tito: uma ferramenta para auxiliar no prognóstico da tuberculose através de um modelo de inteligência artificial (IA)

Resumo

A tuberculose é uma doença séria que foi por muitos anos a principal causa de morte por agente infeccioso no mundo (WHO, 2021). Mesmo com esforços da Organização Mundial da Saúde (OMS) para reduzir a incidência da tuberculose, estima-se que em 2021 cerca de 10,6 milhões de pessoas adoeceram de tuberculose e 1,6 milhão de mortes foram registradas em todo o mundo (WHO, 2022). Monitorar os possíveis desfechos do tratamento da tuberculose é uma tarefa importante que pode auxiliar a reduzir a taxa de mortalidade (JIMÉNEZ-CORONA, 2013). Entretanto, determinar o desfecho da doença durante o tratamento não é uma tarefa trivial. Com base na revisão sistemática desenvolvida por Lino Ferreira da Silva Barros et al. (2023), percebeu-se que ainda é prematuro o uso de ML aplicado a determinar o desfecho do tratamento da tuberculose, apresentando muitas possibilidades para desenvolver novos projetos de pesquisa nesta área. O Brasil dispõe do Sistema de Informação de Agravos e Notificação de Tuberculose (SINAN-TB), que contém uma base de dados com registros de pacientes com doenças de notificação compulsória, entre elas a tuberculose. Um conjunto de dados do SINAN-TB, de janeiro de 2001 a abril de 2020, foi pré-processado por Lino Ferreira da Silva Barros et al. (2021a) e Lino Ferreira da Silva Barros et al. (2021b). Este conjunto de dados possui 964.073 registros de pacientes e 34 atributos, sendo 927.887 pacientes que foram curados com o tratamento e 36.186 pacientes que foram a óbito por tuberculose. Dez modelos de inteligência artificial (IA) foram avaliados por Lino Ferreira da Silva Barros et al. (2021b) para classificação do prognóstico da tuberculose. A partir de um conjunto de experimentos, o modelo de machine learning (ML), Support Vector Machine (SVM), foi selecionado como o modelo com o melhor desempenho (Lino Ferreira da Silva Barros et al., 2022) considerando as seis métricas de avaliação, incluindo 0.595 de Matthews correlation coefficient (MCC) que não é afetada pelo desbalanceamento do conjunto de dados (CHICO e JURMAN, 2020). O modelo SVM está registrado no Instituto Nacional da Propriedade Industrial (INPI) sob nome DeepTub++ e número de registro BR512022002574-4. Este presente trabalho tem como objetivo apresentar uma ferramenta denominada de tito para auxiliar no prognóstico da tuberculose através de um modelo de IA. A metodologia consiste em desenvolver uma ferramenta com três principais módulos: a) tomada de decisão; b) user interface e o c) módulo de acompanhamento do prognóstico ao longo do tempo. O módulo de auxílio à tomada de decisão consiste em um modelo robusto capaz de prever o prognóstico da tuberculose que foi desenvolvido usando rigorosos métodos científicos. Este modelo é utilizado para realizar as classificações do prognóstico da tuberculose entre as classes de cura ou morte. O módulo de user interface consiste em um ambiente web  desenvolvido em HTML5, CSS3, Javascript, Python e Flask, onde a camada de aplicação é responsável pelo processamento da linguagem Python incluindo o modelo de IA e o processamento dos dados, enquanto a camada interface é responsável pela captura dos dados, comunicação assíncrona com a servidor para processamento das validações de cadastros e pela comunicação síncrona para repasse dos dados de entrada para processamento e armazenamento em banco de dados. O módulo utiliza o modelo de ML treinado para realizar as classificações de prognósticos de tuberculose fornecido pelo módulo de auxílio à tomada de decisão; executa a interoperabilidade através da técnica XAI e controla a entrada de dados para o módulo de acompanhamento através de um formulário de interface gráfica. Também é responsável pelo cadastro e login do profissional de saúde que pode cadastrar pacientes usando identificadores únicos e consequentemente realizar classificações para um mesmo paciente ao longo do tempo. O módulo também é responsável por salvar os resultados previstos em um banco de dados para ser utilizado pelo módulo de acompanhamento do paciente. O módulo de acompanhamento do prognóstico da tuberculose ao longo do tempo é responsável por registrar e monitorar o prognóstico e as probabilidades de cura ou morte para manter um histórico de predições da tito para cada paciente. No momento em que uma classificação é realizada, o sistema verifica o histórico daquele paciente selecionado (que foi previamente cadastrado pelo profissional de saúde) e o histórico de predições realizadas em um gráfico com a evolução das previsões feitas pela plataforma ao longo do tempo será exibido, mostrando a data da predição, a classe e o percentual de probabilidade. Como resultado, tem-se a aplicação web tito que funciona em ambiente seguro respeitando a Lei Geral de Proteção de Dados (LGPD). O profissional de saúde após o cadastro pode manter uma lista de pacientes identificáveis através de uma chave única no sistema, nenhum dado sensível é armazenado, como nome completo, data de nascimento, nome da mãe, nem endereço. A tito está disponível através do endereço eletrônico seguro https://tito.deeptub.app, além de ser acessível de maneira responsiva em qualquer dispositivo incluindo computadores, notebooks, tablets e smartphones. A predição é representada por um gráfico de Gauge com o percentual entre 0 e 100% da chance de um paciente ser curado ou que venha a óbito por tuberculose, sendo que para cura um gráfico nas escalas de cor verde é exibido, enquanto para óbito exibimos um gráfico na escala de cor vermelha. Conclui-se, portanto, que a ferramenta ‘tito’ tem potencial para ser uma ferramenta de baixo custo para uso no sistema público pelo Sistema Único de Saúde (SUS) do Brasil ou na rede particular de saúde, e pode auxiliar os profissionais de saúde na previsão do prognóstico da tuberculose e ajudar a reduzir aos desfechos negativos como morte pela doença.