Uma abordagem de aprendizado multitarefa combinando tarefas de regressão e classificação para seleção conjunta de características

Por que essa nova ferramenta para dados importa

A medicina moderna coleta enormes quantidades de informação sobre cada paciente, desde valores de exames e sinais vitais até medições detalhadas do cérebro e do genoma. Médicos e pesquisadores frequentemente querem prever várias coisas ao mesmo tempo — como o diagnóstico de uma doença e os níveis de marcadores sanguíneos importantes — ao mesmo tempo em que descobrem quais medições são realmente mais relevantes. Este artigo apresenta uma nova ferramenta estatística, chamada MTLComb, que ajuda a realizar ambas as tarefas simultaneamente de forma mais justa e confiável, especialmente quando as diferentes previsões não são do mesmo tipo.

Perguntas diferentes, um problema compartilhado

Muitos sistemas de aprendizado de máquina são treinados para responder apenas a um tipo de pergunta, como prever um número (por exemplo, idade ou pressão arterial) ou prever um resultado sim/não (por exemplo, presença ou ausência de doença). Em estudos médicos reais, porém, essas perguntas frequentemente aparecem juntas e são impulsionadas por causas biológicas sobrepostas. No ideal, um único sistema de aprendizado trataria todas essas perguntas de uma só vez e destacaria as medições que importam em todos os casos — potenciais biomarcadores que se aplicam a vários desfechos. Métodos existentes para o chamado aprendizado multitarefa conseguem isso quando todas as tarefas são do mesmo tipo, mas têm dificuldade quando previsões numéricas e binárias são misturadas. Um tipo de tarefa tende a dominar o processo de treinamento, e sinais compartilhados importantes podem ser perdidos.

Balanceando as escalas dentro do algoritmo

O núcleo do MTLComb é uma regra simples, porém cuidadosamente derivada, para reequilibrar como as diferentes tarefas de previsão influenciam o aprendizado. Os autores mostram que as funções de perda usadas para previsões numéricas e binárias operam naturalmente em escalas diferentes e têm gradientes de intensidade distinta. Se combinadas de forma ingênua, os modelos para desfechos contínuos começarão a selecionar muitas características, enquanto os modelos para desfechos binários podem não selecionar nada com o mesmo nível de penalização, enviesando a lista de características compartilhadas. Ao analisar o comportamento desses gradientes, os pesquisadores identificam um conjunto fixo de pesos que alinha as curvas de aprendizado — chamadas caminhos de regularização — dos dois tipos de tarefa. Isso significa que, à medida que o modelo se torna mais ou menos seletivo, ambos os tipos de tarefa adicionam e removem características de maneira coordenada, tornando o conjunto resultante de biomarcadores mais equilibrado e interpretável.

Testando o método em simulações controladas

Para entender quando o MTLComb oferece mais benefício, a equipe primeiro realizou estudos extensivos de simulação. Eles criaram conjuntos de dados nos quais o número de medições era muito maior que o número de pacientes, situação comum em pesquisas genéticas e em cuidados intensivos. Variaram o quão extrema era essa desigualdade, quantas tarefas de previsão foram incluídas e quão desbalanceadas eram as classes binárias. Nessas situações, o MTLComb não apenas previu dados futuros com mais precisão do que métodos concorrentes, como também foi melhor em recuperar as características realmente relevantes plantadas nas simulações. Sua vantagem foi especialmente forte quando os dados eram muito de alta dimensionalidade ou quando uma classe de desfecho era muito mais rara que a outra — cenários notoriamente difíceis em pesquisa médica.

Testes no mundo real em sepse e esquizofrenia

Os autores então aplicaram o MTLComb a dois problemas clínicos desafiadores. Na sepse, uma reação à infecção que pode ser fatal, eles treinaram o método com dados rotineiros de unidades de terapia intensiva para prever tanto a presença de sepse quanto vários marcadores sanguíneos de metabolismo e função renal. O MTLComb alcançou precisão de previsão semelhante a métodos fortes de tarefa única, mas suas características selecionadas foram mais estáveis em duas coortes independentes de pacientes e mais fortemente associadas a escores clínicos conhecidos que resumem a gravidade do paciente. Na esquizofrenia, combinaram a previsão de idade com o diagnóstico da doença com base em dados de expressão gênica cerebral. Ali, o MTLComb revelou conjuntos de genes que se comportaram de forma consistente tanto para idade quanto para status da doença, e esses genes estavam enriquecidos em vias de sinalização cerebral já ligadas à esquizofrenia e ao envelhecimento, sugerindo uma rota biológica compartilhada envolvendo plasticidade sináptica.

O que isso significa daqui para frente

Para um não especialista, a mensagem principal é que o MTLComb é uma maneira de abordar várias questões médicas ao mesmo tempo, mantendo a resposta justa para cada pergunta. Em vez de permitir que um tipo de previsão abafe os outros, ele os equilibra cuidadosamente para que as medições mais informativas apareçam consistentemente. O método foi projetado para ser eficiente, funciona bem quando há muito mais medições do que pacientes e não depende de suposições específicas a uma doença. Como tal, oferece aos pesquisadores uma janela mais clara para marcadores de risco compartilhados — seja na sepse, na esquizofrenia ou em campos totalmente diferentes onde surgem problemas de previsão mista — e pode ajudar a transformar dados complexos e em várias camadas em pistas mais confiáveis para diagnóstico, prognóstico e tratamento.

Citação: Cao, H., Rajan, S., Hahn, B. et al. A multi-task learning approach combining regression and classification tasks for joint feature selection. Sci Rep 16, 12699 (2026). https://doi.org/10.1038/s41598-026-43551-3

Palavras-chave: aprendizado multitarefa, biomarcadores, sepse, esquizofrenia, IA médica