Modelagem Bayesiana Aplicada ao Suporte ao Diagnóstico da COVID-19
André Araújo dos Santos, Fabiano Santana Souza, Ulisses Inácio Militão, Gabriel Nunes Lopes, Gabriel Ferreira de Melim
André Felipe Henriques Librantz, Erika Midori Kinjo
Inicialmente, para cada sintoma pertencente a rede, foi determinado junto a um grupo de especialistas a probabilidade inicial de 22% de ocorrência do sintoma (Fig. 1).
Introdução
Dada a situação pandêmica em que o mundo vive hoje, a dúvida e o medo do desconhecido são pertinentes para a maioria das pessoas. A busca por respostas sobre a COVID-19 tem crescido cada dia mais, e a urgência por soluções tem tornado essa doença objeto de estudo para muitas áreas.
É sabido que a COVID-19 é uma doença causada pelo coronavírus, denominado SARS-CoV-2, que apresenta um espectro clínico variando de infecções assintomáticas a quadros graves. (Ministério da Saúde, coronavirus.saude.gov.br) Essa variação dos sintomas em conjunto com a semelhança nos quadros de gripe comum, torna dificultosa a decisão do indivíduo de ir ao médico, ou até mesmo o seu diagnóstico durante as consultas.
Com o propósito de colaborar com tecnologia e métodos probabilísticos para essa causa, consideramos que a utilização de redes Bayesianas seria de grande ajuda para apoiar os médicos na linha de frente ao combate a COVID-19.�
Objetivo
O objetivo desta rede Bayesiana é servir como base para modelos mais complexos e apoiar os médicos nos critérios de decisão para o diagnóstico prévio daqueles que apresentarem os sintomas pertinentes da doença.
Metodologia
Em um primeiro momento, foi realizada uma busca por artigos que abordavam a COVID-19, então foram feitas relações e classificações entre esses artigos para entender os sintomas que mais se mostravam presentes nos indivíduos infectados. Com o apoio de médicos, foram selecionados os principais sintomas (Quadro 1) e construído o modelo da rede Bayesiana. Posteriormente foram definidas as probabilidades a priori e utilizado o método Noisy-OR (Librantz, 2020) para reduzir o número de entradas da rede. Após a etapa de validação parcial da rede ter sido concluída, o modelo foi implementado para realizar a simulação estocástica, gerando um histograma com as probabilidades de infecções.
Foram feitos testes com os sintomas relacionados ao nó “SintomasRespiratórios”, a probabilidade de infecção muda mediante a existência de novas evidências (Quadro 2) e os sintomas que estão relacionados com “OutrosSintomas” não são afetados.
No intuito de avaliar o comportamento da rede em um cenário com um elevado número de casos, o modelo foi implementado aplicando a distribuição normal (média de 0,22 e desvio padrão de 0,05) para as probabilidades a priori, gerando assim um histograma com as probabilidades de infecção (Fig. 2).
Conclusão
Neste trabalho um modelo de rede Bayesiana e suas técnicas relacionadas são apresentados. O modelo reproduz a dependência entre os fatores bem como seu comportamento sistêmico de maneira satisfatória. Este trabalho pode servir como base para modelos mais complexos e apoiar os médicos no diagnóstico prévio durante o processo de triagem.
Agradecimentos
Os autores agradecem ao Profº André Librantz pelas orientações e a Uninove pela oportunidade.
Referências Bibliográficas
Report of the WHO-China Joint Mission on Coronavirus Disease 2019 (COVID-19). World Health Organization. 2020. Disponível em: <https://www.who.int/docs/default-source/coronaviruse/who-china-joint-mission-on-covid-19-final-report.pdf/>. Acesso em: 10, jul. de 2020.
Guan W, Ni Z, Hu Y. Clinical Characteristics of Coronavirus Disease 2019 in China. The New England Journal of Medicine. 2020. Disponível em:
<https://www.nejm.org/doi/full/10.1056/NEJMoa2002032/>. Acesso em: 11, jul. de 2020.
Librantz A. F. H., Costa I., Spinola M. S., Neto G. C. O. & Zerbinatti L. (2020): Risk assessment in software supply chains using the Bayesian method, International Journal of Production Research, DOI:
10.1080/00207543.2020.1825860
Rubens. D. F., Nechar R. C., Ribeiro F. A.. Estudo Preliminar de Sintomas e Medicamentos Prevalentes do "Gênio Epidêmico" da Pandemia de COVID-19 no Brasil. Associação Paulista de Homeopatia. 2020. Disponível em: <https://aph.org.br/estudo-preliminar-de-sintomas-e-medicamentos-prevalentes-do-genio-epidemico-da-pandemia-de-covid-19-no-brasil/>. Acesso em: 15, jul. de 2020.
Fig. 1 – Modelo da Rede Bayesiana
Quadro 1 – Identificação dos Principais Sintomas
Fig. 2 – Histograma com 12.000 rodadas
Quadro 2 – Validação Parcial do Comportamento da Rede