O trabalho proposto visa projetar e implementar uma nova técnica de aprendizado de transferência para permitir uma melhor compreensão dos resultados de saúde a longo prazo e apoiar insights epidemiológicos personalizados.
Research Article
O trabalho proposto visa projetar e implementar uma nova técnica de aprendizado de transferência para permitir uma melhor compreensão dos resultados de saúde a longo prazo e apoiar insights epidemiológicos personalizados.
As sequelas pós-agudas do SARS-CoV-2 (PASC) representam um ambiente de risco extremo com consequências graves, especialmente para adultos de meia-idade e idosos e aqueles com condições crônicas de saúde, como doenças cardiovasculares, câncer, doenças respiratórias e diabetes. Os distúrbios físicos incluem dores corporais severas e persistentes, fadiga e dificuldade com os movimentos corporais. Da mesma forma, transtornos de humor como depressão, alterações de humor, sentimentos de desesperança e dificuldade de concentração são preditores significativos de PASC. Indivíduos, predominantemente de meia-idade e idosos, estão enfrentando maiores consequências físicas e mentais, incluindo hospitalizações frequentes, condições clinicamente instáveis e, em alguns casos, fatalidades inesperadas. A identificação oportuna de PASC é essencial para mitigar a gravidade dos problemas de saúde associados. Esta pesquisa recomenda um modelo de transferência latente para integrar dados de pacientes de diferentes regiões, extrair insights sobre os dados e fornecer soluções de saúde personalizadas. Este estudo apresenta o potencial do modelo de aprendizado de transferência latente para melhorar a simplificação de dados, generalização, personalização, detecção de insights, variabilidade, escalabilidade e adaptabilidade para melhorar os resultados de saúde pública.
A doença do coronavírus de 2019 (COVID-19) foi identificada pela primeira vez em Wuhan, China. Em 31de dezembro de 2019, a China informou à Organização Mundial da Saúde (OMS) sobre doenças inflamatórias pulmonares de etiologia desconhecida observadas na cidade de Wuhan, província de Hubei, China1. De 31de dezembro de 2019 a3 de janeiro de 2020, 44 pessoas foram infectadas por este vírus e tinham histórico de contato com o mercado atacadista - "Huanan Seafood". Inicialmente, os pacientes foram testemunhados com febre, fadiga e tosse seca. O surto deste vírus ocorreu em 30de janeiro de 2020 e foi anunciado como uma Emergência de Saúde Pública de Interesse Internacional pela OMS1. Em meados de fevereiro de 2020, mais de 25 países foram afetados pelo novo coronavírus, com 70.635 e 794 casos na China e em outros países, respectivamente. Mil setecentos e setenta e duas mortes (1772) na China e três mortes em todos os países foram oficialmente declaradas. Em 31de dezembro de 2019, vários casos de infecção por pneumonia foram relatados, e a OMS informou que não houve mortes relatadas em Wuhan. Na Tailândia, o primeiro caso foi anunciado em Bangkok em 13de janeiro de 2020 para uma mulher chinesa de 61 anos que retornou da cidade de Wuhan em 8de janeiro de 2020 após visitar a cidade de Wuhan. Ela era sintomática com dor de garganta, tosse, febre, calafrios e dor de cabeça. A pessoa foi testada como COVID-19 positiva na vigilância térmica em8 de janeiro de 2020 e internada no hospital naquele dia por oficiais tailandeses. A pessoa se recuperou da doença. A estrutura de sequenciamento genético do vírus foi compartilhada pelo governo chinês e permitiu que mais países examinassem e diagnosticassem pacientes com eficiência2.
