Saúde Desvendada

O Transtorno do Espectro Autista (TEA) representa um desafio complexo para o diagnóstico, em grande parte devido à dificuldade em acessar dados multimodais em larga escala e às preocupações com a privacidade das informações clínicas. Métodos tradicionais dependem fortemente de avaliações clínicas que demandam muitos recursos e frequentemente se limitam a modelos de aprendizado não adaptativos ou unimodais. Visando superar essas barreiras, pesquisadores desenvolveram o AutismSynthGen, um sistema inovador que utiliza inteligência artificial para sintetizar dados multimodais sobre TEA, ao mesmo tempo em que protege a privacidade dos pacientes.

O AutismSynthGen emprega uma rede de síntese de dados multimodais para autismo (MADSN), que usa codificadores baseados em transformadores e atenção intermodal dentro de uma GAN condicional para gerar dados sintéticos. Esses dados abrangem ressonância magnética estrutural, eletroencefalograma (EEG), vetores comportamentais e escores de gravidade. A privacidade diferencial é garantida por meio do DP-SGD, garantindo que as informações sensíveis permaneçam protegidas. Além disso, o sistema integra um módulo de aprendizado de ensemble multimodal adaptativo (AMEL), composto por cinco especialistas heterogêneos e uma rede de gating, que são treinados tanto com dados reais quanto sintéticos.

Os resultados do estudo demonstram que a utilização de dados sintéticos aprimora significativamente o desempenho do modelo, resultando em ganhos na área sob a curva (AUC) de validação. O módulo AMEL alcançou um AUC impressionante e um escore F1 próximo da perfeição ao ser treinado com dados sintéticos. Essas descobertas sugerem que o AutismSynthGen representa um avanço promissor no campo do diagnóstico do TEA, oferecendo uma solução escalável e em conformidade com a privacidade para aumentar conjuntos de dados multimodais limitados e aprimorar a precisão das previsões. A pesquisa futura se concentrará em aprendizado semi-supervisionado, IA explicável para aumentar a confiança clínica e implantação em ambientes federados para ampliar a acessibilidade, mantendo a privacidade dos dados dos pacientes.

Origem: Link