Desenvolvimento de base de dados e algoritmo de classificação
antecipada de exames RT-qPCR para COVID-19
Aprendizagem de Máquina; Classificação Antecipada de Séries
Temporais; Otimização de Hiperparâmetros; RT-qPCR; COVID-19.
A doença denominada COVID-19, causada pelo vírus SARS-CoV-2, foi a
responsável por gerar uma pandemia, preocupando diversos órgãos e
instituições ao redor do mundo de forma a combatê-la e reduzir o seu
impacto. Um dos fatores importantes para esse combate, é o diagnóstico da
doença, que deve considerar a assertividade e o tempo levado para sua
conclu- são. Este trabalho atuou nos dados quantitativos gerados pelo exame
RT-qPCR, obtidos pela disponibilização feita pelo Núcleo de Pesquisa em
Inovação Terapêutica (NUPIT) da Universidade Federal de Pernambuco. Os
arquivos de saída do exame foram filtrados e ajustados de forma a se ter
uma base de dados disponível para treinamento de algoritmos de aprendizagem
supervisionada, totalizando 75.716 linhas com 45 características temporais
(ciclos de máquina) e um alvo a ser classificado como positivo ou negativo.
Esses dados formam uma série temporal, sendo cada característica um valor
de fluorescência do processo da reação química do RT-qPCR, de forma a
detectar genes do SARS-CoV-2. Foram elencados diferentes algoritmos da
literatura, desde mais genéricos para classificação, a outros mais
complexos, utilizando comitês, e considerando a ordenação temporal das
características do problema. Primeiramente, esses algoritmos foram
treinados com a totalidade dos ciclos, para se ter uma referência do
desempenho que poderia ser obtido. Posteriormente, foram realizados
treinamentos com uma redução desse número de ciclos, com o intuito de
antecipar o exame e consequentemente diminuir o tempo necessário para sua
conclusão. Para comparar os desempenhos, foram analisadas as métricas AUROC
(do inglês, Area Under the Receiver Operating Characteristic), acurácia,
especificidade e sensibilidade, com média e desvio padrão calculadas em
cima de cem reamostragens da base de dados. Para o cenário de redução de 30
ciclos, foi realizada a otimização de hiperparâmetros dos três algoritmos
que se destacaram na etapa anterior: um baseado em redes neurais, MLP
(Multilayer Perceptron) e dois comitês de classificadores, o XGBoost e o
Time Series Forest (TSF), sendo que este último considera a relação
temporal das características. Testes estatísticos realizados indicaram um
maior desempenho do TSF (AUROC 98,98 ± 0, 07%) e do MLP (98,94 ± 0, 19%)
para 30 ciclos, uma melhoria de desempenho graças à otimização, mas ainda
com desempenho inferior ao algoritmo treinado com 35 ciclos com valores
padrões de hiperparâmetros. Com isso, este trabalho fornece respaldo para a
redução do tempo do RT-qPCR aplicado para COVID-19, por meio de algoritmos
de aprendizagem de máquina.