Classificação de Saúde Fetal com AutoML

_{TAGS: Pandas, Numpy, Matplotlib, Seaborn, PyCaret, Scikit-learn, GridSearchCV, Pipelines, Logistic Regression, Random Forests, SVM, Extra Trees, Linear Discriminant Analysis, Precision-Recall}

Acesse o projeto completo aqui: Notebook do Projeto

Acesse o artigo do projeto aqui: Medium

Contexto

A mortalidade de bebês durante o período de gestação é um problema que exige coordenação de diversas áreas, não somente da saúde. É necessário a coordenação de áreas que vão desde a assistência social, infraestrutura de transporte, até o desenvolvimento de tecnologias e metodologias para identificação, prevenção e tratamento das complicações que ocorrem durante a gravidez.

De acordo com o Centro Nacional de Estatísticas para Saúde dos EUA, aproximadamente 1 milhão de mortes de bebês não-nascidos ocorrem todos os anos no país, com quase 26 mil mortes ocorrendo acima das 20 semanas de gestação. A taxa de mortalidade fetal tem se estabilizado nos últimos anos, chegando a 5,68 óbitos por cada 1000 nascimentos totais em 2021. No Brasil, esse valor é ainda mais alto, chegando a 9,50 óbitos por cada 1000 nascimentos totais em 2015.

O óbito fetal é um problema sério que tem, além da perda da vida do bebê, consequências diretas na saúde da mãe, devido ao trauma e aos riscos inerentes à condição da morte do bebê. A mortalidade maternal é também uma grande preocupação, visto que cerca de 296 mil mortes ocorrem durante e após a gravidez, em dados de 2017 nos EUA. Desse número, cerca de 94% morrem por falta de recursos médicos e acompanhamento. Trata-se, portanto, de um problema grave e que pode ser previnido com inteligência e bom gerenciamento de recursos.

No Brasil, a taxa de mortalidade maternal em 2021 era de 107 mortes a cada 100 mil nascimentos. Da mesma forma como nos EUA, a mortalidade maternal está associada à falta de recursos e acompanhamento médico recorrente, e à falha em reconhecer os sintomas que levam à perda do bebê.

De acordo com o panorama levantado nessas pesquisas, para reduzir as taxas de mortalidades fetal e maternal é necessário:

1. Reconhecer os problemas de saúde associados à mãe, doenças congênitas, condições hereditárias e complicações da gravidez, a tempo de se realizar um tratamento;

2. Providenciar acesso aos sistemas de saúde, melhorando a rede assistencial para mulheres grávidas, bem como a infraestrutura de transporte;

3. Conceder o diagnóstico e o tratamento apropriados, com acompanhamento médico frequente.

Relevância

Este projeto se propõe a construir modelos de classificação da saúde fetal baseados em dados referentes à parâmetros que indicam a saúde do bebê. Para isso, utilizaremos dados do exame de Cardiotocofragia (CTG), que é um procedimento que utiliza pulsos de ultrassom para analisar a frequência cardíaca do bebê, o movimento fetal, contrações uterinas, entre outros indicadores.

Portanto, nossos objetivos consistem em responder três perguntas:

1. É possível utilizar o CTG para prever a saúde fetal?

2. Se sim, quais são os fatores que mais contribuem para essa previsão?

3. Quais abordagens podem ser tomadas por planos de saúde para poderem implementar e priorizar o reconhecimento desses fatores?

A abordagem do problema passará pela criação de modelos supervisionados de aprendizado de máquina, com a construção de pipelines para pré-processamento e ajuste dos dados, buscando minimizar a taxa de erros de falsos negativos, que corresponderiam a casos graves classificados como normais. Espera-se, com isso, ter como resultado um modelo de classificação confiável para auxiliar no diagnóstico de gravidez de risco, buscando salvar as duas vidas, da mãe e do bebê.

Resultados

Foram utilizadas duas abordagens: a primeira consistiu na construção de um pipeline para pré-processamento e ajuste dos modelos, com a utilização de técnicas como a busca em grade com validação cruzada (GridSearchCV) e análise de desempenho através da curva de precisão-recall. Foram testados os modelos de regressão logística, random forest, SVM e Extra Trees Classifier, buscando minimizar a taxa de falsos negativos. O melhor desempenho, com maior recall, foi do modelo de Extra Trees, que alcançou uma taxa de falsos negativos de aproximadamente 3% em dados nunca antes vistos.

A segunda abordagem consistiu na aplicação de machine learning automatizado através da biblioteca PyCaret. Neste caso, buscou-se configurar o pipeline automatizado para o balanceamento e normalização dos dados, resultando na construção de diversos classificadores e posterior comparação entre eles. Foi escolhido aquele que obteve o maior recall, que no caso foi o algoritmo de Análise de Discriminante Linear, ou Linear Discriminant Analysis. Na validação, o modelo otimizado atingiu 97% de recall, enquanto que nos testes de desempenho com dados nunca antes vistos, obteve um recall de aproximadamente 94%.

Comparando-se as duas abordagens, nota-se que os pipelines que geraram os dois modelos foram distintos, além também da maneira como se trataram os dados durante o pré-processamento. Ambas as abordagens resultaram em ótimos resultados para a classificação da saúde fetal, havendo porém a prevalência do modelo de Extra Trees sobre o LDA para dados novos do conjunto de teste.

Modelos	Recall	AUC	Acurácia
Regressão Logística	0.95	0.84	0.77
Random Forest	0.92	0.93	0.94
SVM	0.94	0.91	0.89
Extra Trees	0.97	0.92	0.90
LDA	0.94	0.95	0.83

Conclusões

O projeto como um todo ajudou a clarificar pontos importantes de atenção para o diagnóstico da saúde fetal que podem ser usados por médicos obstetras e neonatologistas. Alguns atributos do exame de CTG foram destacados como sendo informativos para a previsão de casos graves, como aceleração e movimentos do bebê, contrações uterinas, variações anormais de curto e longo prazo e desacelerações severas.

Além disso, a recomendação é que o exame de CTG seja feito o mais frequente possível durante o período de gestação, principalmente por sua simplicidade e facilidade de interpretação. Os exames de CTG são capazes de prever a saúde fetal e reduzir a mortalidade tanto materna quanto do bebê, tornando-se uma opção de custo efetivo baixo para evitar fatalidades.

Da parte de inteligência de dados, modelos de classificação como o Extra Trees fornecem uma boa capacidade preditiva e um nível de personalização que permite identificar casos suspeitos ou patológicos com o mesmo nível de precisão, para que o tratamento comece o mais rápido possível. É recomendada uma abordagem que diminua o limiar para a classe positiva, visando que, ao menor sinal de suspeita de risco, os pacientes sejam checados.

Próximos Passos

O CTG é um exame bem difundido para a análise da saúde fetal, de modo que mais dados de exames melhorariam a performance dos modelos de classificação. Com mais dados, podemos testar a robustez do modelo em identificar tendências nas variáveis, buscando sempre diminuir os erros de falsos negativos para nenhum caso de risco fique sem tratamento. Pode-se trabalhar na construção de mais atributos para o CTG, trabalhando em colaboração com médicos e ouvindo as queixas e sintomas das mães.

Por fim, apesar de termos explorado bem os efeitos dos batimentos cardíacos e taxas de aceleração na saúde fetal, não foram explorados as medidas de histograma do exame, nem o que significam seus valores no contexto da previsão de problemas para o bebê.

_{Retornar ao Portfólio}