A escolha em trabalhar com diagnósticos de câncer de mama também não foi por acaso. “É uma área muito rica em coleção de dados que podemos utilizar. Atendia às necessidades de provar quais seriam os modelos com melhor desempenho e tinha uma quantidade de dados suficiente e de boa qualidade”, declara Marcelo Becker, professor no Departamento de Engenharia Mecânica da EESC e coautor do estudo. Outra vantagem do enfoque escolhido foi a facilidade de comparação com outros modelos, justamente pela vasta disponibilidade de dados e pesquisas anteriores sobre o assunto.

Métricas para falsos negativos

Marcelo Becker – Foto: Arquivo pessoal

João Pinheiro e Marcelo Becker optaram por lidar com algoritmos baseados em árvores de decisão, modelos simples e fáceis de serem interpretados, pois são estruturados em sequências de perguntas com respostas de sim ou não. A depender das respostas obtidas, o programa percorre diferentes ramos até chegar em um veredito. O diferencial do estudo foi a utilização da técnica de boosting, que vem da ideia de combinar um modelo básico com outros mais complexos e eficientes, gerando uma otimização do processo. “É como se a gente fosse treinar um monte de árvores sequencialmente”, afirma Pinheiro. Os dados de alimentação para esses modelos de boosting são puramente numéricos. “Alguém realizou uma tomografia, e a partir dela você obtém algumas métricas numéricas”, continua o pesquisador. Marcelo destaca que os dados são disponibilizados para todos, de forma que diferentes pessoas podem testar programas e realizar melhorias em processos de diagnósticos.

“A escolha está, de fato, na performance desses modelos. Eles funcionam, são muito rápidos para treinar, são muito rápidos para inferir, e nesse exemplo que já temos os dados tabulados, eles têm performance às vezes superior a redes neurais”, ressalta João Pinheiro.

Ao treinar os modelos de árvore de decisão com métricas específicas – como a chamada F1-Score, especializada em considerar falsos negativos e falsos positivos –, os pesquisadores conseguiram desenvolver um framework. Em outras palavras, eles foram capazes de criar um mecanismo de treino e melhoria que é aplicável, de forma genérica, nos diversos modelos de aprendizado de máquina que lidam com a previsão do câncer.