Nos Estados Unidos da América, o primeiro caso foi relatado em Washington em 19de janeiro de 2020 para um homem de 35 anos que retornou da cidade de Wuhan em 15de janeiro de 2020 após sua reunião familiar. Ele estava sintomático com tosse e febre desde 15de janeiro de 2020 e foi aconselhado a fazer exames médicos. Ele não teve contato com uma pessoa infectada com COVID-19, mas durante sua visita a Wuhan, ele foi infectado com COVID-19 devido ao surto na China. Ele testou positivo para COVID em 20de janeiro de 2020 e foi colocado em quarentena em uma unidade de isolamento aéreo de um centro médico. Após sua admissão na enfermaria de isolamento, ele estava normal com frequência de pulso de 110/min, pressão arterial de 134/87 mmHg, temperatura corporal de 37,2 °C, frequência respiratória de 16 bpm e saturação de oxigênio de 96% com ausculta pulmonar normal. Testes regulares de monitoramento e investigação de COVID foram realizados, e ele foi notado com tosse, náusea e vômito por dois dias3. No segundo dia de internação, queixou-se de desconforto abdominal e, no dia seguinte, não havia evidências de anormalidades na radiografia de tórax. No entanto, no quinto dia, evidências significativas de pneumonia foram observadas na radiografia de tórax e a saturação de oxigênio caiu para 90%. Ele foi orientado a fazer oxigenoterapia, que foi suplementada para melhorar os níveis de saturação. No8º dia, sua condição melhorou e ela recebeu alta da clínica. Na Índia, o primeiro caso foi relatado em Kerala em 27de janeiro de 2020 para uma mulher de 20 anos que havia retornado da cidade de Wuhan devido ao surto de COVID-19 na China. Ela foi assintomática de 23de janeiro de 2020 a 26de janeiro de 2020 e testemunhou dor de garganta e tosse leve a partir de 27de janeiro de 2020. Ela não teve contato com as pessoas infectadas com COVID-19, mas durante sua viagem de trem de Wuhan a Kunming, ela notou várias pessoas com problemas respiratórios, resfriados e tosse. Portanto, as autoridades do governo de Kerala a instruíram a ficar em um local isolado e visitar um centro médico para quaisquer sintomas de COVID desenvolvidos nos próximos dias. Após sua admissão no hospital geral, ela estava normal com pulsação de 82/min, pressão arterial de 130/80 mmHg, temperatura corporal de 98,5 °F e saturação de oxigênio de 96% com ausculta pulmonar normal. Testes regulares de monitoramento e investigação de COVID foram realizados no3º, 7º e20º dia a partir do dia da doença. Os testes de swab orofaríngeo foram realizados no primeiro dia e em dias alternados por 23 dias a partir do dia da doença, e foram negativos a partir do17º dia. Ela foi liberada com todos os testes e recebeu alta do hospital em 20de fevereiro de 20204.
No Reino Unido, o primeiro caso de COVID-19 foi relatado em 23de janeiro de 2020 por uma mulher de 50 anos que havia retornado da cidade de Wuhan após sua visita. Inicialmente, ela estava assintomática e desenvolveu sintomas de febre, fraqueza, dor de garganta e tosse seca em 26de janeiro de 2020. Após sua admissão no hospital geral, ela estava normal com frequência respiratória de 18/min, pressão arterial de 120/80 mmHg, temperatura corporal de 37,6 °C e saturação de oxigênio de 97%. Testes regulares de monitoramento e investigação de COVID foram realizados, e a condição do paciente é clinicamente estável. Os exames iniciais relataram que ela apresentava linfopenia leve e aumento da proteína C-reativa. Após o3º dia de internação no hospital, ela foi liberada de todos os sintomas, e os testes de swab orofaríngeo foram revelados como COVID-negativos a partir do segundo dia no hospital. Ela foi isolada por 2 semanas e seus testes de swab de nariz e garganta foram negativos5.
