A professora do mestrado em economia, Roberta Wichmann, publicou junto com pesquisadores da USP e membros da rede IACOV-BR, o artigo intitulado Improving the performance of machine learning algorithms for health outcomes predictions in multicentric cohorts na Revista Nature Scientific Reports. Scientific Reports é o quinto periódico mais citado do mundo, com mais de 696.000 citações em 2021, e recebe ampla atenção em documentos de políticas e na mídia. (https://www.nature.com/srep/). 

A ideia da pesquisa surgiu quando os autores se perguntaram se a performance preditiva de modelos de machine learning poderia ser melhorada apenas adicionando mais dados ao treinamento em casos de predições na área da saúde. Ou seja, seria possível uma generalização de um modelo para diferentes hospitais de um estado ou de diferentes regiões do Brasil? Assim, os autores testaram diferentes estratégias de treinamento de modelos de machine learning, iniciando pelo treinamento local com dados de um único hospital, até diferentes formas de agregação com dados de outros hospitais, para avaliar a performance preditiva na identificação de risco de morte por COVID-19 e se assim, seria possível a generalização da predição em diferentes regiões do país. 

Como o estudo foi feito? Foi criado então 8 estratégias diferentes e utilizados dados de 18 hospitais de todas as regiões do Brasil para treinar 3 modelos de machine learning (xgboost, catboost e lightgbm) no intuito de identificar a melhor estratégia que maximizasse a performance preditiva. 

“Em nosso estudo, a melhor estratégia foi o treinamento com dados de um único hospital, obtendo a melhor performance em 11 (61%) dos 18 hospitais, apesar de em alguns poucos casos, haver melhor performance preditiva ao agregar mais dados”, diz a professora Roberta. Portanto, utilizar dados de um único hospital pode resultar em melhor performance do que adicionar dados de diferentes hospitais com diferentes protocolos e diferenças socioeconômicas. 

Parabéns professora Roberta e todos os autores e parceiros envolvidos!