Machine learning-based prediction of preeclampsia: a comparative study on model effectiveness

Resumo Técnico: Predição de Pré-eclâmpsia Baseada em Aprendizado de Máquina em Ambientes de Baixos Recursos

Definição do Problema
A pré-eclâmpsia continua sendo uma causa crítica de morbidade materna e perinatal, particularmente em países de baixa e média renda (LMICs), como o Sri Lanka. Embora o aprendizado de máquina (ML) tenha mostrado promessa na predição desta condição, os modelos existentes frequentemente dependem de grandes conjuntos de dados provenientes de ambientes de alta renda e biomarcadores especializados indisponíveis na prática clínica rotineira de LMICs. Este estudo aborda uma lacuna metodológica específica: como desenvolver modelos de predição eficazes sob severas restrições de dados típicas de estudos de coorte de fase inicial em LMICs. Essas restrições incluem pequenos tamanhos de amostra, desequilíbrio extremo de classes (a pré-eclâmpsia é rara), variáveis preditoras limitadas (apenas características clínicas de rotina) e o risco de vazamento de dados (data leakage) ao utilizar variáveis pós-desfecho. O estudo visa identificar o algoritmo mais robusto para a predição da pré-eclâmpsia sob estas condições realistas e de recursos limitados, para informar o desenvolvimento de uma coorte de nascimento populacional maior e impulsionada por IA no Sri Lanka.

Metodologia
O estudo utilizou um conjunto de dados retrospectivo de 343 mulheres grávidas da Província Ocidental do Sri Lanka, compreendendo 310 casos negativos para pré-eclâmpsia e 33 casos positivos (prevalência de 9,6%). Para simular um cenário genuíno de predição precoce e prevenir o vazamento de alvo (target leakage), o modelo foi restrito a seis características de base disponíveis no registro inicial da gravidez: idade materna, índice de massa corporal (IMC), gravidez, paridade, número de gestações anteriores e número de partos anteriores.

Seis algoritmos de aprendizado de máquina foram avaliados comparativamente:

1. Regressão Logística (LR)
2. Floresta Aleatória (Random Forest - RF)
3. XGBoost (XGB)
4. Máquina de Vetores de Suporte (Support Vector Machine - SVM)
5. K-Vizinhos Mais Próximos (K-Nearest Neighbours - KNN)
6. Rede Neural Artificial (Artificial Neural Network - ANN)

O design experimental empregou uma estratégia rigorosa de validação cruzada de cinco dobras (five-fold cross-validation) com prevenção estrita de vazamento. Um componente crítico da metodologia foi o tratamento do desequilíbrio de classes. O estudo comparou modelos "base" (utilizando dados desbalanceados brutos ou ponderação de classe) contra modelos aumentados com a Técnica de Sobreamostragem Sintética de Minorias (SMOTE). O SMOTE foi aplicado exclusivamente aos dados de treinamento dentro de cada dobra, garantindo que o conjunto de validação permanecesse intocado e representativo da distribuição original. O desempenho foi avaliado usando métricas apropriadas para classificação desbalanceada, incluindo acurácia balanceada, Área Sob a Curva (AUC), recall (sensibilidade), precisão, pontuação F1 e estabilidade (medida como o desvio padrão entre as dobras).

