Redução de atributos usando otimização por enxame e classificadores random forest para predição precoce do risco de diabetes

Por que detectar o diabetes precocemente importa

O diabetes tipo 2 frequentemente se instala de forma silenciosa, danificando o coração, os olhos, os rins e os nervos muito antes de ser diagnosticado. Os médicos costumam depender de muitas perguntas e exames para avaliar o risco de uma pessoa, o que pode consumir tempo tanto para pacientes quanto para clínicas. Este estudo explora como programas de computador inteligentes podem sinalizar o risco precoce de diabetes usando apenas um punhado de perguntas simples de sim/não, potencialmente tornando a triagem mais rápida, barata e mais fácil de implementar em ambientes movimentados ou com poucos recursos.

Uma lista de verificação mais inteligente para o risco de diabetes

Os pesquisadores trabalharam com um conjunto de dados do mundo real de um hospital de diabetes em Sylhet, Bangladesh. Cada uma das 520 pessoas no conjunto de dados foi rotulada como tendo diabetes em estágio inicial ou não. Para cada pessoa, os médicos registraram idade e 15 sinais e sintomas clínicos diretos, como micção frequente (poliúria), sede incomum (polidipsia), perda de peso súbita, coceira, visão turva e obesidade. A maioria dessas entradas eram respostas simples de sim/não a um questionário, tornando os dados semelhantes aos que uma enfermeira ou agente de saúde poderia coletar em minutos durante uma visita de rotina.

Ensinando o computador a focar no que importa

Em vez de alimentar todas as 16 informações em um modelo por padrão, a equipe fez uma pergunta central: quais desses atributos realmente carregam mais informação sobre o risco de diabetes? Para respondê‑la, combinaram um método popular de aprendizado de máquina chamado random forest com três estratégias de busca por "enxame" inspiradas no comportamento animal: um otimizador inspirado em raposas, um algoritmo do texugo‑mel e a otimização por enxame de atum. Esses enxames se comportam como caçadores digitais, percorrendo muitas combinações possíveis de atributos e configurações do modelo para encontrar aquelas que oferecem as melhores previsões com o menor número de entradas. O sistema dividiu repetidamente os dados em partes de treino e teste, ajustou seus parâmetros internos e votou sobre quais atributos e valores de parâmetros funcionaram melhor ao longo de várias execuções.

Desempenho dos modelos enxutos

Os três modelos resultantes — chamados FOX_RF, HBA_RF e TSO_RF — apresentaram alta acurácia. Quando treinado e testado uma vez no conjunto de dados completo, o modelo baseado em atum (TSO_RF) classificou todas as pessoas corretamente, alcançando 100% de acurácia, precisão e recall. Quando os autores usaram uma validação cruzada mais exigente de 10 dobras, que simula o teste em dados não vistos, o TSO_RF ainda obteve uma acurácia média acima de 98%, ligeiramente superior aos outros dois modelos e melhor que técnicas publicadas anteriormente no mesmo conjunto de dados. Importante: o modelo baseado no texugo‑mel alcançou desempenho sólido usando apenas 10 dos 16 atributos, e os outros modelos precisaram de apenas 13 ou 14. Essa redução significa menos perguntas para os pacientes e menor carga computacional para qualquer aplicativo ou dispositivo futuro.

Vendo dentro da caixa preta

Os sistemas modernos de predição muitas vezes funcionam bem, mas são difíceis de interpretar. Para abordar isso, os pesquisadores usaram um método de IA explicável chamado SHAP para medir quanto cada atributo inclinou o modelo a prever diabetes ou não para cada indivíduo. Nos três modelos, emergiu o mesmo padrão: micção frequente, sede excessiva e gênero tiveram consistentemente a maior influência nas previsões, com perda de peso súbita, rigidez muscular, irritabilidade e alguns outros sinais desempenhando papéis de apoio. A equipe também examinou erros específicos — casos em que os modelos classificaram pessoas incorretamente — e mostrou que pequenas mudanças nesses sintomas-chave frequentemente invertiam a decisão, revelando onde os modelos são mais sensíveis e onde os clínicos devem ser cautelosos.

O que isso significa para o atendimento de saúde cotidiano

Em termos simples, o estudo mostra que um modelo de computador cuidadosamente projetado pode identificar o risco precoce de diabetes com muita precisão usando uma lista curta de verificação baseada em sintomas e alguns detalhes demográficos. Ao eliminar perguntas menos úteis e destacar os sinais mais reveladores — especialmente micção frequente, sede excessiva e gênero — a abordagem pode fundamentar ferramentas de triagem rápidas em clínicas, programas de saúde comunitária ou até sistemas baseados em smartphones. Embora o trabalho ainda precise ser testado em populações maiores e mais diversas, aponta para um futuro em que alertas precoces de diabetes sejam ao mesmo tempo mais precisos e menos onerosos para os pacientes.

Citação: Sarker, P., Nahid, AA., Choi, K. et al. Feature reduction using swarm optimization and random forest classifiers for early diabetes risk prediction. Sci Rep 16, 14355 (2026). https://doi.org/10.1038/s41598-026-35984-7

Palavras-chave: predição de diabetes, aprendizado de máquina, seleção de atributos, otimização por enxame, diagnóstico precoce