ICU Mortality and LOS Prediction Models Using Machine Learning Based on Both Real and Synthetic Data

Resumo Técnico: Modelos de Predição de Mortalidade e Tempo de Internação (LOS) em UTI Usando Aprendizado de Máquina Baseado em Dados Reais e Sintéticos

Declaração do Problema
O desenvolvimento de modelos precisos de aprendizado de máquina (ML) para desfechos em Unidades de Terapia Intensiva (UTI) em cenários de baixos recursos, especificamente na Etiópia, é dificultado por dois desafios primários: a escassez de dados de treinamento de alta qualidade e um desequilíbrio de classes significativo. Na coorte estudada de 10.669 pacientes de cinco hospitais públicos etíopes, a taxa de mortalidade foi de apenas 13,9%, criando um desequilíbrio severo que tipicamente enviesa os modelos em direção à classe majoritária (sobrevivência). Além disso, os índices de gravidade padrão (ex: SAPS-II, SOFA) são frequentemente inaplicáveis neste contexto devido à indisponibilidade de testes laboratoriais específicos (ex: gasometria arterial, bilirrubina) e restrições de recursos que afetam as intervenções oportunas. Embora arquiteturas de aprendizagem profunda (ex: Transformers, TCNs) se destaquem em ambientes de altos recursos com dados de séries temporais densos, elas são limitadas em cenários onde os dados são esparsos, tabulares e frequentemente baseados em papel. Este estudo aborda a necessidade de ferramentas preditivas que funcionem efetivamente dentro desses ambientes de dados restritos.

Metodologia
O estudo empregou um desenho experimental comparativo retrospectivo utilizando dados de cinco hospitais públicos da Etiópia (Calendário Etíope 2013–2016). O conjunto de dados incluiu 10.669 registros de adultos em UTI abrangendo demografia, sinais vitais, resultados laboratoriais e desfechos.

1. Pré-processamento e Balanceamento de Dados:

   • Registros com >20% de ausência em campos administrativos principais foram descartados.
   • Valores numéricos ausentes foram imputados com a mediana; valores categóricos com a moda.
   • Para abordar o desequilíbrio de classes, a classe majoritária (sobreviventes) foi subamostrada, criando um conjunto de treinamento balanceado de 2.942 pacientes (50% mortalidade). Este processo descartou 7.631 registros originais.
   • Outliers foram limitados nos percentis 1 e 99, e as características categóricas foram codificadas por rótulos (label-encoding).

2. Geração de Dados Sintéticos:
   Três algoritmos distintos foram avaliados para gerar dados sintéticos para aumentar o conjunto de dados reais:

   • SMOTE-NC (Synthetic Minority Over-sampling Technique for Nominal and Continuous): Utilizou interpolação linear entre instâncias minoritárias existentes e seus k-vizinhos mais próximos. É computacionalmente eficiente (2,1s) e determinístico.
   • CTGAN (Conditional Tabular Generative Adversarial Network): Uma arquitetura gerador-discriminador projetada para distribuições tabulares complexas e não lineares. É computacionalmente intensivo (187,4s) e estocástico.
   • Variational Autoencoder (VAE): Um modelo probabilístico de variável latente. Teve dificuldades com tipos de dados mistos nesta implementação específica, resultando em baixo desempenho.

3. Desenho Experimental:
   Os modelos foram treinados sob três configurações:

   • Apenas Real (RO - Real-Only): Treinamento exclusivamente em dados reais.
   • Apenas Sintético (SO - Synthetic-Only): Treinamento exclusivamente em dados sintéticos.
   • Híbrido (HY - Hybrid): Treinamento em uma combinação de 80% de dados reais e 20% de dados sintéticos.

4. Algoritmos de Aprendizado de Máquina:
   Três algoritmos foram testados tanto para classificação (Mortalidade) quanto para regressão (Tempo de Internação - LOS):

   • Regressão Logística (Baseline)
   • Random Forest
   • XGBoost

5. Validação:
   Uma divisão estratificada de hold-out de 80/20 foi utilizada, com o conjunto de teste (n=589) isolado até a avaliação final. O desempenho foi avaliado usando Acurácia, F1-score, AUC para mortalidade, e Erro Médio Absoluto (MAE) e R² para LOS. A estabilidade foi verificada via validação cruzada estratificada repetida de 5×5.

