Aprendizado de máquina pode prever casos de bebês que nascem com baixo peso

Avaliação de modelos preditivos teve como base dados originados em estudo populacional com mais de 1.500 gestantes da cidade de Araraquara, no estado de São Paulo

Bebês que nascem com baixo peso (menos de 2,5 kg) apresentam um risco 20 vezes maior de mortalidade. Além disso, têm mais chances de desenvolver, no futuro, doenças neurológicas, doenças cardiovasculares, diabetes e problemas de crescimento. Um estudo conduzido por pesquisadores da Universidade de São Paulo (USP) demonstrou que modelos de aprendizado de máquina podem ser usados para prever esses casos e, com isso, evitar as intercorrências, possibilitando intervenções precoces e mais eficazes.

A pesquisa se baseou em dados de 1.579 gestantes acompanhadas no âmbito de um estudo populacional conduzido em Araraquara, no interior de São Paulo, e representa uma das primeiras aplicações de algoritmos avançados de machine learning para essa finalidade no país. O trabalho, apoiado pela FAPESP, serve também como um contraponto à maioria dos estudos do tipo que utilizam dados de países do Norte Global.

Os pesquisadores testaram quatro algoritmos de machine learning: Random Forest, XGBoost, LightGBM e CatBoost, com destaque para o XGBoost, que apresentou os melhores resultados na identificação de gestações com risco elevado.

“Os achados têm impacto significativo na prática clínica e na formulação de políticas públicas, dado que o uso de inteligência artificial e aprendizado de máquina pode permitir intervenções mais precoces, ajudando a reduzir os riscos associados ao baixo peso ao nascer e melhorando a saúde materno-infantil”, afirma Patrícia Rondó, professora da Faculdade de Saúde Pública da Universidade de São Paulo (FSP-USP) e autora do estudo publicado na revista BMC Pregnancy and Childbirth.

O baixo peso ao nascer é um problema global de saúde, ligado tanto a fatores médicos, como complicações na gravidez, quanto a aspectos socioeconômicos, como idade materna, escolaridade e acesso ao pré-natal.

Embora a predição de casos de bebês com baixo peso ao nascer por meio de algoritmos de aprendizado de máquina esteja ganhando espaço globalmente, a maioria dos estudos foi conduzida em países de alta renda, limitando sua aplicabilidade em regiões como Brasil e América Latina.