligência artificial: Vigiar” tem o apoio da Fundação de Amparo à Pesquisa do Estado do Amazonas (Fapeam).
– Envie esta notícia no seu Whatsapp
– Envie esta notícia no seu Telegram
O estudo realizado nos municípios de Manaus, Itacoatiara e Coari, distantes 176 e 363 km da capital, respectivamente, visa desenvolver um aplicativo de inteligência artificial que dê suporte à decisão no diagnóstico de doenças febris exantemáticas como dengue, chikungunya, zika, sarampo, entre outros.
De acordo com o pesquisador e doutor em Medicina Tropical, da Fundação de Medicina Tropical Dr. Heitor Vieira Dourado (FMT-HVD) e da Fundação de Vigilância em Saúde Dra. Rosemary Costa Pinto (FVS-RCP), Vanderson Sampaio, a escolha dos municípios se deu por diversos motivos. Segundo ele, neles foram encontrados três cenários distintos de capacidade técnica.
“O racional é validar os modelos em cenários onde o suporte diagnóstico é baixo, dando condições melhores ao profissional de saúde para a tomada de decisão para fins de diagnóstico e notificação de casos”, completa o pesquisador.
________________________________________
RELACIONADAS
+ Pesquisa avalia incrementos à produção de mel de abelhas em cultivos de guaraná e camu-camu
+ Fungos amazônicos podem ser usados como colorantes naturais, diz pesquisa do Inpa
+ No Amazonas, pesquisadores estudam extração sustentável de óleo em árvores nativas
________________________________________
Técnicas
Vanderson Sampaio destaca que as metodologias de inteligência artificial usadas para o aprimoramento das notificações dos casos passaram por diversas técnicas de Machine Learning (Aprendizado de Máquina) como: Random Forest (RF), Adaptative Boosting (Adaboost), Gradient Boosting Machines (GBM), Extreme Gradient Boosting (Xgboost), k-Nearest Neighbours (KNN), Naive Bayes (NB) e Multilayer Perceptron (MLP).
“A técnica que apresentou melhor desempenho foi Gradient Boosting na classificação dos casos utilizados. O artigo se encontra aprovado para publicação em revista do grupo ‘Nature: Scientific Data’. Neste trabalho, nosso grupo publica o conjunto de dados no formato de data paper para a comunidade científica, fortalecendo nossa política de open data e open science”, disse o pesquisador, adiantando que o aplicativo está em fase de teste e avaliação.
A pesquisa também conta com a colaboração de outras instituições no Brasil e no exterior, como a Universidade de Pernambuco (UPE), Universidade Federal do Rio de Janeiro (UFRJ) e a Dublin City University.
______________________________________
ACESSE TAMBÉM MAIS LIDAS