Os coronavírus (CoVs) foram descobertos na década de 1960 e foram classificados da seguinte forma. Orthornavirae é denominado o reino / reino de vários vírus que contêm genomas feitos de ácido ribonucléico (RNA) e que se traduzem com uma RNA polimerase dependente de RNA (RdRp). RdRp transcreve o genoma do RNA viral em RNA mensageiro (mRNA) e replica o genoma. As características dos vírus que estão em Orthornavirae incluem evolução, mutações genéticas, recombinação e rearranjo6. Os genomas feitos de RNA são de três tipos, a saber, vírus de RNA de fita positiva, vírus de RNA de fita negativa (vírus -ssRNA) e vírus de RNA de fita dupla (vírus dsRNA). Os vírus de RNA de fita positiva (+vírus ssRNA) são uma coleção de vírus associados que possuem RNA de fita simples de sentido positivo. O genoma do vírus +ssRNA pode ser usado como RNA mensageiro (mRNA) e é diretamente transformado em proteínas relacionadas ao vírus pelos ribossomos das células hospedeiras. Os vírus +ssRNA estão associados aos filos, como Pisuviricota, Kitrinoviricota e Lenarviricota. Os vírus de RNA de fita positiva contêm vários patógenos, como hepacivírus C, dengue, ebola, sarampo, raiva, gripe, síndrome respiratória aguda grave CoV, síndrome respiratória do Oriente Médio coronavírus CoV e síndrome respiratória aguda grave CoV7. Os vírus de RNA de fita negativa (vírus -ssRNA) são uma coleção de vírus associados que possuem RNA de fita simples de sentido negativo. O genoma do vírus -ssRNA pode ser visto como RNA mensageiro (mRNA) e produzido por uma enzima chamada RNA polimerase dependente de RNA (RdRp). Os vírus -ssRNA constituem o filo Negarnaviricota. Os vírus de RNA de fita negativa contêm dois ramos principais no filo, a saber, Haploviricotina e Polyploviricotina. Importantes vírus de ssRNA de vertebrados são Ebola, Hanta, Influenza, febre de Lassa e raiva. Os vírus de RNA de fita dupla (vírus dsRNA) são uma coleção de vírus polifiléticos que possuem genomas de RNA de fita dupla. O genoma do dsRNA transcreve um +ssRNA pela RNA polimerase dependente de RNA viral (RdRp). O genoma do vírus +ssRNA pode ser usado como RNA mensageiro (mRNA) e é abertamente transformado em proteínas relacionadas ao vírus pelos ribossomos das células hospedeiras. Considerando que o genoma do vírus -ssRNA pode servir como RNA mensageiro (mRNA) e ser produzido por uma enzima RNA polimerase dependente de RNA (RdRp). Os vírus dsRNA estão associados aos filos Duplornaviricota e Pisuviricota. Os vírus de RNA de fita dupla incluem rotavírus (que afetam crianças pequenas) e vírus da febre catarral ovina (que afeta bovinos e ovinos)8.
Pisuviricota é denominado um filo de vírus de RNA, que inclui todos os vírus + ssRNA e dsRNA. Sua classificação inferior contém três classes, a saber, Duplopiviricetes, Pisoniviricetes e Stelpaviricetes. Pisoniviricetes é uma classe de vírus +ssRNA que infectam e contaminam eucariotos. Sua classificação inferior contém três subclasses, a saber, Nidovirales, Picornavirales e Sobelivirales. Nidovirales é uma ordem de envelopados, +ssRNA que infecta e contamina vertebrados e invertebrados9. Este contém uma subordem de vírus, a saber, Abnidovirineae, Cornidovirineae, Nanidovirinae, Arnidovirineae, Mesnidovirineae e Tornidovirineae. Várias famílias são reconhecidas em Nidovirales, como Abyssoviridae, Coronaviridae, Nanghoshaviridae, Nanhypoviridae, Arteriviridae, Medioniviridae, Cremegaviridae, Mesoniviridae, Euroniviridae, Gresnaviridae, Roniviridae, Tobaniviridae, Mononiviridae e Olifoviridae8. Coronaviridae é uma família de vírus envelopados +ssRNA que infecta mamíferos, anfíbios e aves. Sua classificação inferior contém duas subfamílias, Letovirinae e Orthocoronavirinae. Os membros de Orthocoronavirinae são identificados como coronavírus. Os coronavírus são uma subfamília de Coronaviridae, que está relacionada aos vírus de RNA que causam infecções em mamíferos e aves. Em mamíferos e aves, esses vírus causam infecções leves a graves por swab respiratório, como infecções por swab respiratório superior e infecções por swab respiratório inferior10. Esses vírus causam SARS, MERS e COVID-19 em humanos e alguns mamíferos, diarreia em porcos e vacas, hepatite e encefalomielite. Os coronavírus são envelopados +ssRNA que pertencem ao Reino de Orthornavirae, Filo de Pisuviricota, Classe de Pisoniviricetes, Subclasse de Nidovirales, Família Coronaviridae e Subfamília de Orthocoronavirinae. Os coronavírus são categorizados em quatro gêneros, ou seja, coronavírus alfa, coronavírus beta, coronavírus gama e coronavírus delta11. Com base nesta pesquisa, formam-se as seguintes hipóteses.
