Um modelo baseado em dados clínicos que combina XGBoost e LSTM aprimora a reabilitação domiciliar para DPOC, melhorando a precisão e a previsão dos dados. Ele atinge 98% de precisão e 42,5% de melhoria do indicador, abordando as limitações do tratamento tradicional hospitalar.
É necessária uma assinatura do JoVE para visualizar este conteúdo. Faça login ou inicie seu teste gratuito.
Artigo de investigação
Modelo inteligente de diagnóstico e tratamento baseado em dados clínicos para o gerenciamento da reabilitação domiciliar da doença pulmonar obstrutiva crônica
Neste artigo
Resumo
Resumo
O tratamento tradicional de reabilitação intra-hospitalar para doença pulmonar obstrutiva crônica (DPOC) apresenta problemas como escassez de recursos, alto custo e transporte inconveniente. Para melhorar a conveniência do tratamento de reabilitação da DPOC, é proposto um modelo de diagnóstico e tratamento inteligente baseado em dados clínicos para o manejo da reabilitação domiciliar da DPOC. O modelo inteligente de diagnóstico e tratamento para reabilitação domiciliar da DPOC é otimizado pela combinação do algoritmo XGBoost e da rede de memória de longo prazo e curto prazo. Os resultados indicam que o algoritmo XGBoost tem a maior precisão no processamento de dados clínicos estruturados, enquanto o algoritmo de floresta aleatória (RF) tem a menor precisão no processamento de dados clínicos estruturados. Quando a quantidade de amostras de treinamento é 300, as taxas de precisão são de 98% e 83%, respectivamente. A integração do algoritmo XGBoost e da rede de memória de longo prazo é usada para processar os indicadores de monitoramento, resultando na maior taxa de melhoria e no menor erro quadrático médio. Quando o tamanho da amostra é 1000, a taxa de melhoria dos indicadores de monitoramento é de 42,5% e o erro quadrático médio é de 0,041. O método proposto no estudo pode processar efetivamente dados clínicos, melhorar a precisão do processamento de dados e prever com precisão mudanças futuras na DPOC.
Introdução
A DPOC é uma doença crônica comum com altas taxas de incapacidade e mortalidade, o que impacta significativamente o padrão de vida dos pacientes. O modelo tradicional de gestão da reabilitação apresenta problemas como defasagem de informação e intervenção intempestiva no tratamento da DPOC. No entanto, com o avanço da tecnologia, algumas tecnologias emergentes, como o algoritmo Extreme Gradient Boosting (XGBoost), trouxeram novas possibilidades para o manejo da DPOC1. Embora o XGBoost tenha demonstrado aplicabilidade em vários contextos de monitoramento de saúde, inclusive na medicina esportiva, este estudo aproveita especificamente seus pontos fortes para o gerenciamento da DPOC em um ambiente de reabilitação domiciliar. O foco permanece em melhorar a precisão preditiva e o atendimento personalizado para pacientes com DPOC usando dados de monitoramento clínico e remoto2. Por exemplo, ao coletar indicadores fisiológicos, como frequência cardíaca, frequência respiratória, etc., essa combinação não apenas ajuda no manejo de pacientes com DPOC, mas também oferece novas perspectivas e abordagens para o gerenciamento da saúde3. XGBoost é um algoritmo de árvore de decisão de aumento de gradiente (GB) eficiente. O XGBoost usa técnicas de computação paralela e cache para tornar o treinamento mais rápido e capaz de lidar com a administração de grandes bancos de dados e características intrincadas. Além disso, tem um bom desempenho no manuseio de vários tipos de conjuntos de dados, com excelente capacidade de generalização4. A memória longa de curto prazo (LSTM) é uma estrutura RNN especial comumente usada para processar e aprender dados de séries temporais. O LSTM é sensível ao tempo e é capaz de identificar padrões e características em dados de séries temporais, o que o torna útil para atribuições como processamento de sinais e previsão de séries temporais. Para obter uma previsão precisa e uma intervenção personalizada da doença, é proposto um método para aplicar o diagnóstico inteligente e o modo de tratamento de dados clínicos ao manejo da reabilitação domiciliar da DPOC. A pesquisa combina de forma inovadora XGBoost e LSTM para otimizar o diagnóstico inteligente e o modo de tratamento da reabilitação domiciliar da DPOC. A combinação dos dois pode alcançar uma previsão precisa da doença e fornecer planos de intervenção personalizados baseados em dados para melhorar o nível de inteligência do gerenciamento da reabilitação domiciliar da DPOC.
