High-Performance Classification of Mpox Symptoms Using Support Vector Classifier and Quadratic Discriminant Analysis

Este estudo demonstra que classificadores de aprendizado de máquina, especificamente o Classificador de Vetor de Suporte (SVC) e a Análise Discriminante Quadrática (QDA), alcançam alta precisão na detecção de Mpox baseada em sintomas clínicos, com a erupção cutânea identificada como o fator preditivo mais relevante.

O essencial

Imagine que o mundo está enfrentando uma tempestade de "gripe da macaca" (Mpox), e os médicos estão tentando adivinhar quem está doente apenas olhando para os sintomas, sem poder usar os testes de laboratório caros e complicados que normalmente seriam necessários. É como tentar adivinhar o sabor de um bolo apenas pelo cheiro, sem poder prová-lo.

Este artigo é como um grupo de detetives inteligentes (inteligência artificial) que decidiu aprender a fazer essa adivinhação de forma super precisa, apenas olhando para a lista de sintomas que os pacientes relatam.

Aqui está a história do que eles fizeram, explicada de forma simples:

1. O Problema: O Laboratório Fica Longe

Em muitos lugares do mundo, especialmente em áreas mais pobres ou remotas, não há máquinas de laboratório para testar o vírus. Os médicos têm que confiar apenas no que o paciente diz: "Estou com febre", "Tenho manchas na pele", "Meus gânglios incharam". Mas esses sintomas podem ser confundidos com outras doenças, como varicela ou sarampo. É como tentar distinguir um lobo de um cachorro apenas pela silhueta à noite.

2. A Solução: Treinando "Cérebros Digitais"

Os autores pegaram um grande livro de registros de pessoas que tiveram Mpox (dados reais do mundo todo) e usaram computadores para treinar cinco tipos diferentes de "cérebros digitais" (algoritmos de aprendizado de máquina). Eles queriam ver qual desses cérebros conseguia adivinhar melhor quem tinha a doença real e quem só estava com suspeita.

Os cinco "alunos" treinados foram:

• Árvores de Decisão: Como um jogo de "20 perguntas" (Sim/Não).
• Perceptron: Um modelo simples que aprende com exemplos.
• Extra Trees: Uma floresta de árvores de decisão trabalhando juntas.
• QDA (Análise Discriminante Quadrática): Um matemático que desenha curvas complexas para separar os doentes dos saudáveis.
• SVC (Classificador de Vetor de Suporte): Um especialista em encontrar a linha perfeita que divide dois grupos.

3. O Grande Teste: Quem é o Campeão?

Depois de muito treino e ajuste fino (como afinar um instrumento musical), eles colocaram os modelos à prova.

O resultado foi impressionante:
Três dos modelos (SVC, QDA e Perceptron) ficaram empatados como os campeões absolutos! Eles acertaram 97,7% das vezes.

• Eles não erraram nenhum caso de "falso positivo" (não acusaram alguém de ter a doença quando não tinha).
• Eles perderam apenas 2 casos reais (falsos negativos), o que é excelente.

Imagine que você tem 100 pessoas na fila. Esses modelos digitais identificariam corretamente quase todas as pessoas doentes, sem confundir ninguém.

4. O Segredo: O que mais importa?

Os pesquisadores perguntaram aos computadores: "Qual sintoma vocês mais olharam para tomar essa decisão?"
A resposta foi clara: A erupção na pele (manchas/lesões) foi o "superpoder" mais importante. Depois, a febre e as lesões na pele também foram cruciais.

Curiosamente, um sintoma clássico chamado "inchaço dos gânglios" (que os médicos sabem ser muito importante) não foi tão útil para o computador quanto os outros. Isso provavelmente porque, nos registros antigos, as pessoas nem sempre relatavam esse sintoma com clareza. É como tentar adivinhar o time de futebol favorito de alguém, mas ele nunca fala sobre o time, só fala sobre a camisa.

5. Por que isso é importante?

Este estudo mostra que, em lugares onde não há laboratórios, podemos usar um aplicativo simples no celular. O médico ou enfermeiro entra com os sintomas do paciente, e o "cérebro digital" diz: "Com 97% de certeza, isso é Mpox".

Isso seria como ter um detective particular de bolso que trabalha 24 horas por dia, sem cobrar, para ajudar a encontrar os doentes rapidamente, parar a transmissão e salvar vidas, especialmente em lugares onde a medicina tradicional tem dificuldade de chegar.

Resumo da Ópera:
A ciência conseguiu criar uma ferramenta digital barata e rápida que usa apenas os sintomas (como manchas na pele e febre) para diagnosticar Mpox com quase a mesma precisão de um teste de laboratório. É um passo gigante para tornar a saúde mais justa e acessível para todos, independentemente de onde vivam.