A mutação spike do Coronavírus-2 da Síndrome Respiratória Aguda Grave (SARS-CoV-2) é extremamente glicosilada. É extremamente significativo examinar as consequências biológicas dessas mutações de pico. Mais de uma mutação pode se originar na mesma posição na sequência da proteína spike. As sequências da proteína spike forneceram uma chance de estimar o amplo espectro de mutações detectadas em todo o mundo e estão representadas na Tabela 1. As mutações consideradas foram consequência da transmissão do vírus de humano para humano. A vacinação provocou reações imunes capazes de neutralizar poderosamente o SARS-CoV-212. Embora as investigações científicas tenham descoberto o advento das variantes do SARS-CoV-2 que ocultam mutações no pico, o objetivo principal continua sendo a neutralização dos anticorpos do hospedeiro. Houve uma indicação crescente de neutralização reduzida de algumas variantes do SARS-CoV-2 após a vacinação. Os fabricantes de vacinas formularam várias plataformas para uma possível atualização das estruturas das vacinas, e pesquisas de variações genéticas e antigênicas na população global de vírus foram conduzidas com experimentos para iluminar as influências fenotípicas das mutações13.
O banco de dados de vírus do National Center for Biotechnology Information (NCBI) contém 10333 proteínas spike SARS-CoV-2 humanas da África, Ásia, Europa, América do Norte, América do Sul e Oceania. A disseminação de várias mutações em proteínas spike examinadas em diferentes localizações geográficas é mostrada na tabela acima. Detalhes do coronavírus Alfa, Beta, Gama e Delta com seus gêneros, características e descrições são fornecidos na tabela acima. Cada gênero é descrito por suas características, como fundamental, variantes, significado, forma, medida, estrutura, fusão de membranas, liberação, contaminação e síntese14.
Conforme mencionado na Tabela 1, cepas de vírus como HCoV-229E, HCoV-OC43, HCoV-NL63 e HCoV-HKU1 observaram sintomas leves a moderados da doença, enquanto SARS-CoV, MERS-CoV e SARS-CoV-2 observaram sintomas críticos graves da doença em humanos. Os microrganismos virais passam pelo corpo e infectam a célula hospedeira. Dependendo da categoria de coronavírus, ele infecta células em diferentes partes do corpo hospedeiro. Assim que se liga à célula forte e saudável, entra nela15. Depois que o vírus se instala dentro da célula hospedeira, ele se organiza e seu DNA e RNA emanam e viajam em direção ao núcleo. Eles se moverão em um fragmento, o que resultará em várias reproduções do vírus. Essas cópias sairão do núcleo para serem montadas e receberão proteína, que protege seu DNA e RNA. Essas novas reproduções do vírus desocuparão as células previamente infectadas e doentes para contaminar outras células hospedeiras saudáveis novamente e se multiplicar. Se o sistema imunológico do hospedeiro conseguir combater o coronavírus, o indivíduo não ficará doente; caso contrário, podem ocorrer complicações prejudiciais à saúde. Se o sistema imunológico não conseguir controlar o coronavírus, isso resulta em patogênese. Com isso, o vírus entra no corpo e infecta diferentes órgãos. Dependendo da gravidade dos sinais ou sintomas, o indivíduo irá descansar ou procurar assistência médica16. O ciclo de vida e várias cepas de coronavírus são representados na Figura 1.
A figura acima mostra o ciclo de vida e os estágios do coronavírus de maneira detalhada. Existem sete estágios, a saber: (1) inserção e admissão, (2) fusão e endocitose, (3) proteólise, (4) tradução e clivagem, (5) replicação, (6) exocitose e (7) liberação do vírus amadurecido. Na fase de fixação e admissão, os microrganismos do Coronavírus são admitidos no hospedeiro, e o objetivo é o reconhecimento resistente ao hospedeiro e estratégias de intervenção. Para entrar nas células hospedeiras, esses vírus primeiro se ligam ao receptor de superfície de uma célula para ligação, depois entram nos endossomos e, finalmente, começam a fusão. Mais tarde, o coronavírus se funde com as bainhas lisossômicas e relacionadas ao vírus na célula hospedeira. Uma proteína spike fixada na superfície do vírus interfere na entrada desses vírus. A endocitose é um processo celular no qual uma substância é transportada para dentro da célula hospedeira17. O material a ser adotado é envolto por uma série de bainhas celulares, que então disparam dentro da célula hospedeira para gerar uma vesícula que envolve a substância ingerida. A endocitose compreende pinocitose e fagocitose; o primeiro é beber células e o último é comer células. A proteólise é a itemização de proteínas relacionadas ao vírus em polipeptídeos/aminoácidos menores. A conversão estruturada de mRNA é um processo pós-transcricional que controla a comunicação gênica e diverge prontamente a profusão de proteínas. Tem um papel principal em procedimentos biológicos abundantes, como crescimento celular, progresso celular, plasticidade sináptica, retortas de estresse e desenvolvimento viral produtivo18. O procedimento de tradução viral pode ser seccionado em três fases, a saber, instigação, alongamento e dissolução.