Para garantir a utilidade do modelo proposto, vários parâmetros e restrições devem ser levados em consideração. O método pode exigir dados clínicos estruturados (por exemplo, dados de função pulmonar e dados de oxigênio no sangue) e dados de monitoramento remoto (por exemplo, frequência cardíaca, saturação de oxigênio, níveis de atividade) coletados periodicamente de sensores vestíveis confiáveis ou dispositivos de monitoramento doméstico. Para um treinamento estável, o tamanho da amostra deve ser de no mínimo 300 amostras e, para um desempenho ideal, é preferível ter 1000 ou mais amostras. Há também necessidades computacionais, particularmente em termos de treinamento LSTM, que exigem poder de processamento suficiente ou o uso de soluções de implantação baseadas em nuvem para capacidade de previsão.
A DPOC é uma doença respiratória progressiva e irreversível, caracterizada por limitação do fluxo de saída, exacerbações agudas e comprometimento da qualidade de vida (QV). Impacta significativamente as populações nos sistemas de saúde, bem-estar e saúde em todo o mundo; portanto, a previsão precoce e a intervenção oportuna da DPOC são essenciais para limitar a progressão patológica da doença e as internações hospitalares5. As técnicas de aprendizado de máquina (ML) demonstraram melhorar o diagnóstico e o prognóstico da DPOC com dados clinicamente relevantes por meio de abordagens avançadas de modelagem baseada em dados. O XGBoost foi citado para gerar os modelos de ML mais eficazes e bem-sucedidos para dados desequilibrados e interações não lineares entre variáveis clínicas6. A excelente precisão de classificação de doenças pulmonares relatada com XGBoost e Support Vector Machines (SVM) com dados eletrônicos do nariz. Além disso, modelos preditivos baseados em ML foram construídos para prever o risco de DPOC usando dados clínicos desequilibrados, recomendando o XGBoost para melhorar a confiabilidade preditiva7. Além disso, foi validado o forte desempenho do XGBoost entre outros modelos de ML em tarefas de classificação de DPOC. O aprendizado em conjunto também tem sido usado de forma eficaz usando vários modelos de ML de autoaprendizagem para a identificação e classificação da DPOC e detecção de câncer de pulmão, especialmente referenciando o papel do XGBoost nos dados de diagnóstico respiratório8. Em resumo, essas investigações anteriores fornecem a base para usar o XGBoost em uma aplicação modificada usando recursos de transformador LSTM para construir um modelo inteligente de diagnóstico e tratamento para pessoas que vivem com reabilitação domiciliar de DPOC, para aumentar a precisão da previsão e melhor prestação de cuidados e saúde personalizada9.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Protocolo
Este estudo foi revisado e aprovado pelo Comitê de Ética do Hospital de Câncer de Taizhou. O consentimento informado por escrito foi obtido de todos os participantes antes da coleta de dados, de acordo com os padrões éticos institucionais e nacionais. Os reagentes e o software utilizados estão listados na Tabela de Materiais.
1. Visão geral do fluxo de trabalho
O fluxo de trabalho de ponta a ponta para processar dados clínicos estruturados com o XGBoost é mostrado na Figura 1 e inclui ingestão de recursos, construção de árvores, atualizações residuais, regularização e avaliação. O fluxo de trabalho de pré-processamento e modelagem de sequência para dados de monitoramento remoto com LSTM é mostrado na Figura 2, abrangendo reamostragem de 10 minutos, tratamento de lacunas, janelas não sobrepostas de 7 dias, arquitetura de rede e inferência.
