🤖 machine learning

Towards symbolic regression for interpretable clinical decision scores

O artigo apresenta o Brush, um algoritmo de regressão simbólica que integra lógica baseada em regras e otimização de constantes não lineares para gerar modelos clínicos preditivos de alto desempenho e facilmente interpretáveis, superando ou igualando métodos tradicionais enquanto produz estruturas mais simples.

Autores originais: Guilherme Seidyo Imai Aldeia, Joseph D. Romano, Fabricio Olivetti de Franca, Daniel S. Herman, William G. La Cava

Publicado 2026-04-14

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Guilherme Seidyo Imai Aldeia, Joseph D. Romano, Fabricio Olivetti de Franca, Daniel S. Herman, William G. La Cava

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é um médico tentando prever se um paciente vai piorar rapidamente. Para isso, você usa "planilhas de pontuação": se a pressão estiver baixa, some 5 pontos; se a idade for maior que 70, some 3 pontos. Se a pontuação total passar de um limite, o paciente é considerado de alto risco. Isso é fácil de entender, fácil de explicar e funciona bem.

Agora, imagine que você quer que um computador aprenda a criar essas planilhas sozinho, olhando apenas para os dados dos pacientes. O problema é que os computadores, quando tentam aprender padrões, geralmente criam "caixas-pretas": modelos matemáticos supercomplexos, cheios de números e funções estranhas que ninguém consegue entender. É como se o computador dissesse: "O paciente vai piorar porque a fórmula é $e^{x} \cdot \sin(y) + 42$ ". Isso não ajuda o médico a tomar uma decisão rápida.

O que é o "Brush"?

Os autores deste artigo criaram um novo algoritmo chamado Brush (que significa "pincel" em inglês). Pense no Brush como um pintor muito inteligente que sabe misturar duas técnicas:

A técnica do "Corte" (Árvores de Decisão): É como cortar um bolo. "Se a temperatura for maior que 38°C, corte o bolo aqui e olhe para a fatia da direita. Se não, olhe para a esquerda." Isso cria regras simples e lógicas.
A técnica da "Fórmula Mágica" (Regressão Simbólica): É como encontrar a equação perfeita que descreve o mundo, tipo $F = m \cdot a$ .

O problema é que, até agora, os computadores tinham dificuldade em fazer as duas coisas ao mesmo tempo. Eles conseguiam cortar o bolo OU encontrar a fórmula, mas não os dois juntos de forma eficiente. O Brush é o primeiro a fazer essa mistura perfeitamente.

Como o Brush funciona? (A Analogia do Detetive)

Imagine que o Brush é um detetive tentando resolver um crime (prever se o paciente vai piorar).

O Detetive Tradicional (Algoritmos antigos): Ele tenta adivinhar uma fórmula matemática complexa. Às vezes acerta, mas a fórmula é tão complicada que ele não consegue explicar por que chegou àquela conclusão.
O Detetive Brush: Ele começa olhando para os dados e diz: "Ok, vamos dividir os suspeitos. Se o paciente tem mais de 70 anos, vamos investigar um grupo. Se tem menos, investigamos outro."
- Dentro de cada grupo, ele não apenas faz uma média simples. Ele ajusta finamente os números (como um afinador de piano) para que a previsão seja o mais precisa possível.
- Ele faz isso em várias camadas, criando uma estrutura que parece uma árvore de decisão (perguntas e respostas), mas com fórmulas matemáticas precisas nas pontas.

O que eles descobriram?

Os pesquisadores testaram o Brush de duas formas:

Na Física (O "Laboratório de Controle"): Eles deram ao Brush problemas de física clássica (como as equações de Newton ou de Feynman) com um pouco de "ruído" (erros de medição). O Brush conseguiu descobrir as fórmulas originais com uma precisão incrível (mais de 99,9% de acerto), mesmo com dados imperfeitos. E o melhor: as fórmulas que ele criou eram curtas e elegantes, não monstros matemáticos.
Na Medicina (O "Teste Real"): Eles usaram dados reais de um hospital (MIMIC-IV) para tentar recriar duas pontuações médicas famosas (CART e MEWS) e prever quem estava em risco de colapso.
- Resultado: O Brush conseguiu criar modelos que eram tão precisos quanto os modelos de "caixa-preta" (como Redes Neurais ou Florestas Aleatórias), mas muito mais simples.
- Enquanto outros modelos criavam árvores gigantescas com milhares de nós (como um labirinto sem saída), o Brush criou modelos compactos, com regras claras que um médico poderia ler e entender em segundos.

