Professores e pesquisadores da Universidade Federal do Recôncavo da Bahia (UFRB) estudaram a previsibilidade de hospitalização de pacientes contaminados pela Covid-19, fazendo uso de aprendizado de máquina, o Machine Learning (ML). Foram investigados bancos de dados com 217.580 pacientes confirmados com SARS-CoV-2, em exames laboratoriais dos estados de Alagoas, Espírito Santo e Santa Catarina.

O estudo usou e cruzou dados públicos desses três estados brasileiros e obteve acurácia entre 79,1% e 84,7%.  A acurácia é a proximidade de um resultado com o seu valor de referência real. Dessa forma, quanto maior a acurácia, mais próximo da referência ou valor real é o resultado encontrado.

Com esses dados, os pesquisadores alimentaram o aplicativo ContraCovid, que pode ser baixado para smartphones gratuitamente no site contracovid.org.

O aplicativo é parte do projeto denominado "ContraCovid - Tecnologias para monitoramento da Covid-19", criado na UFRB, que investiga técnicas de processamento de sinais e inteligência artificial para desenvolver um método de baixo custo para detecção e monitoramento da Covid-19 através da análise automática de sintomas, particularmente a tosse e a dificuldade respiratória.

No aplicativo, a pessoa se cadastra, preenche o histórico de saúde e informa os sintomas que está sentindo. O aplicativo, então, prevê o risco de hospitalização. A cada nova atualização dos dados do usuário, o sistema processa as novas informações e atualiza a probabilidade de hospitalização.

Telas do aplicativo ContraCovid.

Os resultados da pesquisa da UFRB servem para alertar as pessoas que vieram a ser contaminadas, sobre a necessidade ou não de buscar tratamento hospitalar oportuno para a Covid-19, a partir do aparecimento dos primeiros sintomas, evitando que a doença se agrave e venha a necessitar de UTI (Unidade de Terapia Intensiva).

Os dados também ajudam as pessoas que moram em áreas remotas e interioranas que venham a contrair a Covid-19, a se anteciparem ao agravamento da doença e se deslocarem para regiões metropolitanas que possuam condições de tratamento adequadas.

A pesquisa foi feita em decorrência da escassez de acesso a testes para o novo coronavírus, um dos principais obstáculos no enfrentamento à pandemia. A evolução rápida, silenciosa e desconhecida dessa doença faz com que muitos pacientes só procurem atendimento quando já é tarde demais para tratar a Síndrome Respiratória Aguda Grave que ela causa.

“Nos casos que precisa de tratamento, quanto mais cedo as pessoas procurarem atendimento é melhor para evitar as consequências graves da Covid-19, como o comprometimento dos pulmões”, alerta o pesquisador Igor Miranda, coordenador da pesquisa na Universidade Federal do Recôncavo da Bahia (UFRB). “Do ponto de vista dos profissionais de saúde, pode-se utilizar a ferramenta para saber se o paciente vai precisar de hospitalização ou se quiser usar a ferramenta para ajudar a alocar os leitos hospitalares”, completa Miranda.

Miranda, o professor e pesquisador Gildeberto de Souza Cardoso e o aluno Gabriel Oliveira, da UFRB,  em parceria com os pesquisadores Madhurananda Pahar e Thomas Niesler, da Universidade de Stellenbosch, África do Sul, conduziram a pesquisa cujos resultados foram publicados na plataforma TechRxiv, em artigo ainda sem revisão por pares.

O artigo é denominado “Machine Learning Prediction of Hospitalization due to COVID-19 based on Self-Reported Symptoms: A Study for Brazil”, em tradução livre “Aprendizagem de Máquina para Predição de Hospitalização devido à COVID-19 com base em Sintomas Autorrelatados: Um Estudo para o Brasil”, publicado no último dia 08 de fevereiro. 

Para Miranda, a metodologia da pesquisa desenvolvida pela UFRB, poderá ser replicada para outras doenças respiratórias graves.

Segundo Miranda, a pandemia ainda não acabou. “Com toda a complexidade na logística de produção e distribuição das vacinas, precisaremos utilizar recursos como esse, que prevê a evolução da doença, por mais algum tempo”.

Acesse o artigo na íntegra.

Mais sobre o aplicativo ContraCovid em contracovid.org.