Por Valéria Credidio – Assessoria de Comunicação do LAIS (ASCOM/LAIS)

Com cerca de 1.500 acessos, um artigo de autoria de pesquisadores do Laboratório de Inovação Tecnológica em Saúde (LAIS/UFRN) está entre os escolhidos para fazer parte de uma edição especial de uma das mais importantes publicações científicas, a Frontiers, referência internacional na área de Ciências da Computação.

O artigo, intitulado: “Soluções de aprendizado de máquina aplicadas ao Prognóstico da Esclerose Lateral Amiotrófica: uma revisão”, trata sobre o uso de Machine Learning aplicado ao prognóstico da doença da Esclerose Lateral Amiotrófica (ELA), uma doença rara, degenerativa e que afeta neurônios motores, com expectativa média de vida de 3 a 5 anos, a partir do início dos primeiros sintomas. “Realizar o prognóstico dos pacientes com ELA representa um enorme desafio devido à complexidade inerente à esta doença”, ressaltou Fabiano Papaiz, um dos autores do artigo, que é resultado de sua tese de doutorado em Engenharia Informática na Universidade de Coimbra (UC), Portugal.

No artigo, os pesquisadores fizeram uma revisão sistemática da literatura com o objetivo de investigar soluções de Machine Learning aplicadas ao prognóstico da ELA, incluindo a análise de biomarcadores menos complexos de serem obtidos, como os clínicos, demográficos e laboratoriais.  De acordo com Papaiz, este foi um ponto muito importante, uma vez que o objetivo do trabalho foi fornecer uma visão geral de soluções de Machine Learning que pudessem ser utilizadas para o desenvolvimento de sistemas de suporte à decisão clínica, os quais fossem viáveis de serem utilizados em larga escala na Atenção Primária – principalmente em países com limitações financeiras, como o Brasil.

Para Higor Morais, pesquisador do LAIS/UFRN e do Núcleo Avançado de Inovação Tecnológica (NAVI/IFRN), a sociedade atual vem passando por um grande processo de transformação decorrente dos avanços em pesquisas em soluções que envolvam Machine Learning e inteligência artificial. “E isso não é diferente na área da saúde, tanto é que essa pesquisa que nós publicamos no ano passado, demonstra a avidez dos pesquisadores por conteúdos como esse”, reforçou.

Segundo os pesquisadores, todos os estudos selecionados foram descritos em detalhes nesse artigo. Deles, foram extraídos os tipos de prognósticos abordados, sendo eles: Progressão da Doença, Tempo de Sobrevida e Necessidade de Suporte Especializado. Para cada tipo de prognóstico, foram descritas quais as técnicas de Machine Learning seriam aplicadas, bem como as performances atingidas por cada estudo. Também foram detalhados quais foram os biomarcadores mais relevantes para cada tipo de prognóstico. Por fim, discutiu-se sobre os desafios ainda em aberto nessa área, as limitações identificadas e as oportunidades de pesquisas no futuro.

A abordagem inovadora para o tema foi confirmada com o sucesso do trabalho publicado na Frontiers, sendo destaque entre os artigos mais acessados em 2022. “Quando planejamos a escrita deste artigo, tivemos a preocupação de criar uma ferramenta valiosa para os pesquisadores com interesse nessa área. Focamos na escrita de um artigo que pudesse ser bem claro e direto sobre as questões chaves relacionadas ao uso de Machine Learning para o prognóstico da ELA”, concluiu Papaiz.