Usando Aprendizado de Máquina pra Prever Mortalidade em Idosos

Neste estudo, damos uma olhada mais de perto em como prever a morte em pessoas de meia-idade e mais velhas na Inglaterra usando um tipo de modelo de computador chamado Rede Neural Convolucional 1D (1D-CNN). Não se preocupe se você está coçando a cabeça com “Rede Neural Convolucional”. É só um termo chique para uma maneira de os computadores aprenderem padrões a partir de dados. Pense nisso como ensinar um cachorro a fazer truques novos, mas em vez de dar a pata, estamos tentando descobrir quem pode estar em risco de morrer com base nas escolhas de estilo de vida, condições de saúde e outros fatores.

Isso é importante porque prever a mortalidade pode ajudar a planejar melhor os serviços de saúde e oferecer apoio àqueles que mais precisam.

#O Conjunto de Dados

O conjunto de dados com o qual estamos trabalhando vem de um estudo de longo prazo chamado Estudo Longitudinal Inglês de Envelhecimento (ELSA). Esta é uma pesquisa realizada a cada poucos anos, começando em 2002, com foco em pessoas com 50 anos ou mais na Inglaterra. A pesquisa coleta vários tipos de informações, incluindo saúde, situação econômica, vida social e até condições psicológicas.

Imagine uma grande reunião de família onde todo mundo atualiza suas histórias de vida a cada poucos anos - é mais ou menos isso que o ELSA faz, mas em uma escala muito maior e mais científica.

Nós olhamos especificamente para as pessoas que participaram de todas as ondas da pesquisa (esses são os termos chiques para cada vez que a pesquisa foi feita), o que nos dá uma boa visão de suas vidas ao longo do tempo.

#O Problema com os Dados

Agora vem a parte complicada: o conjunto de dados é altamente desequilibrado. Isso significa que, enquanto temos muitos dados sobre muitas pessoas, apenas um pequeno número delas faleceu. É como estar em uma sala de aula onde a maioria dos alunos tira A, mas alguns tiram F. Se você apenas olhasse a nota geral, não diria nada sobre como foi difícil para aqueles poucos que lutaram.

Para resolver esse problema, precisamos criar alguns dados sintéticos, como se estivéssemos falsificando um pouco de informação para ajudar a equilibrar as coisas.

#Como Funciona o 1D-CNN?

Beleza, vamos explicar o processo do 1D-CNN. As CNNs são ótimas em reconhecer padrões e, quando se trata dos nossos dados, os organizamos de uma maneira que faça sentido para o computador aprender. No nosso caso, alinhamos informações de cinco ondas de dados para que o modelo possa ver como a situação de uma pessoa muda ao longo do tempo.

Se você pensar nos nossos dados como uma longa fila de amigos lado a lado, onde cada amigo tem uma história para contar, queremos que o computador preste atenção em como a história de cada amigo evolui ao longo do tempo.

A ideia central aqui é passar um "filtro" sobre os dados, parecido com como um chef pode peneirar farinha. Esse filtro ajuda o computador a focar em partes importantes das informações enquanto ignora o ruído.

#Lidando com Dados Ausentes

Vamos encarar a realidade: a vida acontece, e às vezes as pessoas perdem uma rodada da pesquisa. Isso significa que podemos ter lacunas nos nossos dados. Para lidar com isso, preenchemos as peças ausentes usando informações da pesquisa mais próxima anterior ou posterior. É como completar um quebra-cabeça com as peças que você tem - queremos manter a imagem o mais completa possível.

#Organizando os Dados

Podemos apresentar os dados em dois formatos principais: formato curto e formato longo.

No formato curto, cada participante é representado por uma única linha que inclui suas informações de todas as ondas da pesquisa. Isso ajuda o modelo CNN a aprender como os dados estão estruturados ao longo do tempo facilmente.

Por outro lado, o formato longo tem várias linhas para cada participante, que é como muitos modelos tradicionais funcionam. Embora seja ótimo para algumas análises, é menos eficaz para a nossa abordagem CNN, já que queremos mostrar claramente a relação dos dados ao longo das ondas.

#Por que Usar Aprendizado de Máquina?

Você pode se perguntar, por que escolher modelos de aprendizado de máquina em vez de métodos tradicionais? Bem, o aprendizado de máquina pode identificar padrões ocultos nos dados que talvez não vejamos com modelos matemáticos normais.

Por exemplo, pesquisadores usaram várias técnicas de aprendizado de máquina em outros estudos. Eles analisaram como fatores de estilo de vida afetam a saúde ou como certas doenças progridem ao longo do tempo. No nosso caso, estamos tentando ver como todas essas informações podem indicar quem pode estar em maior risco de morrer.

#Diferentes Métodos para Equilibrar os Dados

Para lidar com o desequilíbrio nos nossos dados, tentamos cinco métodos diferentes para criar dados sintéticos. É como experimentar diferentes receitas para fazer o bolo perfeito. Aqui está o que tentamos:

1. Sobreamostragem Aleatória (ROS): Esse método envolve duplicar dados do grupo minoritário (os que faleceram) para torná-lo maior. É como convidar convidados extra para uma festa que já está cheia.

