Benefícios da mineração de dados no auxílio ao diagnóstico de doenças

Transcrição

1 Benefícios da mineração de dados no auxílio ao diagnóstico de doenças Clayr Madeira de Albuquerque Silva 1, Claudia Galindo Novoa Barsottini 2 1. Bacharel em Sistemas de Informações. Empresa Brasileira de Serviços Hospitalares EBSERH, Brasília (DF), Brasil. 2. Professor Doutor. Universidade Aberta do Brasil, Universidade Federal de São Paulo UNIFESP, São Paulo (SP), Brasil. Resumo Objetivo: Discutir sobre a mineração de dados como uma alternativa eficaz no auxílio ao diagnóstico de doenças, por meio de artigos com experiências relatadas em estudos científicos. Método: Revisão bibliográfica da literatura, por meio de estudo explicativo e revisão narrativa com artigos extraídos nas bases de dados BVS e PubMed, com data de publicação entre Resultados: A mineração de dados em saúde está em visível ascensão em diversos países, com estudos voltados para complemento de diagnóstico e pré-triagem. Assim, foram selecionados seis artigos internacionais que apresentam utilização de tais técnicas para ilustrar a importância desse estudo. Conclusão: Mineração de dados em saúde é um método computacional de baixo custo, capaz de fornecer subsídios suficientes para auxiliar o profissional de saúde no pré-diagnóstico reduzindo exames considerados caros ou invasivos, além de proporcionar tratamento antecipado ao paciente e, inclusive, aumentar as chances de cura. Descritores: Mineração de dados, data mining, diagnóstico por computador. Introdução O mundo vive o momento da era da informação segundo Fayyad (1), caracterizada por uma expansão de dados gerados e armazenados, causando uma sobrecarga de dados. Com a redução do preço dos hardwares e a popularização dos programas de computadores, as organizações conseguem armazenar um número cada vez mais dados (2). Estimasse que grandes centros radiológicos produzem anualmente cerca de 2 terabytes de dados de imagem (Oliveira et al. (3), 2007). O que não necessariamente significa conhecimento. Afinal, deter um grande número de dados, não obrigatoriamente, traduz em conhecimento.

2 Ainda segundo Fayyad (1), o modelo tradicional de transformação de dados em conhecimento, consiste em um processamento manual de todas essas informações, produzindo relatórios que ainda serão analisados por um especialista. O que, em grande parte das situações, torna-se impraticável devido ao grande volume de dados (2). Situações como esta motivou especialistas no final da década de 80 à descoberta de conhecimento em base de dados, denominada KDD (Knowledge Discovery in Database). Fayyad, conceitua KDD como um processo, de várias etapas, não trivial, interativo e iterativo, para identificação de padrões compreensíveis, válidos, novos e potencialmente úteis a partir de grandes conjuntos de dados. Figura 1 Representação do processo de KDD, (Adaptado de Fayyad et al., 1996). A mineração de dados (data mining) surgiu como uma solução para extrair informações previamente desconhecidas através de busca de padrões, com aplicação de algoritmos específicos que melhor se adequam ao problema proposto. Colocando a mineração de dados como uma etapa do processo de descoberta de conhecimento em banco de dados (1), onde sua execução está relacionada ao que se deseja encontrar nos dados, podendo ser regularidades, associações, similaridades, entre outros. As tarefas podem ser dividas em preditivas e descritivas, respectivamente métodos supervisionados e não-supervisionado (4). Durante o processo de mineração de dados, diversas métodos podem ser testados e combinados, com o objetivo de realizar o maior número de comparações e então, a utilização da melhor técnica (ou combinação de técnicas) (2).

3 Processos diversos definem e padronizam as fases e atividades da mineração de dados, salvo algumas particularidades, todos em geral contém a mesma estrutura (2). O modelo a ser considerado padrão de maior aceitação é o CRISP-DM (Cross- Industry Standard Processo of Data Mining), atualmente na versão 2.0 (5). Figura 2 Representação do processo CRISP-DM, (Adaptado de Larose (6), 2005). A técnica de mineração de dados pode ser aplicada com êxito em diversas áreas, destacando decisões que envolvem o julgamento, a triagem de imagem, a previsão de carga, a predição de diagnósticos e outras tarefas de previsão (7). Ao identificar padrões ocultos em um banco de dados por meio da mineração, é possível obter informação que permite uma nova perspectiva sobre certas doenças, possibilitando a realização de pesquisas em diversas áreas da medicina, contribuindo com novas descobertas e melhorando os resultados obtidos com outras metodologias (8). Além disso, possibilita o aumento da eficácia do diagnostico, proporcionando, inclusive, a descoberta antecipada de determinadas doenças. Ferreira D, Oliveira A, Freitas A (8), em sua pesquisa, explica que em comparação com os estudos identificados na literatura, é esperado que técnicas de mineração de dados poderia induzir previsões com maior precisão do que métodos tradicionais conhecidos.