A replicação viral é o processo de geração de vírus genéticos por meio da contaminação de células hospedeiras infectadas. Para que ocorra a reprodução viral, os vírus devem primeiro entrar na célula hospedeira. Ao replicar repetidamente seu genoma viral e encapsular essas cópias, os vírus sobrevivem e continuam se espalhando infectando novas células hospedeiras19. A exocitose é o mecanismo pelo qual as vesículas contendo partículas virais são secretadas e liberadas da célula infectada, permitindo que os vírus recém-formados entrem no corpo do hospedeiro e infectem células saudáveis adicionais. As sequelas pós-agudas do SARS-CoV-2 (PASC) são reconhecidas como uma síndrome que afeta principalmente os pulmões, embora possa afetar múltiplos órgãos, resultando em danos aos órgãos ou até mesmo falência de órgãos20. Tais complicações podem levar à morte ou problemas de saúde a longo prazo. Por exemplo, o coração pode desenvolver um risco aumentado de insuficiência cardíaca ou outras complicações; os pulmões podem sofrer dificuldades respiratórias de longo prazo após pneumonia; o cérebro pode ser afetado por derrames, convulsões ou síndrome de Guillain-Barré; e os rins podem sofrer danos que podem resultar em choque séptico. A lesão hepática pode ocorrer devido ao desequilíbrio enzimático, enquanto a rabdomiólise leva à quebra do tecido muscular, liberando mioglobina na corrente sanguínea, que pode se tornar fatal se os rins não conseguirem filtrá-la rapidamente. Complicações adicionais incluem a formação de coágulos sanguíneos anormais que causam hemorragia interna e falência de órgãos, infecções secundárias de bactérias como estreptococos ou estafilococos, coagulação intravascular disseminada devido a respostas de coagulação disfuncionais e fadiga crônica, muitas vezes acompanhada de névoa cerebral, cansaço intenso, tontura ou raciocínio prejudicado. Com base nesses desafios, as seguintes hipóteses são propostas: H1: A utilização de um algoritmo de aprendizado de transferência pode aumentar consideravelmente a precisão da previsão e a transferibilidade dos modelos, aplicando dados epidemiológicos para identificar PASC específicos da região. H1a: Modelos de aprendizado profundo que são ajustados usando dados epidemiológicos têm melhor desempenho do que outros modelos. H1b: A combinação de determinantes PASC específicos da região com modelos de aprendizado de transferência melhora a precisão e a eficiência da classificação e do agrupamento. H1c: Essa combinação também pode revelar padrões específicos da região não divulgados ou negligenciados anteriormente. H1d: O aprendizado por transferência permite reduzir o tempo de treinamento e acelerar a convergência em comparação com outros modelos.
Access restricted. Please log in or start a trial to view this content.