2. SMOTE (Técnica de Sobreamostragem de Minorias Sintéticas): Esse método chique cria novos exemplos sintéticos do grupo minoritário com base nos dados existentes. Imagine criar clones virtuais de um amigo com base em suas características.

3. ADASYN (Amostragem Sintética Adaptativa): Essa abordagem é semelhante ao SMOTE, mas se concentra em gerar exemplos onde a classe minoritária está menos representada. É como garantir que você convide amigos que costumam ser deixados de fora.

4. SMOTEEN: Esse método combina SMOTE com outra técnica que limpa os dados removendo duplicatas. Pense nisso como adicionar novos sabores de bolo enquanto se certifica de que os antigos não estraguem a festa.

5. SMOTETomek: Essa abordagem híbrida usa SMOTE e combina com uma estratégia que limpa a classe majoritária. É como fazer uma salada balanceada onde você adiciona novos ingredientes, mas garante que nada murche.

Depois de tentar esses métodos, percebemos que simplesmente sobreamostrar o grupo sub-representado funcionou melhor do que misturar e combinar diferentes abordagens.

#Escolhendo Funções de Ativação

Ao configurar nossa CNN, precisávamos selecionar funções de ativação para as camadas ocultas. Essas funções ajudam a decidir quais informações manter e quais descartar. Pense nelas como os seguranças de uma balada decidindo quem entra com base nas roupas que estão usando.

Testamos diferentes funções de ativação como:

• ReLU (Unidades Lineares Retificadas): Esta é uma função simples que ajuda os modelos a aprender mais rápido.

• SeLU (Unidades Lineares Exponenciais Escalonadas): Esta tem um pouco de estilo e funciona bem em casos específicos.

• ELU (Unidades Lineares Exponenciais): Essa função é ótima para lidar com dados com valores negativos.

• Swish: Esta é uma adição mais recente que tende a funcionar muito bem para várias tarefas.

• ReLU com Vazamento (LReLU): Essa permite um pequeno gradiente quando a saída é menor que zero, garantindo que nenhum dado seja completamente ignorado.

Depois de experimentar, descobrimos que o Swish teve o melhor desempenho ajudando o modelo a aprender com os dados.

#Treinando o Modelo

Uma vez que tivemos todos os nossos dados organizados e prontos, dividimos em conjuntos de Treinamento, validação e teste. É como se preparar para um grande jogo - você precisa praticar muito, receber feedback e então, finalmente, testar suas habilidades no campo real.

Usamos uma técnica conhecida como “early stopping”, que significa que monitoramos o modelo enquanto ele está aprendendo, então se ele começa a overfit (ficar muito confortável com os dados de treinamento e não generalizar bem), podemos parar o processo de treinamento.

#Avaliando o Desempenho do Modelo

Depois de treinar nosso modelo, é hora de ver quão bem ele se saiu. Olhamos para métricas como:

• Perda: Isso mostra como nosso modelo prevê os resultados. Menor é melhor.

• Acurácia: Isso mede com que frequência nosso modelo acerta as coisas.

• AUC (Área Sob a Curva ROC): Essa métrica ajuda a avaliar quão bem o modelo distingue entre os que faleceram e os que sobreviveram.

#Resultados e Descobertas

Depois de passar pelo processo de treinamento e calcular as métricas, descobrimos que alguns métodos funcionaram melhor que outros em termos de prever a mortalidade.

Por exemplo, o método de sobreamostragem aleatória nos deu os piores resultados, enquanto os métodos SMOTE e ADASYN produziram as menores perdas. Isso significa que simplesmente garantir que tínhamos dados suficientes sobre aqueles que faleceram ajudou nosso modelo a ter um desempenho melhor.

Quanto às funções de ativação, descobrimos que o Swish e o ELU nos deram os melhores resultados. No entanto, é importante notar que mesmo com o melhor modelo, fazer com que ele funcione bem com dados desconhecidos ainda é um desafio.

#Conclusão

Este estudo mostra que usar um 1D-CNN no conjunto de dados do ELSA é uma abordagem promissora para prever a morte em indivíduos de meia-idade e mais velhos na Inglaterra. Aprendemos que gerenciar o desequilíbrio em nossos dados é crucial para o sucesso. Ao criar dados sintéticos, conseguimos melhorar nossas previsões.

No final, o Swish se destacou entre as funções de ativação. Embora o caminho para prever a mortalidade seja complexo e cheio de surpresas, essa abordagem oferece um ponto de partida para entender melhor os resultados de saúde da nossa população envelhecida.

Então, da próxima vez que você ouvir sobre um 1D-CNN, pode sorrir, sabendo que não é só uma palhaçada científica, mas uma ferramenta que pode ajudar a melhorar vidas - um conjunto de dados por vez!