Resumo técnico

Título: Classificação de Alto Desempenho de Sintomas de Mpox usando Classificador de Vetor de Suporte (SVC) e Análise Discriminante Quadrática (QDA)

1. Problema e Contexto

Os recentes surtos globais de Mpox (antigamente varíola dos macacos) apresentaram desafios significativos para o diagnóstico, especialmente em ambientes com recursos limitados. Os métodos diagnósticos convencionais, como a Reação em Cadeia da Polimerase (PCR), são frequentemente inacessíveis devido a custos elevados, restrições logísticas e falta de pessoal treinado. Em regiões endêmicas, como a República Democrática do Congo (RDC), a maioria dos casos é diagnosticada clinicamente, levando a altas taxas de subnotificação e erros de diagnóstico (muitas vezes confundidos com varicela ou sarampo). Há uma necessidade urgente de estratégias de diagnóstico alternativas, escaláveis e baseadas em dados clínicos para melhorar a vigilância e a detecção precoce.

2. Metodologia

O estudo utilizou uma abordagem de aprendizado de máquina supervisionado para classificar casos de Mpox com base em dados de sintomas clínicos.

• Dados: Foi utilizado um conjunto de dados aberto da Organização Mundial da Saúde (OMS), contendo casos suspeitos e confirmados de Mpox a partir de 2022. O conjunto final, após limpeza e balanceamento, continha 438 indivíduos (219 confirmados e 219 suspeitos) com 48 variáveis (42 sintomas e 6 variáveis demográficas).
• Pré-processamento:
  • Padronização de terminologia de sintomas (ex: harmonização de "dor muscular", "dores musculares" e "mialgia").
  • Binariização das variáveis de sintomas (Sim = 1, Não = 0).
  • Imputação de valores faltantes (moda para gênero e idade).
  • Codificação de variáveis categóricas (Label Encoding).
  • Balanceamento de classes via amostragem aleatória.
• Modelagem:
  • Foram avaliados inicialmente 26 algoritmos usando a biblioteca LazyPredict.
  • Cinco modelos foram selecionados para refinamento e ajuste de hiperparâmetros (GridSearchCV): Árvores Extra (ETC), Análise Discriminante Quadrática (QDA), Árvores de Decisão (DTC), Perceptron e Classificador de Vetor de Suporte (SVC).
  • Os dados foram divididos em conjuntos de treino, validação e teste (80:10:10) e normalizados usando z-score.
• Avaliação: O desempenho foi medido por precisão (accuracy), F1-score, recall, área sob a curva ROC (ROC-AUC) e matrizes de confusão. A importância das características foi analisada usando técnicas de permutação.

3. Principais Contribuições

• Validação de Modelos Simples: Demonstra que algoritmos clássicos de aprendizado de máquina (QDA, SVC e Perceptron) podem atingir desempenho superior ao de métodos mais complexos (como Deep Learning) quando aplicados a dados tabulares de sintomas clínicos, sem a necessidade de imagens de lesões.
• Identificação de Sintomas Chave: A análise de importância das características revelou que a "erupção cutânea" (skin rash) é o preditor mais forte, seguida por "lesões cutâneas" e "febre". Curiosamente, a "linfadenopatia", embora clinicamente distintiva, teve baixa importância no modelo devido à inconsistência nos dados relatados.
• Abordagem de Baixo Custo: Propõe uma ferramenta de triagem rápida e de baixo custo que pode ser implementada em sistemas de saúde com infraestrutura limitada, reduzindo a dependência exclusiva de testes moleculares.

4. Resultados

• Desempenho dos Modelos: Os modelos SVC, QDA e Perceptron apresentaram desempenho idêntico e superior:
  • Precisão (Accuracy): 97,7%
  • F1-Score: 97,7%
  • ROC-AUC: 97,7%
  • Recall: 95,5%
• Matriz de Confusão: Os três melhores modelos identificaram corretamente 44 casos verdadeiros positivos (True Positives) com zero falsos positivos. O SVC e o QDA apresentaram o menor número de falsos negativos (apenas 2), indicando alta sensibilidade, o que é crucial para doenças infecciosas.
• Análise Epidemiológica:
  • Gênero: Predominância de casos em homens.
  • Idade: A faixa etária de 20 a 64 anos representou a maior proporção de casos, contrastando com dados históricos africanos que focavam em crianças (possivelmente devido a viés de notificação ou diferenças nas dinâmicas de transmissão recentes).
  • Geografia: Os maiores números de casos no conjunto de dados foram na RDC, Canadá, Nigéria, Portugal e Chile.

5. Significado e Conclusões

O estudo conclui que os classificadores de aprendizado de máquina, especificamente QDA e SVC, têm um potencial robusto para a detecção de Mpox baseada apenas em características clínicas. A integração desses modelos nos sistemas de saúde poderia:

1. Melhorar significativamente a detecção precoce de casos.
2. Apoiar a tomada de decisão clínica em locais onde testes de PCR são indisponíveis.
3. Fortalecer a vigilância epidemiológica global.

Limitações e Futuro: O estudo reconhece limitações como dados retrospectivos, imputação de dados demográficos e viés de notificação. Pesquisas futuras devem focar na validação prospectiva em ambientes clínicos reais, incorporando dados genômicos, comportamentais e temporais para refinar ainda mais a precisão diagnóstica.

Nota: Este artigo é um preprint (versão pré-publicação) e ainda não foi revisado por pares, portanto, não deve ser usado para guiar a prática clínica direta sem validação adicional.