PCESS609/ ISTOCK - Arquivo
MADRID 4 jun. (EUROPA PRESS) -
Dois estudos liderados pela Universidade Politécnica de Madri (UPM) mostram como é possível gerar dados sintéticos confiáveis quando os dados reais são escassos, o que teria aplicações diretas na pesquisa oncológica.
Conforme explica a UPM, a inteligência artificial (IA) precisa de dados para aprender. Na medicina, no entanto, esses dados costumam ser escassos, heterogêneos e difíceis de compartilhar por razões éticas, legais e de privacidade. O problema é especialmente acentuado em áreas como o câncer, as doenças raras ou os estudos de sobrevida, onde reunir grandes conjuntos de pacientes nem sempre é possível.
Nesse contexto, uma equipe da UPM desenvolveu dois trabalhos complementares para melhorar a geração de dados sintéticos, ou seja, registros artificiais que reproduzem padrões estatísticos dos dados reais sem copiar pacientes específicos.
Com base nos resultados obtidos, os autores destacam uma ideia relevante para o futuro da IA médica: “não basta verificar se os dados sintéticos servem para treinar um modelo em uma tarefa específica; também é necessário medir até que ponto eles realmente se assemelham aos dados originais e se conservam relações complexas entre variáveis”.
Por isso, ambos os trabalhos insistem na necessidade de combinar métricas de utilidade com métricas de similaridade, o que permite validar melhor a qualidade real dos dados sintéticos.
O primeiro dos estudos, publicado na revista ‘Neurocomputing’, propõe uma metodologia para que os modelos generativos aprendam melhor com poucos exemplos reais. A chave é introduzir um “viés indutivo artificial”, uma espécie de guia matemático prévio que orienta o modelo em cenários com muito poucos dados.
Para isso, os pesquisadores combinaram técnicas de transferência de aprendizado e de metaaprendizado e compararam várias estratégias, como o pré-treinamento, a média de modelos, o chamado “model-agnostic meta-learning” (MAML) e a “domain randomized search” (DRS).
Os resultados mostram que, em geral, as estratégias de transferência de aprendizado ofereceram o melhor desempenho e melhoraram de forma muito notável a qualidade dos dados sintéticos gerados. Em alguns experimentos, a melhoria chegou a 60% na divergência de Jensen-Shannon, uma métrica que permite estimar até que ponto a distribuição dos dados sintéticos se assemelha à dos dados reais.
ESTIMA UMA POSSÍVEL RECAÍDA
O segundo estudo, publicado no 'IEEE Journal of Biomedical and Health Informatics', transfere essa metodologia para o âmbito biomédico e a testa em pesquisas oncológicas e em análises de sobrevida. Esse tipo de análise permite estimar o tempo até que ocorra um evento clínico relevante, por exemplo, uma recidiva, uma progressão da doença ou o óbito, e é especialmente sensível à falta de dados.
O trabalho mostra que a metodologia também se revela útil neste contexto complexo e ajuda a gerar dados sintéticos de alta qualidade, mesmo em condições muito restritivas.
As implicações desta linha de pesquisa são amplas. Na opinião de Patricia Alonso, pesquisadora da UPM: “Dispor de dados sintéticos confiáveis pode, por um lado, facilitar o desenvolvimento e a validação de ferramentas de IA em hospitais e centros de pesquisa com poucos dados e, por outro, favorecer estudos em coortes pequenas, bem como abrir novos caminhos de colaboração e de ciência aberta sem comprometer a privacidade dos pacientes”.
Esta notícia foi traduzida por um tradutor automático