Autobiolearn : um arcabouço para automação de modelos de aprendizado de máquina e explicabilidade em dados clínicos

• Ano de defesa: 2024
• Autor(a) principal: Moreira, Lucas Pinheiro Badaró
• Orientador(a): Simões, Sergio Nery
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Serra
• Palavras-chave em Português: Aprendizado de máquina; Machine Learning; Saúde; Dados clínicos; Explainable Artificial Intelligence (XAI); AutoBioLearn
• Link de acesso: https://repositorio.ifes.edu.br/handle/123456789/5800

Nas últimas duas décadas, o volume de dados biológicos e clínicos cresceu exponencialmente, impulsionado por avanços tecnológicos, como o sequenciamento de nova geração (NGS), e por iniciativas de grande escala, como o Projeto Genoma Humano (1990–2003) e o The Cancer Genome Atlas (TCGA, 2006–2018). Apenas na última década, o TCGA gerou mais de 2,5 petabytes de dados genômicos, epigenômicos, transcriptômicos e proteômicos relacionados a 33 tipos de câncer. Esse crescimento intensificou a demanda por técnicas de ciência de dados para análises avançadas e descoberta de padrões significativos. O aprendizado de máquina (ML) tem desempenhado um papel crucial na área da saúde, com aplicações que incluem predição de riscos, diagnósticos assistidos, descoberta de medicamentos e otimização de recursos hospitalares. Por exemplo, algoritmos de ML têm sido utilizados para identificar mutações genéticas associadas a determinados tipos de câncer em dados genômicos, auxiliando no diagnóstico precoce e em tratamentos personalizados. No entanto, a aplicação de ML envolve pipelines complexos que abrangem preparação, modelagem, validação e análise de explicabilidade, etapas críticas em cenários clínicos que demandam confiança e transparência. Além disso, muitos conjuntos de dados clínicos possuem estruturas hierárquicas (multisseção), o que aumenta a complexidade das análises exploratórias e preditivas, enquanto a realização de experimentos com diversas combinações de variáveis de entrada e saída pode ser trabalhosa e suscetível a erros. Para enfrentar esses desafios, foi desenvolvido o AutoBioLearn, um arcabouço que automatiza as etapas de aprendizado de máquina, desde o pré-processamento até a avaliação e explicabilidade dos modelos. O arcabouço incorpora técnicas de explicabilidade (XAI), como SHAP, e foi projetado para simplificar a configuração de experimentos, promovendo maior eficiência e transparência nos processos analíticos. O código-fonte do AutoBioLearn está disponível como projeto de código aberto, incentivando sua utilização e aprimoramento pela comunidade científica. A metodologia incluiu o desenvolvimento de módulos integrados para preparação, modelagem e explicabilidade, validados em bases públicas de dados clínicos. Em testes realizados, o AutoBioLearn reduziu em até 90% o número de linhas de código necessárias para configurar pipelines, mantendo desempenho comparável ao de arcabouços similares do estado da arte. Assim, o AutoBioLearn apresenta-se como uma solução promissora para acelerar análises realizadas por cientistas de dados e profissionais da saúde, facilitando análises explicáveis de dados clínicos e permitindo maior foco na interpretação de resultados e geração de insights relevantes. Palavras-chave: Arcabouço, Aprendizado de Máquina, Dados Clínicos, Explicabilidade (XAI), Interpretação de Modelos