Nova IMS desenvolve técnica de IA que melhora deteção de doenças raras

Investigadores da NOVA Information Management School (NOVA IMS) desenvolveram uma nova técnica de inteligência artificial chamada Counterfactual SMOTE, que promete avanços significativos na deteção de doenças raras.

Criada por Fernando Bação e Gonçalo Almeida, esta abordagem visa resolver o problema do desequilíbrio de dados, que afeta especialmente áreas onde os casos mais críticos são também os mais raros.

O estudo, publicado na revista Data Science and Management, demonstra que a técnica é capaz de reduzir em até 34% os falsos negativos, mantendo controlados os falsos positivos.

Testada em 24 conjuntos de dados clínicos, a Counterfactual SMOTE mostrou uma melhoria média de 10% no F1-score, superando métodos existentes, como o SMOTE tradicional e suas variantes, incluindo ADASYN, Borderline SMOTE e K-Means SMOTE, revela a NOVA IMS em comunicado.

A inovação da técnica reside na integração de exemplos contrafactuais no processo de oversampling. Em vez de gerar dados artificiais aleatórios, a Counterfactual SMOTE cria amostras sintéticas em áreas onde os algoritmos apresentam mais dificuldades, especificamente nas fronteiras entre classes.

Esta abordagem permite ensinar os modelos a distinguir melhor os casos complexos, sem adicionar ruído ao sistema.

Fernando Bação, professor da NOVA IMS e coautor do estudo, destaca a importância de saber exatamente onde gerar os dados sintéticos. “Colocamo-los nas zonas em que os modelos têm resultados mais fracos – nas zonas ‘cinzentas’ entre o sim e o não, no limiar entre saudável e doente. Ao treinar os modelos nesses pontos críticos, conseguimos torná-los mais precisos e robustos”, sublinha.

Gonçalo Almeida, investigador da NOVA IMS, acrescenta que, embora a técnica tenha sido desenvolvida com foco na saúde, o seu potencial estende-se a outros setores com eventos raros e críticos. “Estamos a dar à inteligência artificial mais sensibilidade e responsabilidade, seja no diagnóstico médico ou na prevenção de riscos”, conclui.

Apesar de requerer maior poder computacional, a eficácia demonstrada da técnica justifica a sua aplicação em contextos críticos, como o diagnóstico médico.

O documento frisa que, além da saúde, a Counterfactual SMOTE pode ser aplicada na deteção de fraudes financeiras, previsão de perda de clientes (churn) e identificação de falhas na indústria.