Desvendando biomarcadores: uma análise de algoritmos de aprendizagem de máquina na distinção entre indivíduos saudáveis e pré-diabéticos a partir de dados de dispositivos vestíveis

Abstract

O Diabetes é uma doença que atinge 537 milhões de pessoas no mundo. A insuficiência de insulina na doença gera um aumento da glicemia, causando enormes danos ao organismo. Devido à grande disseminação dessa doença e de seu estágio antecessor, o pré-diabetes, muito se tem investido em dispositivos que permitam o monitoramento da doença. Atualmente, estudos estão focando na criação de sistemas inteligentes capazes de utilizar dados de dispositivos vestíveis para predição da glicemia. Um passo importante é prever quando pessoas saudáveis se tornam pré-diabéticas, de forma a alertar sobre a presença dessa condição silenciosa e assim tentar evitar a evolução do indivíduo para a Diabetes Melito tipo II. Para alcançar esse objetivo, torna-se imprescindível a descoberta de sinais digitais que possam desempenhar o papel de biomarcadores para a doença, uma área em constante desenvolvimento na atualidade. Nesse sentido, o propósito deste estudo foi avaliar se os sinais digitais obtidos por meio de dispositivos de pulso inteligentes são capazes de estabelecer uma distinção satisfatória entre os padrões de sinal de um indivíduo saudável e de um indivíduo pré-diabético. Para isso foram utilizados dados públicos de leituras da pulseira Empatica E4, coletados de 16 indivíduos. Os dados foram utilizados de duas formas: I) dados brutos processados para janela temporal de um minuto, II) dados que passaram pelo processo de engenharia de atributos. Para tarefa de predição de presença ou ausência da doença foram utilizados algoritmos de aprendizagem de máquina da classe das árvores de decisão, máquinas de vetores de suporte, redes neurais e algoritmos Ensemble. Os resultados indicaram que é possível utilizar os dados da pulseira para predição da presença da doença, mas que o uso das leituras brutas dos sensores para o treinamento de modelos gera predições com uma menor acurácia em relação a utilização de atributos que foram filtrados e decompostos. O algoritmo de Random Forest apresentou a melhor acurácia entre os algoritmos testados, 77,4% e 77,9% nos grupos de treino e teste respectivamente, considerando a base com dados brutos; e acurácias 99,07% e 99,30% de para treino e teste na base submetida ao processo de engenharia de atributos. A aplicação da técnica de PCA permitiu a redução do número de atributos em 73% mantendo-se 95% da variabilidade presente na base, isso reduziu o custo computacional mantendo uma acurácia de 95,3% e 95,7% para treino e teste respectivamente. O treinamento deste modelo permitirá criar soluções usando dados de dispositivos vestíveis (pulseiras e relógios inteligentes) para gerar durante a transição para a pré-diabetes, facilitando o estabelecimento de medidas preventivas contra o Diabetes.