BSO-AD: An Ontology for Representing and Harmonizing Behavioral Social Knowledge in ADRD

Este artigo apresenta o desenvolvimento e a validação da ontologia BSOAD, a primeira a representar sistematicamente e harmonizar fatores comportamentais e sociais relacionados à Doença de Alzheimer e Demências Relacionadas (ADRD), estabelecendo uma base semântica para análise computacional e integração de conhecimento.

O essencial

O "Google Maps" para a Saúde do Cérebro: Apresentando o BSO-AD

Imagine que você está tentando entender por que algumas pessoas desenvolvem demência (como o Alzheimer) e outras não. Você sabe que não é apenas uma questão de "genes ruins". A vida real importa muito: o que a pessoa come, se ela tem amigos, se trabalha, se tem dinheiro para pagar o aluguel e se mora em um bairro seguro.

O problema é que todas essas informações estão espalhadas em caixas separadas e bagunçadas. Os médicos têm os prontuários, os cientistas têm artigos científicos, e os governos têm códigos de impostos e saúde. Ninguém consegue juntar tudo isso para ver o quadro completo.

É aqui que entra o BSO-AD, o "herói" desta história.

1. O Que é o BSO-AD? (A Grande Biblioteca)

Pense no BSO-AD como uma biblioteca gigante e super organizada que foi construída especificamente para conectar dois mundos que raramente conversam:

• Mundo A: A biologia do cérebro e a doença (o Alzheimer).
• Mundo B: A vida social e comportamental da pessoa (o que ela faz, onde vive, como se sente).

Antes, esses dois mundos falavam línguas diferentes. O médico falava "hipertensão", o assistente social falava "falta de recursos". O BSO-AD é o dicionário universal que traduz tudo para uma mesma linguagem, permitindo que computadores e pesquisadores entendam como a solidão, por exemplo, pode afetar a química do cérebro.

2. Como Eles Construíram Isso? (O Lego Inteligente)

Os cientistas não inventaram tudo do zero. Eles foram como mestres de Lego que pegaram peças de caixas já existentes e de alta qualidade para montar algo novo e maior.

• Eles pegaram peças de um conjunto chamado SDoHO (que fala sobre os determinantes sociais da saúde, como educação e renda).
• Pegaram peças de DROADO (que fala sobre os remédios e genes do Alzheimer).
• E adicionaram peças novas, como os códigos médicos internacionais (ICD-10), que são como os "códigos de barras" usados nos hospitais para registrar problemas sociais (ex: "desemprego" ou "falta de moradia").

Ao juntar tudo isso, eles criaram um mapa de conexões. Eles não apenas listaram os fatores, mas desenharam as setas que mostram como um afeta o outro.

• Exemplo: "Falta de atividade física" $\rightarrow$ (seta) $\rightarrow$ "Aumenta o risco de demência".
• Exemplo: "Isolamento social" $\rightarrow$ (seta) $\rightarrow$ "Piora a progressão da doença".

Eles foram além e criaram "pontes invisíveis" (mecanismos biológicos) para explicar como isso acontece, conectando o comportamento social aos genes e às proteínas do cérebro.

3. Como Eles Sabem que Funciona? (O Teste do Mestre e do Robô)

Para garantir que essa biblioteca não estava cheia de erros, eles usaram dois métodos de verificação:

1. O Teste dos Especialistas (Humanos): Eles pediram para dois médicos e cientistas experientes lerem as regras da biblioteca e dizerem: "Isso faz sentido?". Eles concordaram em 95% dos casos! Quando discordaram, conversaram até chegar a um consenso. Foi como um grupo de amigos revisando um mapa de viagem antes de sair de casa.
2. O Teste da Inteligência Artificial (Robôs): Eles usaram uma Inteligência Artificial avançada (chamada LLM, a mesma tecnologia por trás de chatbots modernos) para ler milhares de artigos científicos e ver se a biblioteca conseguia "entender" e organizar as informações que os robôs encontravam.
   • Resultado: A IA conseguiu classificar quase tudo (mais de 97% de cobertura) e a biblioteca parecia muito coerente com o que a ciência já sabe.

4. Por Que Isso é Importante? (O Futuro)

Imagine que, no passado, tentar tratar o Alzheimer era como tentar consertar um carro olhando apenas o motor, ignorando que o motorista estava com fome, estressado e sem dinheiro para gasolina.

Com o BSO-AD, agora podemos:

• Prevenir melhor: Saber exatamente quais fatores sociais (como morar em um bairro com parques ou ter acesso a educação) ajudam a proteger o cérebro.
• Criar tratamentos personalizados: Entender que o que funciona para uma pessoa pode não funcionar para outra, dependendo do contexto social dela.
• Unir dados: Permitir que hospitais, pesquisadores e governos falem a mesma língua, acelerando a descoberta de novas curas e políticas públicas.

Resumo em uma Frase

O BSO-AD é como um tradutor mágico e um mapa de conexões que une a vida social das pessoas à biologia do cérebro, permitindo que a ciência entenda a demência de forma completa e ajude a criar soluções mais inteligentes e humanas para o futuro.

Resumo técnico

Resumo Técnico: BSO-AD

1. O Problema

Os fatores comportamentais e sociais (BSFs), como atividade física, isolamento social, nível educacional e condições socioeconômicas, desempenham um papel crucial no risco, início e progressão da Doença de Alzheimer e Demências Relacionadas (ADRD). No entanto, a integração sistemática desse conhecimento na pesquisa sobre ADRD enfrenta desafios significativos:

• Heterogeneidade de Fontes: O conhecimento sobre BSFs está disperso em fontes diversas (registros eletrônicos de saúde, pesquisas, literatura clínica não estruturada) com padrões de codificação inconsistentes.
• Silos de Conhecimento: As ontologias existentes focam ou nos aspectos biológicos/clínicos da ADRD (ex: DROADO, ADO) ou nos determinantes sociais de saúde de forma isolada (ex: SDoHO), sem uma estrutura unificada que conecte os dois domínios.
• Falta de Interoperabilidade: A ausência de uma infraestrutura ontológica robusta impede a síntese de evidências escalável e a análise computacional automatizada das interações entre BSFs e ADRD.

