Um estudo liderado pela Universidade de Coimbra (UC) indica que abordagens de ‘Transfer Learning’ (TL) diminuem o número de falsas previsões de crises de epilepsia, mantendo a mesma capacidade de previsão em modelos de Machine Learning (ML).
“O TL é uma técnica de ML em que um modelo pré-treinado numa tarefa é ajustado para uma nova tarefa relacionada”, afirmou a UC, em nota enviada hoje à agência Lusa, sublinhando que “treinar um novo modelo de ML é um processo demorado e intenso que requer uma grande quantidade de dados, elevado custo computacional e várias iterações antes de estar pronto para produção”.
Em vez disso, usa-se o TL para treinar novamente os modelos existentes em tarefas relacionadas e com novos dados.
Esta investigação, liderada pelo Departamento de Engenharia Informática (DEI) da Faculdade de Ciências e Tecnologia da Universidade de Coimbra (FCTUC), desenvolvida no âmbito do projeto “RECoD-Towards Realistic Epileptic Seizure Prediction: dealing with long-term concept drifts and data-labeling uncertainty”, está publicada na revista “Scientific Reports”.
“Este artigo apresenta uma abordagem de TL para desenvolver modelos personalizados de previsão de crises epiléticas (desenvolvidos para cada paciente) com base em Deep Neural Networks (DNNs)”, explicou o autor do artigo, líder do projeto, docente do DEI e investigador do Centro de Informática e Sistemas da UC, César Teixeira.
O modelo foi desenvolvido a partir de 40 pacientes da base de dados EPILEPSIAE e, consequentemente, usado para otimizar preditores para novos doentes, explicou o docente, citado na nota.
Os resultados mostraram que o desenvolvimento por TL permite obter cerca de quatro vezes menos falsos alarmes, mantendo a mesma capacidade de prever crises do que quando os modelos são treinados do zero.
“Assim, foi possível concluir que as limitações induzidas pelo baixo número de crises podem ser superadas através da utilização destas técnicas”.
De acordo com o docente, o projeto RECoD, para além do modelo de TL desenvolvido, contribuiu também para o desenvolvimento de abordagens não-supervisionadas para a deteção do estado pré-crise e para a interpretação e explicação de preditores de crises epiléticas.
O consórcio deste projeto envolveu a FCTUC, a Universitätsklinikum Freiburg (UKFR) e o Centro Hospitalar e Universitário de Coimbra (CHUC).