Este estudo foi conduzido de acordo com as diretrizes éticas para pesquisas envolvendo dados humanos. Todos os dados dos pacientes utilizados neste estudo foram totalmente anonimizados antes do acesso e análise. Nenhuma informação de identificação pessoal foi usada. O protocolo de pesquisa foi revisado e aprovado pelo Comitê de Ética em Pesquisa (CEP), em conformidade com a Declaração de Helsinque. Quando aplicável, foram obtidas autorizações de acesso aos dados junto das autoridades competentes ou dos repositórios de dados. Como este estudo envolve análise secundária de dados não identificados, o consentimento informado foi dispensado pelo CEP. O modelo de transferência latente proposto é uma técnica de aprendizado semi-supervisionado baseada em aprendizado de máquina projetada para encontrar os padrões ocultos e transferi-los do conjunto de dados de origem para o conjunto de dados de destino, garantindo que seja altamente apropriado para analisar problemas epidemiológicos do PASC16. As condições pós-COVID geralmente se manifestam com diversos sintomas em diferentes populações, levando a dados inconsistentes e esparsos. O trabalho proposto aborda o problema de dados esparsos devido a diversos sintomas em diferentes regiões, aprendendo representações latentes aprimoradas para representar padrões de saúde ocultos dos conjuntos de dados e representando-os como conjuntos de dados emergentes. Para realizar essa conversão, essas técnicas de transferência latente usam codificadores automáticos ou variacionais para representar dados de origem e destino em um espaço latente comum. E esse espaço comum protege os padrões ocultos obtidos, pois os grupos de sintomas pós-COVID estão bem preservados em diversas regiões21. O protótipo pode avançar ainda mais por meio de generalização aprimorada com adaptação de domínio. Usando essa abordagem, o modelo pode ajudar a reconhecer e prever clusters de risco e apoiar a vigilância da saúde pública em áreas remotas. Este trabalho também aprimora o aprendizado, reduzindo a dependência de dados completamente rotulados. Com isso, a abordagem proposta torna-se uma ferramenta poderosa para analisar as lacunas devido à sua abordagem generalizada para várias populações.
1. Fontes de dados e coleta
Este estudo usou conjuntos de dados Kaggle disponíveis publicamente (Conjunto de Dados de Doenças Cardiovasculares, Conjunto de Dados de Previsão de Câncer, Conjunto de Dados de Previsão de Diabéticos em Estágio Inicial e Conjunto de Dados de Previsão de Saúde Mental). Portanto, a aprovação do IRB nesta apresentação não é necessária.
Para conjuntos de dados envolvendo dados de imagem, o pré-processamento foi realizado usando Python com bibliotecas TensorFlow e OpenCV. As etapas de pré-processamento incluíram redimensionamento de imagem (por exemplo, 224 × 224 pixels), conversão em escala de cinza ou RGB, normalização de valores de pixel para o intervalo [0, 1] e técnicas de aumento de dados (rotação, inversão, zoom) para aprimorar a generalização do modelo e reduzir o sobreajuste. As matrizes de imagem foram então convertidas em matrizes NumPy para processamento adicional e entrada de modelo.
Para a seleção de recursos, a Eliminação de Recursos Recursivos (RFE) foi implementada usando a classe RFE do Scikit-learn, normalmente em conjunto com um estimador de Regressão Logística ou Floresta Aleatória. O número de recursos selecionados variou por conjunto de dados, mas uma configuração comum foi reduzir a dimensionalidade para os 10 a 15 recursos mais influentes com base na pontuação recursiva. Esse método melhorou a precisão da classificação, reduzindo a complexidade computacional e o sobreajuste do modelo.
Este estudo utilizou quatro conjuntos de dados disponíveis publicamente do Kaggle. O conjunto de dados de doenças cardiovasculares, o conjunto de dados de previsão de câncer de mama, o conjunto de dados de previsão de diabetes em estágio inicial e o conjunto de dados de previsão de saúde mental. Esses conjuntos de dados foram baixados diretamente do Kaggle e consistem em dados tabulares estruturados contendo atributos clínicos e baseados em pesquisas. O pré-processamento de dados foi realizado usando Python com bibliotecas-chave, como Pandas para manipulação de dados, NumPy para operações numéricas e Scikit-learn para pré-processamento de dados, seleção de recursos e modelagem. Os valores ausentes foram imputados usando estratégias de média ou modo, as variáveis categóricas foram codificadas via One-Hot ou Label Encoding e os recursos numéricos foram dimensionados usando StandardScaler ou MinMaxScaler. Para classes desequilibradas, foi aplicado SMOTE (Synthetic Minority Oversampling Technique) do pacote imblearn. A Eliminação de Recursos Recursivos (RFE) foi implementada usando o módulo RFE do Scikit-learn com estimadores como Regressão Logística e Floresta Aleatória, e o número de recursos foi normalmente reduzido para os 10-15 mais influentes com base em métricas de desempenho do modelo, como ROC-AUC e precisão.