2. Recrutamento de pacientes e dados demográficos
Os pacientes foram recrutados consecutivamente em ambulatórios e enfermarias de internação no Hospital de Câncer de Taizhou entre março de 2023 e janeiro de 2024. Os critérios de inclusão foram diagnóstico confirmado de DPOC de acordo com os critérios GOLD (VEF1/CVF < 70%), condição estável no momento da inclusão e idade entre 40 e 80 anos. Os critérios de exclusão incluíram comorbidades graves, como câncer de pulmão, doença cardiovascular não controlada ou comprometimento cognitivo que impedisse o consentimento informado. Um total de 214 pacientes foram incluídos (idade média de 63,7 ± 8,9 anos; 68% do sexo masculino; 54% fumantes atuais ou ex-fumantes).
3. Coleta de dados
Os dados clínicos estruturados incluíram função pulmonar (VEF1, CVF), saturação de oxigênio no sangue (SpO2), tempo de internação hospitalar e duração da doença. A função pulmonar e a SpO2 foram registradas em porcentagens, permanência hospitalar em dias e duração da doença em anos. Os dados de monitoramento remoto foram coletados usando oxímetros vestíveis certificados e rastreadores de atividade validados de acordo com os padrões ouro do hospital: os oxímetros de pulso foram verificados com os monitores Masimo Rad-97 (erro absoluto médio de 1,8% na faixa de SpO2 de 90-100%), os sensores de frequência cardíaca foram validados em relação à eletrocardiografia (erro médio de 2,3 bpm) e os contadores de passos foram calibrados em um protocolo de esteira. Os dados brutos foram exportados como arquivos CSV com carimbo de data/hora em um intervalo de amostragem de 10 minutos.
4. Justificação da dimensão da amostra
Os limiares de 300 amostras de treinamento para XGBoost e aproximadamente 1000 sequências de 7 dias não sobrepostas para LSTM foram apoiados por experimentos e análises de potência/simulação. Uma análise de poder post hoc usando G*Power (versão 3.1) indicou que 300 amostras forneceram >80% de poder para detectar um tamanho de efeito médio (f2 = 0,15 de Cohen) em α = 0,05 na regressão logística. As simulações mostraram que cerca de 1000 sequências foram necessárias para a convergência estável do LSTM em séries temporais fisiológicas multivariadas. A evidência empírica está resumida na Tabela 1 e visualizada na Figura 3 e na Figura 4.
5. Pré-processamento de dados
As entradas ausentes, identificadas como espaços em branco, valores sentinela ou NaN, foram imputadas usando a média do conjunto de treinamento para cada recurso para evitar vazamento de destino:
(1)
onde mj é o número de valores observados para o recurso j. O mesmo 
foi aplicado aos conjuntos de validação e teste. Para remover o viés relacionado à escala, os recursos foram padronizados com normalização do escore z usando parâmetros somente de treinamento:
(2)
onde μj e σj são a média e o desvio padrão do recurso j estimado a partir dos dados de treinamento. Para sinais de séries temporais (SpO2, frequência cardíaca, passos), os fluxos foram alinhados a uma cadência de 10 minutos; lacunas curtas de até 30 minutos foram preenchidas para a frente e lacunas mais longas foram suavizadas com uma média móvel de três pontos. Uma janela deslizante de 7 dias com 1008 intervalos de tempo foi então aplicada para formar sequências não sobrepostas para evitar vazamentos (ver Figura 2).
6. Treinamento de modelo
Para dados clínicos estruturados, o XGBoost foi ajustado por meio de pesquisa em grade sobre a taxa de aprendizado (0,01-0,3), profundidade máxima (3-10) e número de estimadores (100-500) sob um objetivo logístico binário (fluxo de trabalho na Figura 1). Para dados de monitoramento remoto, o LSTM compreendia duas camadas LSTM ocultas com 128 unidades cada, inicialização Xavier, uma taxa de abandono de 0,5 e uma camada de saída sigmóide; A otimização usou Adam com uma taxa de aprendizado de 0,001 implementada no TensorFlow (pipeline na Figura 2). O sobreajuste foi mitigado com abandono e parada precoce (paciência = 10), e o desequilíbrio de classe foi resolvido com SMOTE.
