Predição de óbitos segundo causa básica com machine learning em uma amostra longitudinal de 502.632 indivíduos

Resumo

Avanços recentes em capacidade computacional e na disponibilidade de grandes bancos de dados têm permitido o aumento do uso de métodos preditivos de inteligência artificial, conhecidos como machine learning. Na saúde, a predição da ocorrência de óbitos pode ajudar a melhorar decisões sobre a necessidade e a intensidade de tratamento médico e o estabelecimento de prioridades para internação. O projeto analisará os resultados do UK Biobank, um estudo longitudinal de 502.632 indivíduos acompanhados desde 2006-2010, que coletou características socioeconômicas, demográficas, fatores de risco, informações sobre histórico de saúde, medidas antropométricas e amostras de sangue e de urina, totalizando mais de 600 variáveis. Os óbitos são coletados continuamente por linkage e estima-se que ao início deste projeto tenham ocorrido mais de 25.000 óbitos de participantes. Serão testadas as performances de 10-20 modelos de machine learning para predizer óbito em 1, 2 e 5 anos por mortalidade geral e segundo grupos de causas básicas, utilizando as variáveis coletadas no baseline. Após a identificação do algoritmo com melhor performance preditiva, será testada a sua capacidade de generalização no estudo Saúde Bem-Estar e Envelhecimento (Projeto Temático 14/50649-6). O projeto permitirá identificar se é possível predizer com boa acurácia quem irá a óbito, e por qual causa, utilizando um grande número de características iniciais. O orçamento será utilizado para o pagamento da taxa de transferência dos dados e para a compra de duas máquinas especializadas em machine learning e big data. O projeto estabelecerá uma nova parceria entre o Laboratório de Big Data e Análise Preditiva (LABDAPS) da FSP/USP e a Plataforma de Ciência de Dados Aplicada à Saúde da Fiocruz-RJ. (AU)