Diagnóstico da COVID-19 utilizando Redes Neurais Artificiais baseadas na Teoria da Ressonância Adaptativa

• Ano de defesa: 2023
• Autor(a) principal: Silva, Reginaldo José da
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Estadual Paulista (Unesp)
• Palavras-chave em Português: ART Fuzzy; Biomarcadores sanguíneos; Classificação; Reconhecimento de padrões; SARS-CoV-2; Treinamento Continuado; Fuzzy ART; Blood biomarkers; Classification; Pattern recognition; Continuous Training
• Link de acesso: http://hdl.handle.net/11449/242679

A COVID-19 espalhou-se por todo o mundo levando a óbito cerca de 6,6 milhões de pessoas, diversas estratégias foram utilizadas para evitar a propagação dessas infecções, estratégias essas que influenciaram a vida de diversas pessoas. A forma mais eficaz para controle da doença é a detecção e o isolamento que limita a propagação do vírus, consequentemente, salvando vidas. Dentre os diversos testes existentes para detecção e triagem da COVID-19, o teste RT-PCR é considerado o padrão-ouro. No entanto, o teste possui baixa sensibilidade de diagnóstico, resultando numa taxa elevada de falsos negativos. Diversos estudos clínicos mostraram alterações hematológicas e bioquímicas em pacientes infectados, e diante da necessidade por diagnósticos eficientes e mais precisos em fases inicias, surgiram estudos que utilizam estas alterações com algoritmos de aprendizagem de máquinas para ajudar a diagnosticar a doença. Desta forma, o presente trabalho tem por objetivo avaliar o desempenho de diferentes redes neurais baseadas na Teoria da Ressonância Adaptativa (ART), bem como desenvolver uma metodologia rápida e eficaz para a classificação da COVID-19 utilizando exames laboratoriais. Diversas redes ART foram testadas, dentre elas autoexpansíveis e com treinamento continuado, vale ressaltar que as redes ART autoexpansíveis realizam o processo de classificação de forma mais rápida que as redes ART tradicionais, enquanto as redes com treinamento continuado permitem a aprendizagem de modo on-line, tornando o treinamento e a análise mais eficazes. Um total de doze conjuntos de dados de cinco países diferentes contendo diversos biomarcadores sanguíneos foram utilizados, a metodologia foi dividida em duas etapas, a primeira responsável por avaliar a melhor rede ART para estes dados e a segunda por avaliar o comportamento desta rede na classificação de pacientes com COVID-19 em dados de diferentes países. A rede ART Fuzzy Autoexpansível com Treinamento Continuado obteve o melhor desempenho, superando na maior parte das vezes, modelos tradicionais e de aprendizado profundo frequentemente utilizados pela literatura. Além disso, os atributos selecionados mostraram excelente capacidade preditiva ao classificar com eficiência pacientes de diferentes países. Logo, a metodologia proposta pode servir como um método complementar ao RT-PCR, diminuindo a taxa de falsos positivos ou negativos, ou até mesmo como uma alternativa de baixo custo para a detecção.