Principais Resultados

• Desempenho de Base: Sem o tratamento do desequilíbrio, todos os modelos falharam em detectar a classe minoritária de forma eficaz. A Regressão Logística, o KNN e o XGBoost alcançaram recall zero, essencialmente prevendo a classe majoritária para todas as amostras. Embora alguns modelos (ex: SVM com ponderação de classe) tenham mostrado um recall modesto, eles sofreram de baixa precisão ou variância extrema.
• Impacto do SMOTE: A aplicação do SMOTE melhorou dramaticamente a detecção da classe minoritária em todos os algoritmos.
• Comparação de Modelos:
  • O XGBoost com SMOTE emergiu como o modelo ideal, alcançando o melhor equilíbrio entre desempenho e estabilidade. Registrou uma acurácia balanceada de 0,889 ± 0,027, uma AUC de 0,956 ± 0,013 e um recall de 0,88 ± 0,03. Crucialmente, demonstrou a menor variância (desvio padrão) entre todas as métricas, indicando alta estabilidade.
  • O KNN com SMOTE alcançou estimativas pontuais comparáveis (AUC 0,914), mas exibiu uma variância significativamente maior (SD do recall de 0,10 vs. 0,03 para o XGBoost), sugerindo sobreajuste (overfitting) dado o pequeno tamanho da amostra.
  • A Floresta Aleatória (Random Forest) mostrou desempenho robusto (AUC 0,902), mas foi superada pelo XGBoost em estabilidade e métricas gerais.
  • O SVM alcançou desempenho moderado (AUC 0,833) com alta variância.
  • A ANN teve desempenho inferior em relação aos métodos baseados em árvores (AUC ~0,81), confirmando que o aprendizado profundo não oferece vantagem para conjuntos de dados tabulares pequenos com conteúdo de informação limitado.
  • A Regressão Logística teve o pior desempenho (AUC 0,733), indicando que a relação entre as características selecionadas e a pré-eclâmpsia é não linear.
• Verificação de Vazamento de Dados: Modelos incorporando variáveis pós-desfecho (ex: idade gestacional no parto) produziram desempenho artificialmente inflado (AUC > 0,98), validando a necessidade de uma seleção rigorosa de características temporais.

Principais Contribuições

1. Seleção de Algoritmo para Ambientes com Restrição de Dados: O estudo fornece evidência empírica de que métodos de conjunto (ensemble methods), especificamente o XGBoost combinado com SMOTE, são superiores ao aprendizado profundo (ANN) e modelos lineares (LR) para a predição da pré-eclâmpsia quando os tamanhos de amostra são pequenos (<1.000) e os eventos são raros (<50).
2. Estabilidade sobre Estimativas Pontuais: O artigo estabelece um arcabouço metodológico que prioriza a estabilidade do modelo (baixa variância) sobre as estimativas pontuais brutas. Demonstra que modelos de alto desempenho, mas instáveis (como o KNN neste contexto), são clinicamente pouco confiáveis quando a contagem de eventos é baixa.
3. Benchmarking de Viabilidade: Estabelece um parâmetro de desempenho realista para a predição da pré-eclâmpsia usando apenas variáveis clínicas de rotina em um cenário de LMIC, distinguindo este trabalho de estudos que dependem de biomarcadores especializados.
4. Protocolo de Validação Rigoroso: O estudo destaca a importância crítica de protocolos de validação cruzada estritos que evitem o vazamento de dados de amostras sintéticas (SMOTE) para os conjuntos de validação, um erro comum em pesquisas de ML médico.

Significância e Alegações
Os autores posicionam explicitamente este trabalho como um estudo de viabilidade metodológica preparatório, e não como uma ferramenta clinicamente implantável. A significância reside em seu papel como um protótipo para uma futura coorte de nascimento populacional maior no Sri Lanka.

O artigo alega que, embora o XGBoost com SMOTE apresente uma discriminação promissora (AUC ~0,96), os resultados atuais não são suficientes para uso clínico devido a:

• O pequeno tamanho da amostra (apenas 33 eventos), o que limita o poder estatístico e a generalização.
• A falta de validação externa.
• A ausência de avaliação de calibração.

Os autores concluem que, para a coorte de nascimento planejada, o trabalho futuro deve focar na acumulação de números adequados de eventos (visando 5.000–10.000 participantes), realização de validação externa, incorporação de preditores longitudinais e realização de análise de calibração antes que qualquer implementação clínica possa ser considerada. O estudo serve para guiar a seleção de algoritmos e a avaliação focada em estabilidade para futuras iterações da coorte impulsionada por IA.