Inteligência Artificial para Diagnosticar Tuberculose Resistente a Medicamentos

PROCEDIMENTO

1. Sob a permissão concedida pelos centros de estudo, a equipe obterá os registros médicos de todos os casos elegíveis nos últimos 5 anos

2. Os investigadores, então, coletam as informações da variável/parâmetro de interesse obtidas pela anamnese e exames complementares e também pelo faturamento médico e pelo pagamento hospitalar por serviço. Para os participantes com Seguro de Saúde, a despesa direta com o tratamento será baseada no pagamento de INA-CBGs (case-based group). Esses dados serão então registrados em um banco de dados eletrônico.

   Parâmetro para desenvolvimento do modelo:

   Baseado em host:

   1. Presença de Diabetes Mellitus (incluindo anos de diagnóstico, HbA1c Antes do exame e tratamento DST, medicação ou insulina ou antidiabético oral)
   2. Presença de HIV ((incluindo anos de diagnóstico, nível de CD4 antes do exame e tratamento DST e medicação anti-retroviral)
   3. Parar de fumar (Índice de Brinkman)
   4. Consumo de álcool
   5. Histórico de uso de imunossupressores (esteróides)
   6. Presença de outras doenças (câncer, acidente vascular cerebral, doença cardiovascular)
   7. Histórico de abuso de drogas
   8. História de reação adversa a medicamentos durante o tratamento da tuberculose
   9. Adesão à terapia anterior para tuberculose
   10. Presença de DPOC
   11. Índice de massa corporal

   Ambiente

   1. História de contato com pacientes com tuberculose
   2. Índice Saudável de Ambiente de Vida (Multidões Domésticas)

   Agente

   1. Nível de esfregaço bacteriano antes do horário de verão
   2. Extensão da lesão na radiografia de tórax
   3. Presença de Cavitação

   Fatores sociodemográficos

   1. Era
   2. Gênero
   3. Educação
   4. Nível de renda
   5. Plano de saúde
   6. Estado civil
   7. situação de emprego
3. Para informações incompletas, será feita uma confirmação ao centro de saúde que referiu os casos através do Registo de Tuberculose ou questionário.

4. A construção do modelo será feita usando um Modelo Inteligente Artificial em R. Um modelo selecionado é uma Rede Neural Artificial usando Função de Base Radial ou perceptron multicamada. Vários procedimentos importantes, incluindo:

   1. Determinar Parâmetro Significativo
   2. Lidando com classes de dados insuficientes e desequilibradas (sobre ou subamostragem)
   3. Normalização (Batch, Min-Max)
   4. Camada e design
   5. Distribuição de treinamento e teste (70:30)
   6. Seleção de modelo
5. A validação externa será feita no centro de estudos designado. Precisão: (verdadeiro positivo + verdadeiro negativo)/Todos os casos
6. Será feita a simulação da relação custo-efetividade incremental, comparando o melhor modelo versus o padrão-ouro e o GeneXpert gerando uma economia por unidade de eficácia