Aplicabilidade da inteligência artificial na análise de dados clínicos e predição de endometriose durante laparoscopia em mulheres com dor pélvica crônica

• Processo: 21/10074-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de janeiro de 2022
• Data de Término da vigência: 31 de dezembro de 2022
• Área de conhecimento: Ciências da Saúde - Medicina
• Pesquisador responsável: Omero Benedicto Poli Netto
• Beneficiário: Mateus Carvalho Azevedo
• Instituição Sede: Faculdade de Medicina de Ribeirão Preto (FMRP). Universidade de São Paulo (USP). Ribeirão Preto , SP, Brasil
• Assunto(s): Ginecologia e obstetrícia Endometriose Dor crônica Inteligência artificial Laparoscopia Análise de dados
• Palavra(s)-Chave do Pesquisador: dor crônica | endometriose | ginecologia | Inteligência Artificial | Laparoscopia | Ginecologia e Obstetrícia

Resumo

A endometriose é uma doença comum associada a repercussões negativas no contexto de vida das mulheres e impacto ao gerenciamento do sistema de saúde. Afeta cerca de 5-10% das mulheres em idade reprodutiva e se manifesta clinicamente com dor persistente (dor acíclica, dismenorreia, dispareunia, disquezia) embora também esteja associada à infertilidade. A laparoscopia faz o diagnóstico definitivo da doença embora o tratamento clínico seja endossado com o diagnóstico pré-operatório presumido. Por um lado, essa conduta evita procedimentos desnecessários e acelera o tratamento. Por outro, pode banalizar o diagnóstico com consequente sobrediagnóstico. Mas a maior questão por detrás deste paradigma é a falta de critérios clínicos com boa capacidade preditiva da endometriose na população de mulheres com dor pélvica. Paralelo a isso, temos vivenciado nas últimas décadas um significativo avanço computacional. Isso tem permitido progressos consideráveis na interpretação de grande quantidade de dados clínicos complexos por exemplo através do uso da inteligência artificial. Com base nisso, nosso objetivo é explorar técnicas modernas de aprendizado de máquina para treinar um modelo de predição pré-operatória de endometriose baseado em parâmetros clínicos. Vamos analisar retrospectivamente uma base de dados anonimizada com 298 mulheres com idade entre 18 e 50 anos que foram submetidas à laparoscopia diagnóstica no HCFMRP-USP por suspeita clínica de endometriose. Os dados serão amostrados de forma randômica e estratificada pelo achado cirúrgico e separados em amostras para treinamento e validação na razão de 0.25. Pretendemos aplicar os seguintes modelos de aprendizado de máquina logistic regression, support vector machine, k neighbors classifier naive Bayes, decision tree classifier, random forest, gradient boosting classification e multilayer perceptron(MLP). O projeto foi aprovado pelo CEP local em 2 de agosto de 2021 (parecer n°4.879.271, CAAE 49523621.70000.5440). Do ponto de vista clínico científico, pretendemos desenvolver uma ferramenta que auxilie os profissionais da saúde na predição efetiva da endometriose com dados clínicos. A boa seleção pré-operatória das pacientes é fundamental especialmente neste cenário de pandemia com necessidade de otimizar as indicações cirúrgicas. Do ponto de vista da formação de recursos humanos pretendemos capacitar um aluno na metodologia e desenvolver seu pensamento crítico no uso da tecnologia. (AU)