Um novo estudo que recorre a modelos de Inteligência Artificial (IA) explicável (xAI, na sigla em inglês) estão a mostrar os múltiplos fatores de risco subjacentes ao desenvolvimento do transtorno por uso de álcool. Embora alguns fatores envolvidos no transtorno por uso de álcool, incluindo variáveis demográficas, socioeconómicas e genéticas, sejam conhecidos, os investigadores geralmente estudam esses fatores isoladamente, e neste caso o papel no risco por fator costuma ser pequeno.
A variabilidade dos transtornos por uso de álcool reflete combinações pessoais únicas de fatores genéticos, ambientais, neurobiológicos e psicossociais. Assim, compreender a influência relativa e como as variáveis interagem pode levar a prever melhor o risco de consumo nocivo de álcool e orientar abordagens de prevenção e tratamento personalizadas.
No estudo, já publicado na revista “Alcohol: Clinical & Experimental Research”, os investigadores utilizaram avanços recentes em técnicas de xAI para interpretar conjuntos de dados complexos. Para isso, desenvolveram um modelo que combina múltiplas abordagens analíticas para identificar quais os fatores de risco e interações que eram mais relevantes para o desenvolvimento dos transtornos por uso de álcool.
Os investigadores utilizaram no estudo dados de 12.178 pessoas participantes no estudo com idades entre 40 e 69 anos, que se tinham submetido a exames de neuroimagem, no UK Biobank. Os participantes foram divididos em grupos de casos e controlos com base em avaliações e diagnósticos de uso de álcool.
O modelo xAI – um modelo baseado em técnicas que ajudam as pessoas a entender como um sistema de IA chegou a um resultado específico – utilizou no estudo mais de 400 fatores relacionados a cinco domínios: demográfico; socioeconómico; saúde mental não relacionada a substâncias; uso de substâncias não alcoólicas; e biológico que inclui combinações genéticas e estrutura cerebral.
Como descrevem os investigadores, os domínios que mais influenciaram o desempenho do modelo abrangeram fatores demográficos, de uso de substâncias, e biológicos. As características demográficas e estruturais do cérebro apresentaram valor preditivo único para o transtorno por uso de álcool. Especificamente, o modelo destacou o papel do sexo, do tabagismo ao longo da vida, do uso de cannabis e da idade. Outros fatores importantes incluíram ancestralidade genética, nível socioeconómico, saúde mental, estrutura cerebral regional e vulnerabilidade genética ao transtorno por uso de álcool.
Mas os investigadores também verificaram que alguns desses fatores, incluindo o nível socioeconómico e a saúde mental, não melhoraram o valor preditivo do modelo. O que provavelmente reflete a sobreposição de relevância e a redundância. Assim, os resultados alcançados sugerem o papel de interações não lineares entre fatores de risco biológicos e ambientais no desenvolvimento do transtorno por uso de álcool. No entanto, os investigadores ressalvam a influência desses elementos adicionais.
Interações notáveis incluíram sexo e idade, isolamento social e um componente específico da ancestralidade, interações que podem, em última análise, ajudar a identificar subtipos de pacientes e possíveis fatores de risco únicos, que facilitarão uma prevenção e um tratamento mais precisos.
O estudo vem, neste caso, demonstra o potencial da IA explicável para identificar e interpretar fatores complexos que contribuem para o transtorno por uso de álcool. Os pesquisadores defendem a seleção criteriosa de fatores de risco e a consideração das interações para aprimorar o valor preditivo dos modelos de IA. Entretanto, os investigadores indicam que os resultados deste estudo podem não ser aplicáveis a populações não europeias.
