USO DE APRENDIZADO DE MÁQUINA NA IDENTIFICAÇÃO DE PADRÕES TAXONÔMICOS ASSOCIADOS À MICROBIOTA INTESTINAL DA DOENÇA DE PARKINSON
Aprendizado de máquina; Comitê de Classificadores; Doença de Parkinson; Microbioma intestinal; Metagenômica
A doença de Parkinson é uma condição patológica e progressiva com predomínio em idosos. Apresenta como principal característica a presença de tremores, inicialmente considerados como manifestação primária da doença. Atualmente, sabe-se que os efeitos desta doença não se limitam aos movimentos voluntários, sendo percebida a presença de alterações gastrointestinais, como a constipação, décadas antes do aparecimento dos tremores. Este processo tem como origem as alterações da microbiota intestinal dos sujeitos acometidos pelo Parkinson, e tal condição tem despertado o interesse científico que busca melhor compreender a doença de Parkinson e, assim, elaborar novas propostas de diagnóstico e intervenção. Entre essas áreas de investigação estão a metagenômica e o aprendizado de máquina, que juntos podem contribuir para a descoberta de padrões na composição da microbiota intestinal associada à doença de Parkinson. Desta forma, o presente estudo tem como objetivo analisar padrões taxonômicos associados à doença, por meio de um modelo de aprendizado de máquina caracterizado como comitê homogêneo de classificadores Random Forest treinado com dados metagenômicos relacionados a doença de Parkinson. Até o momento, o modelo proposto apresentou um desempenho satisfatório, com a obtenção de métricas de desempenho (AUC de 82%, tempo de execução de 5,40 segundos e F1-score igual a 69%) que se assemelham ou superam a de alguns estudos prévios realizados apenas com um classificador Random Forest, assim como foi capaz de listar como atributos relevantes gêneros,como Roseburia e Clostridium, citados como importantes nos padrões taxonômicos previamente encontrados.