Um estudo da Universidade de São Paulo (USP) revela que técnicas de mineração de dados e redes complexas podem ser utilizadas no diagnóstico de doenças mentais.
O estudo foi realizado e é dissertação de mestrado de Caroline Lourenço Alves, hoje aluna de doutorado pelo programa de Ciências de Computação e Matemática Computacional da USP.
A mineração de dados (Data Mining) é um processo de análise de uma grande quantidade de dados, com o propósito de reunir informações que se relacionam e que possam ser utilizadas para um determinado fim.
Ela é relativamente parecida com Data Science, que na computação é muito utilizada para organizar interesses individuais e coletivos para aprimorar a inteligência artificial de mecanismos como pesquisa, anúncios e também para métricas corporativas e de pesquisa científica.
O que é Data Science?
A ciência de dados, mais conhecida por seu nome originário, “Data Science”, é uma área interdisciplinar voltada para o estudo e a análise de dados, estruturados ou não, que visa a extração de conhecimento ou insights para possíveis tomadas de decisão, de maneira similar à mineração de dados.
O que é Data Mining?
Data mining ou mineração de dados é o processo de explorar grandes quantidades de dados à procura de padrões consistentes, como regras de associação ou sequências temporais, para detectar relacionamentos sistemáticos entre variáveis, detectando assim novos subconjuntos de dados.
Como a mineração de dados e as redes neurais podem contribuir para o diagnóstico de doenças mentais
Para entender o estudo, é preciso compreender o que são as redes neurais. As redes neurais funcionam como um cérebro humano e as conexões entre os neurônios.
Essas redes são capazes de aprender, conforme vão se conectando, o chamado “aprendizado de máquina”.
Com o tempo, elas ficam mais inteligentes e precisas.
De modo resumido, redes neurais são algoritmos baseados no sistema nervoso central, capazes de reconhecer padrões e relações entre dados, além de agrupá-los e classificá-los.
Diante do contexto das redes neurais, a pesquisadora buscou classificar pacientes portadores de três diferentes tipos de doenças mentais.
Para isso, o estudo examinou dois grupos de pessoas para cada doença, sendo um deles saudáveis e outro grupo com a doença.
| Doença | Pacientes | Regiões coletadas |
|---|---|---|
| Esquizofrenia | 20 pessoas saudáveis – 19 pacientes com esquizofrenia infantil | 149 regiões do cérebro coletadas |
| Autismo | 45 pessoas saudáveis – 60 pacientes com autismo | 264 regiões do cérebro coletadas |
| Déficit de atenção/DH | 330 pessoas saudáveis – 190 pacientes com déficit de atenção/DH | 190 regiões do cérebro coletadas |
Subgrupos com Déficit de atenção/DH
Especificamente nos grupos de coleta para o déficit de atenção, houve a subdivisão de grupos, sendo relacionados em três classes, o DAHD-desatento, com 74 pacientes.
O DAHD-Hiperativo/impulsivo, com 7 pacientes, e o DAHD-combinado, com 109 pacientes.
Dos grupos, os pacientes com DAHD-desatento sofrem de desatenção e dificuldade em se concentrar em atividades que exijam atenção.
Aos classificados com DAHD-Hiperativo/impulsivo, há sintomas como a inquietação, impaciência e instabilidade de humor.
Por fim, aos que foram relacionados com a última classe, DAHD-combinado, apresentam os sintomas das duas classes primárias.
Ao TecStudio, Caroline afirmou que os dados foram aferidos através da técnica de imagem por ressonância magnética funcional.
“Essa técnica utiliza a ressonância magnética nuclear para avaliar as mudanças de metabolismo ou de função cerebral em um certo intervalo de tempo“, explica a estudante e pesquisadora da USP. “Estávamos interessados em três tipos de doenças mentais, sendo elas: esquizofrenia infantil, desordem do espectro autista (em inglês, autism spectrum disorders, ASD) e Déficit de atenção/desordem de hiperatividade (em inglês, Attention Deficit/Hypractivity Desorder, ADHD).“
A mineração de dados e os algoritmos
Com os dados aferidos, o estudo realizou diversas etapas.
