Projeto elaborado pelo estudante Karl Vandesman utiliza base de dados e algoritmo de classificação para antecipar diagnósticos da doença
A dissertação de mestrado em Ciência da Computação desenvolvida pelo estudante Karl Vandesman de Matos Sousa, do Centro de Informática (CIn) da UFPE, elaborou uma proposta para utilização de algoritmos de aprendizagem de máquina para classificação antecipada de exames de COVID-19. O trabalho foi orientado pelo professor Adenilton José da Silva e utilizou dados quantitativos fornecidos pelo Núcleo de Pesquisa em Inovação Terapêutica (NUPIT) da UFPE.
A pesquisa abordou exames do tipo RT-qPCR (sigla para Reverse Transcriptase – Quantitative Polymerase Chain Reaction), utilizado para detecção da doença ativa através do material genético do vírus. Os arquivos de saída dos exames foram filtrados e ajustados com a finalidade de criar uma base de dados disponível para treinamento de algoritmos de aprendizagem supervisionada. Em um primeiro momento, esses algoritmos foram treinados com a totalidade dos ciclos, para se ter uma referência do desempenho que poderia ser obtido. Em seguida, foram realizados treinamentos com uma redução do número de ciclos, com o intuito de antecipar o exame e diminuir o tempo necessário para sua conclusão.
O professor Adenilton esclarece que “o teste realizado tem 45 ciclos e, para o trabalho, foi considerado a redução dos ciclos (não de minutos). Com a redução de 33% no tempo, tivemos uma redução de aproximadamente 1,1% na acurácia. Com uma redução de 44% no tempo para o diagnóstico, a queda da acurácia foi de aproximadamente 5%.”
Para Karl, a escolha da temática de pesquisa, iniciada antes da pandemia, se deu pela urgência colocada pelo cenário sanitário mundial. “Inicialmente meu mestrado tinha o tema abrangente de aplicar Inteligência Computacional à Saúde Pública. No decorrer das disciplinas e pesquisas sobre tópicos que mereciam atenção, surgiu inevitavelmente a questão da COVID-19. Como tínhamos ‘vizinhos’ na UFPE sendo um centro de realização do exame RT-qPCR, o NUPIT, conseguimos firmar uma parceria para utilização desses dados”, afirma o estudante. “Essa parceria e intercâmbio de áreas foi de extrema importância para termos diferentes perspectivas sobre como melhorar as ferramentas de combate à COVID-19, produzindo um trabalho inovador nesse segmento, tendo sido observado trabalho semelhante somente em janeiro deste ano, por pesquisadores da Coreia do Sul”, complementa.
A defesa da dissertação de Karl Vandesman de Matos Sousa, orientada pelo professor Adenilton José da Silva, intitulada “Desenvolvimento de base de dados e algoritmo de classificação antecipada de exames RT-qPCR para COVID-19”, aconteceu nesta quinta-feira, 2 de junho, às 10h, em formato virtual.
Comentários desativados