Por que isso é importante?

Na medicina, explicabilidade é tudo. Se um computador diz "este paciente precisa de cirurgia", o médico precisa saber o porquê.

Se o modelo for uma caixa-preta, o médico pode ter medo de confiar nele.
Com o Brush, o médico pode ver a regra: "O paciente tem risco alto porque a frequência cardíaca está acima de 140 E a pressão diastólica está abaixo de 35". Isso é transparente, confiável e útil.

Resumo da Ópera

O Brush é como um tradutor universal entre a linguagem complexa dos dados e a linguagem simples da lógica humana. Ele pega o poder de cálculo dos computadores e o organiza em regras claras, como se estivesse desenhando um mapa do tesouro que qualquer um pode seguir, em vez de entregar uma lista de coordenadas GPS que ninguém entende.

Isso abre as portas para que a Inteligência Artificial ajude os médicos a tomarem decisões melhores, mais rápidas e, principalmente, que possam ser explicadas com clareza.

1. Problema e Motivação

A tomada de decisão médica frequentemente utiliza algoritmos que combinam equações de risco com regras lógicas (ex: sistemas de pontuação como CART e MEWS), oferecendo caminhos de tratamento claros e padronizados. No entanto, a Regressão Simbólica (SR) tradicional enfrenta limitações ao tentar modelar esses cenários:

Limitação de Espaço de Busca: A SR clássica busca expressões matemáticas contínuas, dificultando a incorporação de operações de "divisão" (split-wise), comuns em árvores de decisão e essenciais para regras clínicas (ex: "se pressão > X, então Y").
Interpretabilidade vs. Precisão: Embora a SR produza modelos interpretáveis, expressões puramente matemáticas podem ser complexas para profissionais de saúde. Árvores de decisão são preferidas pela clareza, mas muitas vezes carecem de otimização de parâmetros não lineares, resultando em modelos subótimos.
Desafio Atual: Existe uma lacuna na literatura de algoritmos de SR que consigam integrar operações de divisão (como em árvores de decisão) com otimização não linear de parâmetros, mantendo a interpretabilidade e a alta performance preditiva.

2. Metodologia: O Algoritmo Brush

Os autores propõem o Brush, um algoritmo de regressão simbólica baseado em Programação Genética (GP) projetado para preencher essa lacuna.

Nó de Divisão Especializado (Split Node): O Brush introduz um operador de nó de divisão inspirado em árvores de decisão, mas compatível com a estrutura de árvores de expressão matemática.
- O nó possui três ramos: uma subárvore condicional ( $f_c$ ), uma subárvore para o caso verdadeiro ( $f_T$ ) e outra para o falso ( $f_F$ ).
- A condição compara $f_c$ com um limiar aprendível ( $\tau$ ).
- O limiar ótimo $\tau^*$ é encontrado minimizando a soma das variâncias dos valores-alvo nas duas partições resultantes (agrupamento unidimensional).
Otimização Não Linear Híbrida: Diferente de métodos anteriores que usam constantes aleatórias, o Brush integra a otimização de parâmetros livres usando o método de Levenberg-Marquardt.
- O processo é heurístico: primeiro otimiza-se a subárvore condicional, depois encontra-se o melhor limiar $\tau$ , e finalmente ajustam-se os parâmetros restantes das subárvores, ignorando os já otimizados.
Estratégia de Busca Multi-objetivo:
- Utiliza seleção $\epsilon$ -lexicase e sobrevivência baseada em ordenação não dominada (NSGA-II) para equilibrar a maximização da performance (MSE) e a minimização da complexidade linear do modelo.
- Inclui operadores de mutação e crossover específicos, além de um mecanismo de "simplificação imperfeita" (inexact simplification) pós-processamento para comprimir modelos sem perder performance.
Modo de Classificação: O Brush estende-se para classificação fixando um nó de regressão logística na raiz da árvore, permitindo a geração de probabilidades e modelos de decisão binária.

