Qui, 29 Abril 2021 10:57

Trabalho de mestrado apresenta sistema híbrido que otimiza o processo de diagnóstico do autismo

Estudo foi realizado por Evandro Carvalho de Andrade, egresso do Mestrado em Informática Aplicada da Unifor

O trabalho de dissertação intitulado “Um modelo híbrido em aprendizagem de máquina e análise verbal de decisão aplicado ao diagnóstico de autismo” foi realizado por Evandro Carvalho de Andrade durante a formação no Mestrado em Informática Aplicada na Universidade de Fortaleza, instituição da Fundação Edson Queiroz, para auxiliar no diagnóstico do autismo de forma otimizada.

A pesquisa propõe a aplicação de modelos de Aprendizagem de Máquina (AM) para tornar mais preciso o processo de diagnóstico do Transtorno do Espectro Autista (TEA), ajustando os dados e reduzindo, em muitos casos, o número de critérios clínicos necessários para avaliação médica, denotando uma forma eficiente de engenharia de atributos.  

Qual o objetivo da pesquisa? 

O estudo propõe uma abordagem híbrida, estruturada na composição de algoritmos de Aprendizagem de Máquina associados, a um método multicritério de apoio à decisão baseado na metodologia de Análise Verbal de Decisão (AVD), visando a descoberta de conhecimentos e conceitos seguida de refinamento dos resultados

Por que é importante saber? 

O Transtorno do Espectro Autista (TEA) se refere a distúrbios do neurodesenvolvimento mental que afetam milhões de pessoas em todo o mundo. Em crianças, a prevalência é maior em meninos e se estima que uma em cada 160 crianças tenha algum traço pertencente ao espectro autista. 

Diversos protocolos e manuais padronizam as informações utilizadas na detecção correta e eficaz do TEA. Entre os mais utilizados, podem ser citados o Manual Diagnóstico e Estatístico de Transtornos Mentais, 5ª Edição (DSM-5), da Associação Americana de Psiquiatria; o Cronograma de Observação Diagnóstica de Autistas Revisada (ODA-R); a Entrevista Diagnóstica Autista (EDA); e a Classificação Internacional de Doenças, 10ª edição (CID-10), publicada pela Organização Mundial da Saúde (OMS), adotada no Brasil pelo Sistema Único de Saúde (SUS) e pelo Instituto Nacional do Seguro Social (INSS). 

Enfatiza-se, portanto, que o modelo híbrido proposto na pesquisa está estruturado na justaposição de algoritmos de Aprendizagem de Máquina, associado a um método multicritério de AVD, direcionado a explorar o poder preditivo de dados específicos deste estudo, a partir de um grande conjunto de informações bem definidas, para aperfeiçoar e otimizar os modelos de diagnóstico do TEA. 

Quais foram as conclusões? 

O modelo propiciará uma melhor acurácia ao diagnóstico buscado, pela observação clínica de uma sintomática menor, com a redução obtida de 89% de características a serem avaliadas por um perito médico, em uma Avaliação Médica do BPC/LOAS, para o diagnóstico do TEA, em crianças de 0 (zero) a 5 (cinco) anos, em todo o território nacional. A base de dados do estudo abrange milhares de casos de crianças diagnosticadas com TEA, por meio da Avaliação Médica do Benefício de Prestação Continuada/Lei Orgânica da Assistência Social (BPC/LOAS) do INSS.

Orientador: Prof. Dr. Plácido Rogério Pinheiro