Em primeiro plano, foi necessário determinar quais algoritmos preditivos são capazes de fornecer o melhor desempenho e a melhor performance.
Em segundo plano, determinou-se os métodos de seleção e normalização capazes de otimizar e buscar melhorias ao desempenho dos algoritmos preditivos.
Algoritmos preditivos
Em outras palavras, fala-se em algoritmos preditivos com o intuito de utilizá-los para o diagnóstico automático das doenças.
Para grande parte dos casos, exames tradicionais podem não revelar de forma eficaz quais doenças uma pessoa porta, principalmente quando falamos de sistema nervoso e também de transtornos psicológicos, pois há uma maior complexidade em definir um diagnóstico.
Para ler depois: USP oferece curso gratuito de Libras, a Língua Brasileira de Sinais
Acima de tudo, o modelo seguido por um cultura do ser humano de sempre buscar a “correção” ao invés de métodos preditivos, pode dar tempo para que a doença se manifeste.
Depois disso, esses métodos de seleção e otimização com base em redes neurais e mineração de dados foram utilizados para realizar o diagnóstico preditivo de todos os grupos portadores das doenças.
“Através dessas matrizes, foram coletadas várias medidas de redes complexas que foram utilizadas como variáveis para os algoritmos de aprendizado de máquina classificarem, ou seja, discriminarem se o paciente possuía ou não aquela doença.”, explica Caroline Lourenço.
Ainda segundo a pesquisadora, a ideia do projeto de pesquisa que utiliza a mineração de dados e redes neurais para detecção de doenças mentais veio do orientador e professor de matemática aplicada do Instituto de Ciências Matemáticas e de Computação da Universidade de São Paulo, o Dr. Francisco Aparecido Rodrigues.
“Era um estudo que ele já tinha muito interesse e decidiu propor para mim, devido a minha formação interdisciplinar em Física Biomolecular. Fiquei muito animada, pois na graduação de Física tive contato com várias pessoas que sofriam de depressão e outras doenças mentais, sendo que estas cada vez mais têm aumentado.”
A crise e a desvalorização da ciência brasileira
A importância de estudos como o exposto revelam que o Brasil sabe e precisa fazer ciência.
Nos últimos anos, a comunidade científica brasileira vem assistindo à desvalorização de recursos destinados à pesquisa e estruturas para se desenvolver ciência de qualidade no país.
Com isso, centenas de milhares de projetos de pesquisa ficaram perdidos sem investimentos e sem projeção de futuro.
Logo, autora do projeto “Diagnóstico de doenças mentais baseado em mineração de dados e redes complexas”, Caroline revelou desanimo com a atual situação da ciência brasileira e pensou “em desistir da área acadêmica e seguir no mercado de trabalho“.
Além disso, para a pesquisadora e estudante da USP, “há uma baixa expectativa que haja uma melhora na valorização da pesquisa por parte do governo, baseadas nas decisões tomadas até o presente momento”.
“O vazio é o espaço da liberdade…”
Em conclusão, questionada sobre qual mensagem passar aos futuros pesquisadores que dependem de bolsas e programas do governo para desenvolver ciência, a estudante de doutorado recorre ao escritor e filósofo russo Fiódor Dostoiévski, em “Os Irmãos Karamazov”:
“O vazio é o espaço da liberdade, a ausência de certezas. Mas é isso o que tememos: o não ter certezas. Por isso trocamos o voo por gaiolas. As gaiolas são o lugar onde as certezas moram.”
“E que continuemos seguindo com a nossa verdadeira paixão, e o que nos motiva independente de toda a escuridão que nos têm circundado, e sonhemos com crescimento e aumento da inclusão social na Ciência Brasileira.”