7. Estratégia de avaliação
Os dados estruturados foram avaliados com validação cruzada estratificada de 10 vezes. Os dados das séries temporais foram avaliados com validação walk-forward para preservar a ordem temporal. As métricas incluíram exatidão, precisão, recall, medida F, área sob a curva ROC (AUC) e erro quadrático médio (MSE). As diferenças entre os modelos foram avaliadas usando o teste dos postos sinalizados de Wilcoxon (bilateral). Os números incluem faixas de confiança de 95% ou barras de erro para quantificar a incerteza. Essas escolhas abordam diretamente os riscos de vazamento de séries temporais e a necessidade de significância estatística solicitada pelos revisores.
8. Relevância clínica e testes-piloto
O modelo híbrido previu o declínio da SpO2 6-12 h antes da manifestação clínica em 78% dos pacientes monitorados e reduziu o MSE em 42,5% em relação aos valores basais. Em um piloto de quatro semanas com 20 pacientes com DPOC, as pontuações semanais de risco do modelo concordaram com as avaliações médicas em 85% das revisões, apoiando o potencial de integração clínica.
9. Software e ambiente
As análises foram realizadas em Python 3.10.6 com scikit-learn 1.2.2, XGBoost 1.7.5, TensorFlow 2.13 e PyTorch 1.13 no Ubuntu 20.04 LTS com uma GPU NVIDIA RTX 3080, CUDA 11.6 e cuDNN 8.2. O controle de versão completo e os fornecedores são listados na Tabela de Materiais não numerada.
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Resultados
Estabilidade do tamanho da amostra e desempenho ideal
Para demonstrar explicitamente o limiar de estabilidade, primeiro apresentamos a Tabela 1, seguida pelas curvas de aprendizado na Figura 3 e na Figura 4. A Tabela 1 relata o DP médio ± de precisão, AUC e MSE em tamanhos crescentes de treinamento para o classificador XGBoost em dados estruturados e para o LSTM em séries temporais multivaria...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Discussão
Síntese dos principais resultados
A DPOC impõe uma carga clínica e social substancial por meio de respiração prejudicada, mobilidade reduzida e exacerbações agudas recorrentes10. Aproveitar o monitoramento doméstico contínuo com análises explicáveis pode mitigar essa carga, permitindo a detecção precoce e a intervenção direcionada. Neste estudo, um fluxo de trabalho híbrido integrando XGBoost para variáveis clínicas estruturadas e LSTM para sin...
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.
Divulgações
Os autores não têm nada a divulgar.
Materiais
| Nome | Empresa | Número de catálogo | Comentários |
|---|---|---|---|
| CUDA | NVIDIA | 11.6 | Uma plataforma de computação paralela e um modelo de programação usado para acelerar os cálculos em GPUs. |
| cuDNN | NVIDIA | 8.2 | Uma biblioteca acelerada por GPU para redes neurais profundas para otimizar o desempenho do treinamento do modelo. |
| Máquina de ECG | Philips | PageWriter TC70 | Usado para validar as medições de frequência cardíaca do dispositivo vestível. |
| GPU | NVIDIA | RTX 3080 | GPU de alto desempenho usada para acelerar o treinamento de modelos em grandes conjuntos de dados. |
| Modelo LSTM | - | - | Memória de curto prazo longa Rede neural usada para processamento de dados de séries temporais. |
| Oxímetro de pulso | Masimo | Rad-97 | Usado para medir a saturação de oxigênio no sangue (SpO2) e validar a precisão do dispositivo vestível. |
| Pitão | Fundação de Software Python | 3.10.6 | Linguagem de programação usada para processamento de dados, treinamento de modelos e avaliação. |
| TensorFlow | Pesquise no Google | 2.13 | Biblioteca de software usada para treinar o modelo LSTM e realizar cálculos de redes neurais. |
| Rastreador de atividades vestíveis | Fitbit | Acusação 5 | Usado para rastrear passos e níveis de atividade física. |
| XGBoost | - | - | Biblioteca de software usada para aumento de gradiente (aprendizado de máquina). |
Referências
- Stolz, D., et al. Towards the elimination of chronic obstructive pulmonary disease: A Lancet Commission. Lancet. 400 (10356), 921-972 (2022).