2. Arquitetura do modelo
Esta pesquisa propõe uma variante do algoritmo de rede neural chamada modelo de transferência latente para treinar imagens de entrada do banco de dados de imagens COVID-19. Este trabalho é eficaz para superar o problema do gradiente de desaparecimento ao construir uma rede neural profunda. Embora várias variantes de redes neurais estejam disponíveis com diferentes configurações de camadas, este trabalho se concentra principalmente na implementação de técnicas de aprendizado residual durante o processo de treinamento de redes neurais profundas. O modelo de transferência latente proposto usa um algoritmo aprimorado de ResNet-50 com uma estrutura de camada convolucional 7 x 7, juntamente com redes em camadas achatadas e densas. Essas camadas são utilizadas na transformação de imagens e na classificação multiclasse de pacientes com PASC Este trabalho considera imagens de entrada de tamanho 256 x 256 x 3, utilizando hiperparâmetros eficientes, comportamento de aprendizagem, procedimentos de otimização e volumes de lote. O modelo de transferência latente proposto considera um conjunto de dados de 12.946 imagens para classificar pacientes com risco ativo de desenvolver problemas cardiovasculares, câncer, doenças respiratórias crônicas, diabetes e problemas de saúde mental. Os detalhes do conjunto de dados e os hiperparâmetros são fornecidos na Tabela 2 e na Tabela 3, respectivamente.
Para garantir a reprodutibilidade, todas as etapas de implementação, pré-processamento e avaliação do modelo foram conduzidas em um ambiente controlado usando Python no Jupyter Notebook em um sistema executando o Windows 11, equipado com um processador Intel Core i7 (11ª geração), 16 GB de RAM e GPU NVIDIA GeForce RTX 3060 (para qualquer processamento acelerado, embora a GPU não fosse essencial para esses conjuntos de dados). As bibliotecas de software usadas incluem Pandas 1.5.3, NumPy 1.24, Scikit-learn 1.3.0, Imbalanced-learn 0.11.0 para SMOTE, Matplotlib 3.7.1 e Seaborn 0.12.2 para visualização. O pré-processamento envolveu o tratamento de valores ausentes por meio de imputação média/modo, codificação de variáveis categóricas usando One-Hot ou Label Coding e dimensionamento de recursos usando StandardScaler. O desenvolvimento do modelo utilizou classificadores como Regressão Logística, Floresta Aleatória e Máquinas de Vetores de Suporte, com Eliminação de Recursos Recursivos (RFE) para redução de dimensionalidade. Os modelos foram avaliados usando validação cruzada de 5 vezes e o desempenho foi medido usando métricas como exatidão, precisão, recall e pontuação ROC-AUC, garantindo um pipeline consistente e reprodutível.
3. Pré-processamento e engenharia de recursos
Para recuperar recursos estatisticamente significativos desses conjuntos de dados, uma técnica de pré-processamento chamada "Seleção de recursos usando eliminação de recursos recursivos (RFE)" e um pipeline de modelagem chamado "Aprendizado de transferência com perceptron multicamada (MLP)" são usados.
4. Treinamento e validação
Uma abordagem organizada de treinamento e validação foi usada para avaliar a abordagem proposta para análise e previsão de sintomas de PASC No início, uma divisão hierárquica de teste de treinamento foi aplicada para obter o sistema cumulativo de rótulos de classe com uma proporção de 80:20 dos dados de treinamento e teste. Seguido por validação cruzada de k vezes com k = 5, foi implementado nos dados de treinamento para avaliar a robustez do modelo em várias divisões dos dados. Um classificador MLP com duas camadas ocultas (64 e 32 neurônios) e 300 iterações foi aplicado. Outras técnicas de representação de recursos e aprendizado de transferência foram implementadas.
5. Métricas de avaliação
Acurácia, medida F, média G, MAPE, sensibilidade e especificidade foram calculadas nos dados do teste para comparar o desempenho do modelo proposto. Os resultados ilustram a melhoria das métricas de avaliação, precisão, medida F, média G, MAPE, sensibilidade e especificidade nos dados de teste para comparar o desempenho do modelo proposto com outros modelos de última geração, ou seja, VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN, MobileNetV2 CNN e o modelo de transferência latente proposto. O conjunto de dados acima contém amostras de treinamento, validação e teste de dados cardiovasculares, câncer, respiratórios crônicos, diabetes e relacionados a doenças mentais.