4 Ante o exposto, este trabalho se propõe, pesquisar e discutir sobre a utilização da mineração de dados na saúde como um aliado no diagnóstico de doenças, sendo uma alternativa eficaz, não invasiva e que possibilita a redução dos custos de exames médicos. A pesquisa se baseia em relatos sobre experiências de aplicação da mineração de dados na saúde focada para o diagnóstico, buscando demostrar as possibilidades de sua utilização. O trabalho não se aprofundará em algoritmos utilizados, tendo em vista a sua complexidade e extensão. Método A metodologia adotada na elaboração do projeto será de revisão bibliográfica da literatura, por meio de estudo explicativo e revisão narrativa. Após a busca com os descritores nas bases de dados bibliográficas, foram aplicados filtros com a finalidade de refinar a busca e priorizar os resultados que houveram o uso da técnica de mineração de dados, sendo: 1. Assunto principal: mineração de dados; 2. Disponibilidade do texto completo; 3. Documentos do tipo artigo; 4. Período de publicação do artigo entre 2012 e 2016; Artigos que não disponibilizaram versão completa de leitura foram excluídos do resultado e artigos que não apresentaram claramente a forma de utilização do data mining. As bases de dados bibliográficas utilizadas para busca foram BVS e PubMed, onde teve os seguintes descritores: Mineração de dados, data mining e diagnóstico de doenças. Foram usados sinônimos e traduzido para outros idiomas para ampliar os resultados. Os descritores com os operadores lógicos ficaram da seguinte maneira: (("mineração de dados") OR ("data mining")) AND (diagno*) AND ((doenç*) OR (patologia) OR (enfermedad*) OR (diseases) OR (illness) OR (pathology)) Resultados De acordo com a metodologia adotada e os critérios de busca dos artigos, foram selecionados seis artigos para embasar a revisão bibliográfica. Na seleção,

5 priorizou-se a data de publicação, sua contribuição prática para saúde e técnica utilizada para mineração de dados. Foram utilizadas buscas de mais de uma forma de utilização de mineração de dados em favorecimento ao diagnóstico médico, o que possibilitou uma melhor ilustração sobre o tema proposto, motivando o leitor para uma abordagem mais detalhada no futuro. Tabela 1 Artigos selecionados nas bases de dados BVS e PubMed, sobre data mining como auxilio a diagnostico de doenças. Título do Artigo/Referência Applying data mining techniques to improve diagnosis in neonatal jaundice (8) A data mining approach for diagnosis of coronary artery disease (9) Mining Disease Risk Patterns from Nationwide Clinical Databases for the Assessment of Early Rheumatoid Arthritis Risk (10) Applying under-sampling techniques and costsensitive learning methods on risk assessment of breast cancer (11) Novel data-mining approach identifies biomarkers for diagnosis of Kawasaki disease (12) Objetivo Melhorar o diagnóstico da icterícia neonatal com a aplicação de técnicas de mineração de dados. Mineração de dados para alcançar métodos com alta precisão, menos efeitos colaterais e baixo custo para diagnóstico de doença arterial coronariana. Um quadro novo para a avaliação artrite reumatóide inicial que utiliza o pré-processamento de dados, e mineração de padrões de risco, validação e análise. Propor um modelo computacional, que é baseada apenas na informação pessoal de saúde, para avaliação do risco de câncer de mama. Procurou-se elaborar um painel de biomarcadores que podem distinguir entre os pacientes com doença de Kawasaki e outas doenças febris com precisão suficiente para ser clinicamente útil. Resultados Com a mineração de dados a precisão para a predição de hiperbilirrubinemia foi de 89%, a 24 horas de vida do recémnascido. Usando métodos de mineração de dados e o algoritmo de criação de recurso, 94,08% de precisão é alcançado, que é maior do que as abordagens conhecidas na literatura. O quadro proposto é amplamente aplicável para a mineração de padrões de risco para as principais avaliações da doença. Isso permite a identificação de padrões de risco precoces que estão significativamente associados com uma doença alvo. Modelo tem o potencial para ser servido como uma ferramenta auxiliar no diagnóstico do câncer da mama. Após a validação prospectivo, este painel de 8 biomarcador pode melhorar o reconhecimento da doença de Kawasaki. Multimedia data mining for Seu objetivo é reduzir a carga Capaz de detectar automaticamente