3. Contribuições Principais

Integração de Lógica e Otimização: O Brush é a primeira abordagem de SR que combina operações de divisão (split-wise) com otimização não linear de parâmetros de forma eficiente, permitindo a descoberta de regras lógicas aninhadas dentro de expressões matemáticas.
Desempenho Pareto-Ótimo: O algoritmo demonstra capacidade de encontrar soluções que equilibram melhor a acurácia e a simplicidade (tamanho do modelo) do que métodos de ponta (State-of-the-Art - SotA).
Aplicabilidade Clínica: O trabalho valida a utilidade do Brush na recriação automática de sistemas de pontuação clínica complexos a partir de dados eletrônicos de saúde (EHR), gerando modelos que espelham a lógica clínica humana.

4. Resultados Experimentais

A. Benchmark SRBench (Regressão)

O Brush foi testado em 252 problemas (122 do mundo real e 130 de física sintética):

Desempenho: Alcançou desempenho Pareto-óptico, superando ou empatando com métodos como Operon, FEAT e PS-Tree.
Precisão: Em mais de 50% das execuções, obteve $R^2 > 0.999$ , mesmo sob altos níveis de ruído.
Tamanho do Modelo: Produziu expressões significativamente menores e mais simples do que o PS-Tree e outros métodos, mantendo alta acurácia na recuperação de equações de física (Feynman e Strogatz).

B. Dados Clínicos (MIMIC-IV-ED)

O algoritmo foi aplicado a dados de 10.000 pacientes para prever pontuações de triagem (MAP, CART, MEWS) e risco de deterioração catastrófica:

Regressão (Pontuação): O Brush alcançou $R^2 \approx 1.00$ para a pontuação MAP e resultados competitivos para CART e MEWS, com modelos muito mais compactos (ex: 13 nós vs. milhares de nós em Random Forests ou árvores de decisão padrão).
Classificação (Deterioração): Ao transformar o problema em classificação binária (risco alto vs. baixo), o Brush obteve AUPRC (Área sob a Curva de Precisão-Recall) superior a 0.95 para MEWS e 0.99 para CART.
Comparação: O Brush superou a Regressão Logística (LR) e o FEAT em tarefas de classificação, e gerou modelos muito menores que o PS-Tree e Random Forests, mantendo performance comparável ou superior.
Interpretabilidade: Os modelos gerados reproduziram as regras clínicas conhecidas (ex: priorizar frequência respiratória no CART, ou combinações de frequência cardíaca e pressão arterial no MEWS) de forma compacta e lógica.

5. Significado e Conclusão

O artigo demonstra que o Brush é uma ferramenta promissora para a descoberta de modelos clínicos baseados em dados.

Equilíbrio Raro: O algoritmo consegue simultaneamente alta performance preditiva, estabilidade e extrema interpretabilidade, características raramente encontradas juntas em ferramentas de modelagem clínica.
Validação de Lógica Clínica: A capacidade do Brush de "redescobrir" sistemas de pontuação existentes (como CART e MEWS) a partir de dados brutos valida sua utilidade não apenas como ferramenta de previsão, mas como mecanismo de descoberta de heurísticas médicas.
Impacto Futuro: Ao permitir a integração de lógica de decisão (regras) com otimização matemática contínua, o Brush expande o escopo da regressão simbólica para aplicações onde a explicabilidade é crítica, como na medicina de precisão e sistemas de suporte à decisão clínica.

Em suma, o Brush representa um avanço significativo na interseção entre Inteligência Artificial explicável e medicina, oferecendo um método robusto para gerar "pontuações de decisão" derivadas de dados que são tanto precisas quanto compreensíveis para os clínicos.