Todos os experimentos foram conduzidos em um ambiente Windows 11 usando Python 3.10 em um sistema com processador Intel Core i7, 16 GB de RAM e GPU NVIDIA RTX 3060. Os conjuntos de dados Kaggle disponíveis publicamente foram pré-processados usando Pandas, NumPy e Scikit-learn para imputação, codificação, dimensionamento e seleção de recursos de valor ausente por meio de RFE (Recursive Feature Elimination). Modelos como Regressão Logística, Random Forest e SVM foram treinados e avaliados usando validação cruzada de 5 vezes com métricas que incluem exatidão, precisão, recall e ROC-AUC para garantir reprodutibilidade e consistência de desempenho.
A tabela acima mostra os detalhes dos hiperparâmetros e a técnica ou algoritmo que os utiliza. Taxa de aprendizado, técnica de parada precoce, tamanho do lote, tamanho da época, retornos de chamada, função de perda e métricas para medir a eficiência são fornecidos para o algoritmo otimizador Adam.
Access restricted. Please log in or start a trial to view this content.
O modelo proposto é comparado com os modelos de transferência existentes, incluindo VGG-16 CNN, VGG-19 CNN, DenseNet-121 CNN, InceptionV3 CNN, ResNet-101 CNN e MobileNetV2 CNN. Os detalhes dos parâmetros e os resultados da comparação são mostrados na Tabela 4, Tabela 5 e Figura 2, respectivamente. Os resultados ilustram a melhoria das métricas de avaliação usando o modelo proposto em relação aos outros modelos, ou seja, VGG-16 CNN, VGG-19 CNN, DenseNet-121 C...
Access restricted. Please log in or start a trial to view this content.
A proposta se concentra na construção de um modelo de aprendizagem de transferência latente para lidar com os impactos do PASC. Essa estrutura leva a graves problemas de saúde física e mental, principalmente em pessoas de meia-idade e idosos, e naqueles sujeitos a doenças crônicas prévias, como doenças cardiovasculares, câncer, doenças respiratórias e diabetes. O objetivo final é unificar diversos dados de pacientes de diferentes populações com a ajuda de um modelo de transferência laten...
Access restricted. Please log in or start a trial to view this content.
Os autores declaram não haver conflitos de interesse em relação à publicação deste artigo.
| Name | Company | Catalog Number | Comments |
|---|---|---|---|
| Ambiente de computação em nuvem (por exemplo, Google Colab / AWS EC2) | Google / Amazon | N/A | Usado para treinar modelos de aprendizado profundo com aceleração de GPU |
| Conjunto de dados epidemiológicos (sequelas pós-agudas do SARS-CoV-2, específico da região) | Repositórios de dados de saúde pública (por exemplo, OMS, CDC, ICMR, hospitais regionais) | N/A | Conjunto de dados para experimentos de aprendizado de transferência |
| Jupyter Notebook | Projeto Jupyter | Código aberto | Ambiente interativo para codificação e documentação |
| Keras | Código aberto | Integrado ao TensorFlow | API de alto nível para criar e treinar modelos de aprendizado profundo |
| Matplotlib / Seaborn | Código aberto | N/A | Bibliotecas de visualização usadas para gráficos e análise de tendências epidemiológicas |
| NumPy | Código aberto | N/A | Biblioteca de computação numérica |
| Pandas | Código aberto | N/A | Biblioteca de manipulação e análise de dados |
| Modelos CNN/Transformer pré-treinados (por exemplo, EfficientNet, modelos baseados em BERT) | TensorFlow Hub / HuggingFace | Específico do modelo | Usado para aprendizado de transferência e ajuste fino para previsão epidemiológica |
| Python (v3.8 ou superior) | Fundação de Software Python | Código aberto | Linguagem de programação usada para pré-processamento de dados, treinamento de modelos e avaliação |
| Scikit-aprender | Código aberto | N/A | Biblioteca de aprendizado de máquina para pré-processamento, métricas de avaliação e modelos de linha de base |
| TensorFlow (v2.x) | Pesquise no Google | Código aberto | Estrutura de aprendizado profundo usada para aprendizado de transferência e implantação de modelo |
Access restricted. Please log in or start a trial to view this content.
Request permission to reuse the text or figures of this JoVE article
Request Permission