6 automatic diabetic retinopathy screening (13) sobre os oftalmologistas, detectando automaticamente os registros de exame não atribuíveis relacionados com a retinopatia diabética ou qualquer outra patologia da retina. 68% dos registros de exame não atribuíveis ao conseguir a mesma sensibilidade que um segundo oftalmologista. Isto sugere que poderia reduzir com segurança a carga sobre oftalmologistas em 56%. Discussão Atualmente, muitas técnicas de mineração de dados são utilizadas na previsão de doenças e para tratar problemas relacionados. Isso se deve ao aumento recente de registros médicos eletrônicos, entre outros fatores. É esperado que, com a utilização no diagnóstico, os custos e os encargos de saúde pública diminuam consideravelmente, melhorando a precisão do diagnóstico, prevenção, tratamento e qualidade do atendimento (10). Diagnóstico precoce, segunda opinião técnica, redução de exames invasivos e redução de custos médicos são objetivos de diversos estudos envolvendo mineração de dados e saúde. Consequentemente, é possível proporcionar tratamento antecipado ao paciente, reduzindo danos causados pela doença e aumentando as chances de cura (10). Um dos processos da mineração é a aplicação de algoritmos de analises de dados. Dentre os diversos algoritmos que podem ser utilizados neste processo, destaca-se, por sua aplicabilidade, as regras de associação (14). A premissa básica desta regra é identificar quais atributos estão relacionados. Apresentam a forma: SE atributo X ENTÃO atributo Y. É uma tarefa bastante conhecida devido aos resultados positivos obtidos (2). No diagnóstico de doenças, essa regra pode ser utilizada para buscar sintomas/doenças que juntas, podem caracterizar a doença em estudo. Se um paciente tem vários sintomas (atributos), como febre alta, dor de cabeça, dor atrás dos olhos, perda de apetite, vômitos e tonturas, ele tem uma forte chance de ter dengue. Em um estudo com objetivo de facilitar a detecção precoce da artrite reumatoide precoce, realizado por Chin CY, et al. 2015, usou método de classificação por regras de associação com o algoritmo CMAR (Classification based on Multiple Association Rules) para identificar regras de sintomas/doenças com uma elevada correlação com artrite reumatoide. Estas regras são então integradas para

7 avaliar o risco da referida doença no paciente antes de fazer um diagnóstico definitivo, com eficácia média de 80,3%. Chin CY, et al. 2015, conseguiu ir além do apoio ao diagnóstico. Com as técnicas de mineração de dados identificaram os padrões de risco relacionados a artrite reumatoide do tipo II, que raramente ou nunca foram relatados na literatura. Esses padrões recém descobertos são muito valiosos no apoio a novas hipóteses em ensaios clínicos (10). Floresta aleatória (random forest) é uma técnica de classificação e regressão desenvolvida por Breiman (15), que consiste num conjunto de árvores de decisão combinadas para solucionar problemas de classificação (16). Cada uma dessas árvores de decisão dá um voto que indica sua decisão sobre a classe à qual pertencerá um determinado objeto. O objeto então pertencerá à classe que obtiver o maior número de votos (14). Tremoulet (12), usou dessa técnica de mineração para conseguir um diagnóstico precoce da doença de Kawasaki, de forma a diferenciar de outras doenças febris, utilizando biomarcadores (contagem absoluta de neutrófilos, taxa de sedimentação de eritrócitos, contagem de plaquetas e outros) com precisão de 81 a 96%. Tremoulet AH, et al. 2015, buscou classificar as doenças febris para encontrar a maior quantidade de biomarcadores que identifica a doença de Kawasaki. Diferentemente de Chin CY, et al. 2015, que buscava padrões associados a artrite reumatoide e por isso o uso de algoritmos diferentes. De acordo com a estratégia de cada estudo, são necessários um ou mais algoritmos distintos, e por muitas vezes é preciso testar e analisar os resultados para poder chegar no melhor resultado e probabilidade (9) (11). Alizadehsani R, et al. 2013, conseguiu melhorar o diagnóstico de doença arterial coronariana usando mineração de dados, de 92,59% de eficácia no estudo de Polat e Gunes (17) para 94,08% de precisão no seu estudo atual, que é maior do que as abordagens conhecidas na literatura (9). Para chegar nesse feito, Alizadehsani R, et al. 2013, colocou seu conjunto de dados de estudo para serem classificados por diversas técnicas como Naive Bayes, rede neural e técnicas de aprendizado de máquina, como máquinas de vetores de suporte (SVM, do inglês Support Vector Machines) para obter o melhor resultado. Para resolver eficazmente o problema de otimização que surge durante o treinamento de SVMs, usou o algoritmo Sequential Minimal Optimization (SMO). O algoritmo SMO é reconhecido

