A esquizofrenia é um transtorno do espectro psicótico, que impacta múltiplos domínios, incluindo funcionamento cognitivo, relacionamentos interpessoais, incapacidades nas atividades diárias e, por fim, reduz a qualidade de vida para os indivíduos afetados. Sendo uma condição crônica de saúde mental, a esquizofrenia afeta milhões de pessoas em todo o mundo e leva a disfunções cognitivas e comportamentos anormais nos pacientes. Nas últimas décadas, a Inteligência Artificial (IA) revolucionou a saúde, fazendo contribuições notáveis para o diagnóstico de doenças, planejamento de tratamento personalizado e melhoria nos resultados de cuidados aos pacientes. Portanto, apresentamos uma estrutura de IA utilizando modelos de Aprendizado de Máquina (ML) e Aprendizado Conjunto (EL), juntamente com Seleção de Características, para prever sintomas prodrômicos em pacientes com esquizofrenia. Utilizamos um conjunto de dados de código aberto coletado de 5000 pacientes, compreendendo sintomas clínicos, psicológicos e comportamentais. Entre todos os classificadores desenvolvidos, os modelos STACK personalizados baseados em EL alcançaram os melhores resultados em Acurácia, Precisão, Recall, F1-score e AUC Média de 96,2%, 96%, 96%, 96,7% e 93%, respectivamente. Recentemente, técnicas de IA Explicável (XAI) estão ganhando atenção para tornar as previsões dos classificadores mais interpretáveis, compreensíveis e confiáveis. Portanto, empregamos a arquitetura de Explicações Aditivas de Shapley (SHAP) baseada em XAI, para gerar visualizações incluindo Gráficos de Violino, Cascata, Força e Dependência, que fornecem interpretações significativas das previsões dos classificadores propostos. A motivação deste estudo de pesquisa é prever corretamente os sintomas prodrômicos da doença esquizofrênica mediante o emprego de classificadores de empilhamento baseados em EL integrados com ferramentas de XAI, que podem ajudar os clínicos a tomarem decisões informadas.
Roopalakshmi et al. (Sat,) estudaram esta questão.