2. Metodologia

Os autores desenvolveram a Ontologia de Dados e Conhecimento Comportamental-Social para ADRD (BSO-AD) seguindo princípios de engenharia de ontologias biomédicas (princípios OBO Foundry, FAIR e ACCELERATE).

• Estrutura e Reutilização:

  • A ontologia foi construída em OWL2 utilizando ferramentas como ROBOT e Protégé.
  • Baseia-se na reutilização e extensão de ontologias estabelecidas: SDoHO (Determinantes Sociais de Saúde), DROADO (Reposicionamento de Drogas para ADRD), TEO (Ontologia de Eventos Temporais) e AD-Onto (Avaliações Neuropsicológicas).
  • Integração de Padrões Clínicos: Para garantir interoperabilidade com registros eletrônicos (EHR), foram incorporados códigos ICD-10-CM (Z55–Z65) para fatores socioeconômicos e códigos ICD-9/10 para ADRD, mapeados para classes da ontologia.

• Design de Relações (Propriedades):

  • Associações Diretas: Derivadas de mineração de literatura (PubMed) e alinhadas à Rede Semântica do UMLS. Incluem relações funcionais (ex: affectsRiskOf, causes, predicts) e temporais (ex: associatedWithShorterTime).
  • Associações Indiretas (Mecanísticas): Modeladas através de nós intermediários biológicos (genes, vias metabólicas e patologias) para representar como os BSFs influenciam a ADRD biologicamente.

• Avaliação Híbrida (Humana e IA):

  • Revisão por Especialistas: Utilizou a ferramenta Hootation para converter axiomas em sentenças naturais, avaliadas por dois especialistas para medir concordância racional e interavaliadora.
  • Avaliação Assistida por LLM: Desenvolveu um pipeline automatizado usando Grandes Modelos de Linguagem (LLMs: Llama4, Qwen3, MedGemma) para:
    1. Extrair conceitos de um corpus de literatura médica.
    2. Calcular métricas de Cobertura de Categoria (quão bem a ontologia abrange os conceitos da literatura).
    3. Avaliar Coerência Semântica usando embeddings (ClinicalBERT) para medir Completude, Concisão, Similaridade Pai-Filho (PSS) e Similaridade Filho-Filho (CSS).

3. Principais Contribuições

1. Primeira Ontologia Integrada: O BSO-AD é, segundo os autores, a primeira ontologia a formalizar sistematicamente os BSFs no contexto específico da ADRD, unificando domínios sociais e biológicos.
2. Estrutura de Relações Multinível: Introduz um framework que captura tanto associações diretas (sociais) quanto indiretas (mecanismos biológicos), permitindo modelagem de causalidade complexa.
3. Framework de Avaliação Automatizado: Propõe e valida um método escalável usando LLMs para avaliar a qualidade ontológica (cobertura e coerência), reduzindo a dependência exclusiva de revisões manuais demoradas.
4. Interoperabilidade Clínica: A integração nativa com códigos ICD-10-CM facilita a aplicação direta em dados do mundo real (EHR).

4. Resultados

• Estatísticas da Ontologia: A versão atual contém 2.275 classes, 153 propriedades de objeto e 49 propriedades de dados.
• Avaliação de Especialistas: Demonstrou alta concordância racional (0,95) e interavaliadora (0,96), com discrepâncias resolvidas via discussão (ex: reestruturação de classes como "Não-fumante" e "Fumante" para evitar hierarquias semânticas incorretas).
• Avaliação via LLM:
  • Cobertura de Categoria: Altíssima em todas as categorias de BSFs (≥ 0,97), indicando que a ontologia abrange quase todos os conceitos extraídos da literatura.
  • Completude e Concisão: Médias de 0,79 e 0,94, respectivamente, sugerindo uma boa sobreposição entre os conceitos da ontologia e os dados da literatura.
  • Coerência Hierárquica: Métricas de similaridade (CSS e PSS) mostraram organização semântica estável. A categoria "Vizinhança" teve o melhor desempenho, enquanto "Alimentação" apresentou heterogeneidade, apontando áreas para refinamento futuro (ex: adição de classes intermediárias).

5. Significado e Impacto

O BSO-AD estabelece uma espinha dorsal semântica essencial para a pesquisa em ADRD, permitindo:

• Integração de Dados: Harmonização de fontes heterogêneas (EHRs, literatura, dados sociais) para análise unificada.
• Descoberta de Conhecimento: Facilita a identificação de padrões complexos entre fatores sociais e progressão da doença através de modelos computacionais.
• Intervenção Direcionada: Apoia o desenvolvimento de políticas de saúde e intervenções preventivas baseadas em evidências, ao quantificar o impacto de BSFs específicos.
• Escalabilidade: A metodologia de avaliação assistida por IA demonstra que é possível manter e expandir ontologias complexas de forma eficiente, preparando o terreno para futuras integrações com padrões como o ICD-11.

Em suma, o BSO-AD preenche uma lacuna crítica ao conectar o mundo social/comportamental com a biologia da demência, oferecendo uma infraestrutura pronta para suportar a próxima geração de análises de IA em saúde.