8 como um dos mais rápidos e o mais fácil para implementar em software para o caso geral de SVM (18). Diagnosticar doenças usando mineração de dados não se limita a dados textuais de resultados de laboratoriais ou biomarcadores. Estudos de predição focado no diagnóstico precoce do câncer de mama usa um questionário que o próprio paciente pode se propor a responder, sem auxilio clínico (11). Algoritmos de mineração de imagens tem auxiliado na análise diagnostico de exames de imagem e podem contribuir para o futuro da telemedicina (13). Várias características da imagem capturada precisam ser consideradas, como qualidade, tamanho ou as condições de iluminação que mudam muito de um exame para outro (13). Em alguns exames de imagem são necessárias informações contextuais, como idade do paciente, gravidez, histórico de diabetes, etc. Além disso, como etapa de pré-processamento, é preciso detectar estruturas que podem ser erroneamente consideradas como: disco óptico, neblinas na fronteira do campo de visão e artefatos brilhantes causados por lentes de câmeras. Esses são alguns dos grandes desafios de mineração de dados em imagem (13). Quellec G, et al propõe uma estratégia para aliviar a carga sobre oftalmologistas no diagnóstico de retinopatia diabética, para promover o desenvolvimento de redes de teleoftalmologia, através de detecção de casos saudáveis. Ele se baseia em metodologias de processamento de imagem e de mineração de dados da retina, classificando como não atribuível ou para ser encaminhado a um especialista (13). Imagens são dividas e então um vetor com as características da imagem é extraído de cada divisão. Um algoritmo de aprendizado de máquina pode ser projetado para reconhecer os vetores que contém um reconhecimento patológico. Depois desse reconhecimento, existe uma classificação e fusão entre os dados contextuais do paciente. Nesse momento, Quellec G, et al. 2013, usou o algoritmo Apriori para mineração de regras de associação, onde pode informar se o paciente analisado deve ou não procurar um oftalmologista, implicando na redução de forma segura de 55,8% o número de pacientes que devem ser vistos por um leitor humano. Conclusões Em diferentes áreas da medicina, a mineração de dados tem provado acrescentar um enorme valor ao contribuir com novas descobertas e melhorar os

9 resultados obtidos com outras metodologias tradicionais, que muitas vezes consomem grande quantidade de recursos e possui efeitos colaterais indesejados. Com base nos artigos que foram descritos nesta pesquisa, podemos concluir que diferentes técnicas de mineração de dados podem ser utilizadas no auxílio ao diagnóstico de doenças. Independente do conjunto de dados de estudo, sendo textual ou imagem, é possível identificar padrões ocultos e relacionamentos dentro dos dados, possibilitando sua classificação e previsão. Um ou mais algoritmos podem ser utilizados na mineração de dados na saúde. Regras de associação e arvore de decisão são comumente aplicados em diagnósticos de doenças por sua facilidade de uso em softwares e alto índice de sucesso conhecido. Com a utilização de técnicas de extração da informação no diagnóstico precoce ou pré-triagem, sendo presencial ou na forma de telessaúde, é esperado uma redução considerável nos custos da saúde pública e ainda melhorar a precisão do diagnóstico, prevenção, tratamento e qualidade do atendimento. Referências 1. Fayyad, U; Piatetsky-Shapiro, G; Smyth, P. From Data Mining to Knowledge Discovery in Databases. American Association for Artificial Intelligence, Acessado em Out Camilo, C O, Silva J C. Mineração de Dados: Conceitos, Tarefas, Métodos e Ferramentas [dissertação]. Goiás: Universidade Federal de Goiás. Instituto de Informática; Acessado em Out Disponível em: INF_ pdf. 3. Oliveira Marcelo Costa, Azevedo-Marques Paulo Mazzoncini de, Cirne Filho Walfredo da Costa. Grades computacionais na recuperação de imagens médicas baseada em conteúdo. Radiol Bras Aug; 40(4): Acessado em Out Disponível em: 4. Faceli, K. et al. Inteligência artificial: uma abordagem de aprendizado de máquina. 1. ed. Rio de Janeiro: LTC, p. 5. Chapman, P; Clinton, J; Kerber, R; Khabaza, T; Reinartz, T; Shearer, C; Wirth, R. CRISP-DM 1.0. CRISP-DM consortium, 2000.

