Análise Preditiva dos Resultados do Tratamento da Tuberculose Usando Aprendizado de Máquina: Um Estudo de Dados de TB de Karnataka em Larga Escala

A tuberculose (TB) continua sendo uma ameaça à saúde global, figurando entre as principais causas de mortalidade em todo o mundo. Nesse contexto, o aprendizado de máquina (ML) emergiu como uma força transformadora, fornecendo soluções inovadoras para as complexidades associadas ao tratamento da TB. Este estudo explora como o aprendizado de máquina, especialmente com dados tabulares, pode ser utilizado para prever os resultados do tratamento da tuberculose (TB) de forma mais precisa. Ele transforma essa tarefa de previsão em um problema de classificação binária, gerando escores de risco a partir de dados de pacientes provenientes do NIKSHAY, o programa nacional de controle da TB da Índia, que inclui mais de 500.000 registros de pacientes. A pré-processamento de dados é um componente crítico do estudo, e o modelo alcançou uma sensibilidade de 98% e um escore AUC-ROC de 0,95 no conjunto de validação, que inclui 20.000 registros de pacientes. Também exploramos o uso de Processamento de Linguagem Natural (NLP) para melhorar o aprendizado do modelo. Nossos resultados, corroborados por várias métricas e estudos de ablação, validam a eficácia da nossa abordagem. O estudo conclui discutindo as possíveis ramificações da nossa pesquisa nos esforços de erradicação da TB e propondo potenciais caminhos para trabalhos futuros. Este estudo marca um avanço significativo na luta contra a TB, demonstrando o potencial do aprendizado de máquina na saúde.