- Adeloye, D., et al. Global, regional, and national prevalence of, and risk factors for, chronic obstructive pulmonary disease (COPD) in 2019: A systematic review and modelling analysis. Lancet Respir Med. 10 (5), 447-458 (2022).
- Asselman, A., Khaldi, M., Aammou, S. Enhancing the prediction of student performance based on the machine learning XGBoost algorithm. Interact Learn Environ. 31 (6), 3360-3379 (2023).
- Deng, Y., Lumley, T. Multiple imputation through xgboost. J Comput Graph Stat. 33 (2), 352-363 (2024).
- Binson, V. A., Subramoniam, M., Sunny, Y., Mathew, L. Prediction of pulmonary diseases with electronic nose using SVM and XGBoost. IEEE Sens J. 21 (18), 20886-20895 (2021).
- Wang, X., et al. Machine learning-enabled risk prediction of chronic obstructive pulmonary disease with un-balanced data. Comput Methods Programs Biomed. 230, 107340(2023).
- Non-invasive diagnosis of COPD with E-nose using XGBoost algorithm. Binson, V. A., et al. Proc Int Conf Adv Comput Commun Embedded Secure Syst, , 297-301 (2021).
- Feng, Y., et al. Predicting chronic obstructive pulmonary disease (COPD) with optimized machine learning via leveraging comparative analysis of XGBoost and CatBoost. J Ambient Intell Humaniz Comput. 16 (4), 613-627 (2025).
- Binson, V. A., Subramoniam, M., Mathew, L. Detection of COPD and lung cancer with electronic nose using ensemble learning methods. Clin Chim Acta. 523, 231-238 (2021).
- Boers, E., et al. Forecasting the global economic and health burden of COPD from 2025 through 2050. Chest J. , (2025).
- Lones, M. A. Avoiding common machine learning pitfalls. Patterns (N Y). 5 (10), 101046(2024).
- Patharkar, A., Cai, F., Al-Hindawi, F., Wu, T. Predictive modeling of biomedical temporal data in healthcare applications: Review and future directions. Front Physiol. 15, 1386760(2024).
- Prater, R., Hanne, T., Dornberger, R. Generalized performance of LSTM in time-series forecasting. Appl Artif Intell. 38 (1), 2377510(2024).
- Lima Marinho, T., do Nascimento, D. C., Pimentel, B. A. Optimization on selecting XGBoost hyperparameters using meta-learning. Expert Syst. 41 (9), e13611(2024).
- Jang, Y. Feature-based ensemble modeling for addressing diabetes data imbalance using the SMOTE, RUS, and random forest methods: A prediction study. Ewha Med J. 48 (2), e32(2025).
- Tian, H., Yuan, H., Yan, K., Guo, J. A cosine adaptive particle swarm optimization based long-short term memory method for urban green area prediction. PeerJ Comput Sci. 10, e2048(2024).
- Johnston, H., Nair, N., Du, D. Estimating calibrated risks using focal loss and gradient-boosted trees for clinical risk prediction. Electronics (Basel). 14 (9), 1838(2025).
- Del Chicca, S., et al. Wearable and thermal drift-compensated monitoring system based on fiber bragg grating sensors for a 3D-printed foot prosthesis. Sensors (Basel). 25 (3), 885(2025).
- Wu, X., et al. Optimizing recurrent neural networks: A study on gradient normalization of weights for enhanced training efficiency. Appl Sci (Basel). 14 (15), 6578(2024).
- Agarwal, M., Anand, S., Patro, M., Gothi, D. Early versus non-early desaturation during 6MWT in COPD patients: A follow-up study. Lung India. 40 (3), 235-241 (2023).
- Thölke, P., et al. Class imbalance should not throw you off balance: Choosing the right classifiers and performance metrics for brain decoding with imbalanced data. Neuroimage. 277, 120253(2023).
Acesso restrito. Inicie sessão ou comece um teste para visualizar este conteúdo.