10 6. Larose, D. T. Discovering Knowledge in Data: An Introduction to Data Mining. John Wiley and Sons, Inc, Chimieski, Bruno Fernandes. Solução de auxílio ao diagnóstico e à pesquisa médica baseada em mineração de dados utilizando interface android [dissertação e tese]. Porto Alegre - Rio Grande do Sul: Pontifícia Universidade Católica do Rio Grande do Sul. Faculdade de Engenharia, Programa de Pós-Graduação em Engenharia Elétrica; Acessado em Out Disponível em: 8. Ferreira D, Oliveira A, Freitas A. Applying data mining techniques to improve diagnosis in neonatal jaundice. BMC Med Inform Decis Mak Dez 7;12:143. Acessado em Set DOI: / PubMed PMID: Alizadehsani R, Habibi J, Hosseini MJ, Mashayekhi H, Boghrati R, Ghandeharioun A, et al. A data mining approach for diagnosis of coronary artery disease. Comput Methods Programs Biomed Jul;111(1): Acessado em Set DOI: /j.cmpb PubMed PMID: Chin CY, Weng MY, Lin TC, Cheng SY, Yang YH, Tseng VS. Mining disease risk patterns from nationwide clinical databases for the assessment of early rheumatoid arthritis risk. PLoS One Abril 13;10(4):e Acessado em Set DOI: /journal.pone PubMed PMID: Hsu JL, Hung PC, Lin HY, Hsieh CH. Applying under-sampling techniques and cost-sensitive learning methods on risk assessment of breast cancer. J Med Syst Abril;39(4):210. Acessado em Set DOI: /s x. PubMed PMID: Tremoulet AH, Dutkowski J, Sato Y, Kanegaye JT, Ling XB, Burns JC. Novel data-mining approach identifies biomarkers for diagnosis of Kawasaki disease. Pediatr Res Nov;78(5): Acessado em Set DOI: /pr PubMed PMID: Quellec G, Lamard M, Cochener B, Decencière E, Lay B, Chabouis A, et al. Multimedia data mining for automatic diabetic retinopathy screening. Conf Proc IEEE Eng Med Biol Soc. 2013;2013: Acessado em Out DOI: /EMBC PubMed PMID: Rodrigues, Fabrício Alves; Amaral, Laurence Rodrigues do. Aplicação de métodos computacionais de mineração de dados na classificacão e seleção de oncogenes medidos por microarray. Rev. bras. cancerol;58(2): , abr.-jun tab. Acessado em Out ID: lil Boente, Alfredo Nazareno Pereira; Goldschmidt, Ronaldo R; Estrela, Vania Vieira. Uma Metodologia de Suporte ao Processo de Descoberta de Conhecimento em Bases de Dados. In: V Simpósio de Excelência em Gestão e Tecnologia, 2008, Resende-RJ. V SEGeT, v. 1. p. 4-5.

11 16. Vieira, Fábio D., Oliveira, Stanley R. de M., & Paiva, Samuel R.. (2015). Metodologia baseada em técnicas de mineração de dados para suporte à certificação de raças de ovinos. Engenharia Agrícola, 35(6), L. Machine Learning (2001) 45: 5. Acessado em Out DOI: /A: Platt, J. C. Fast training of support vector machines using sequential minimal optimization. In: SCHÖLKOPF, B.; BURGES, C. J. C.; SMOLA, A. J. Advances in kernel methods: support vector learning. 1st. ed. Cambridge, MA, USA: MIT Press, Chap. 2, pp