Principais Resultados

• Qualidade dos Dados Sintéticos:

  • O CTGAN demonstrou utilidade downstream superior, alcançando 91,7% de acurácia em um conjunto de teste real (vs. 8 de 86,4% para SMOTE-NC), embora tenha exigido um tempo de treinamento significativamente maior.
  • O VAE falhou em produzir poder preditivo (51,6% de acurácia, comparável ao acaso), sendo excluído de experimentos híbridos posteriores.
  • O SMOTE-NC ofereceu um equilíbrio pragmático entre preservação de correlação e eficiência computacional.

• Predição de Mortalidade:

  • Modelos híbridos superaram consistentemente os modelos de apenas real e apenas sintético.
  • O melhor modelo foi o CTGAN + XGBoost na configuração híbrida, atingindo uma acurácia de 0,998 (IC 95%: 0,995–1,000), F1-score de 0,996 e AUC de 0,99.
  • SMOTE-NC + Random Forest também alcançou alta acurácia (0,996).
  • Nota: Os autores alertam explicitamente que esses altos números de acurácia baseiam-se em um conjunto de teste artificialmente balanceado (50% mortalidade) e não refletem as distribuições de classes do mundo real.

• Predição de Tempo de Internação (LOS):

  • A configuração híbrida CTGAN + XGBoost apresentou o melhor desempenho com um MAE de 4,08 dias (IC 95%: 3,58–4,67) e um R² de 0,601.
  • O modelo CTGAN + Random Forest treinado apenas com dados sintéticos surpreendeu ao superar os baselines de apenas real (MAE 3,76 dias), sugerindo que o CTGAN preservou com sucesso padrões temporais clinicamente significativos.

• Importância das Características (Feature Importance):

  • A Oxigenação emergiu como o preditor dominante. A necessidade de oxigênio (r = 0,327) e a SpO2 (r = 0,299) foram as principais variáveis classificadas.
  • A Hemoglobina mostrou associação negligenciável com a mortalidade (r = -0,023, rank 15/19).
  • A Idade não foi um preditor estatisticamente significativo (p = 0,39).
  • A análise SHAP confirmou que as variáveis de oxigenação impulsionam o risco de mortalidade mais do que a hemoglobina ou a idade neste coorte específico.

Significância e Alegações
O artigo afirma fazer três contribuições primárias:

1. Desempenho Comparativo: Fornece uma comparação sistemática de modelos de aprendizado de máquina através de configurações de dados reais, sintéticos e híbridos em um cenário de baixos recursos na Etiópia.
2. Preditores Específicos de Contexto: Identifica preditores clínicos específicos para o contexto de UTI etíope, destacando notavelmente a oxigenação como o fator crítico, enquanto desafia a significância da hemoglobina e da idade encontradas em outros estudos.
3. Desenvolvimento de Protótipo: Desenvolveu um protótipo interativo em Streamlit para visualizar insights do modelo, importância das características e cenários "e se" (what-if) para partes interessadas da saúde.

Os autores enfatizam que a modelagem híbrida (combinando dados reais e sintéticos) é uma solução viável para criar modelos de predição eficazes em ambientes de recursos limitados onde os dados são escassos e desbalanceados. Eles argumentam que a aumentação por dados sintéticos pode melhorar a discriminação do modelo sem introduzir viés significativo, desde que o método de geração (ex: CTGAN ou SMOTE-NC) seja validado para utilidade downstream.

Modéstia e Limitações
O artigo mantém um tom modesto quanto à prontidão clínica:

• Status de Validação: Os resultados baseiam-se em validação interna (dados retrospectivos de cinco hospitais). Os autores declaram explicitamente que a alta acurácia (99,5%) é provavelmente otimista devido ao balanceamento artificial do conjunto de teste e à falta de validação externa em outras instituições.
• Utilidade Clínica: O protótipo é descrito como uma "prova de conceito" para demonstração de pesquisa e geração de hipóteses apenas. Ele não é aprovado para uso clínico e não deve informar decisões de cuidado ao paciente.
• Generalização: Os achados são específicos de hospitais terciários públicos na Etiópia e não devem ser generalizados para hospitais privados, instalações rurais ou outros países sem recalibração e validação externa.
• Causalidade: Os autores esclarecem que os valores SHAP e a importância das características indicam associação, não causalidade. As relações observadas (ex: entre SpO2 e mortalidade) são confundidas por fatores não mensurados, como tempo para intervenção e disponibilidade de recursos.

O estudo conclui que, embora a aumentação de dados sintéticos mostre promessa para superar a escassez de dados, a validação externa prospectiva e os ensaios de ciência da implementação são pré-requisitos antes de qualquer implantação clínica.