Aprendizado por Transferência na Construção de Modelos Preditivos de Doença Renal Crônica

• Gabriel V. S. Caetano UFSM
• Isabel C. Reinheimer UFSM / PUCRS
• Solana de Melo PUCRS
• Maria E. S. Bellinaso PUCRS
• Laura M. Ribeiro PUCRS
• Isabela V. de Quadros PUCRS
• Giovana A. Mattiello PUCRS
• Rafaela J. K. Rodrigues PUCRS
• Carlos E. Poli-de-Figueiredo PUCRS
• Luis A. L. Silva UFSM

DOI: https://doi.org/10.5753/eramiars.2025.16714

Resumo

Este trabalho explora Aprendizado por Transferência (TL) sobre dados tabulares na predição de progressão da Doença Renal Crônica (DRC). Um modelo de redes neurais foi pré-treinado com dados de 880 pacientes idosos (≥60 anos) e ajustado para 258 pacientes adultos (<60 anos). Em comparação a um modelo fonte treinado, a abordagem de TL alcançou a maior acurácia (88,46%) e precisão (92,31%), com um F1-Score de 80,0%. Os resultados sugerem que o TL é uma estratégia eficaz para desenvolver modelos preditivos robustos em cenários clínicos com dados tabulares limitados.

Referências

Hollmann, N., Müller, S., Purucker, L., Krishnakumar, A., Körfer, M., Hoo, S. B., Schirrmeister, R. T., and Hutter, F. (2025). Accurate predictions on small data with a tabular foundation model. Nature, 637:319––326.

Iimori, S., Naito, S., Noda, Y., Sato, H., Nomura, N., Sohara, E., Okado, T., Sasaki, S., Uchida, S., and Rai, T. (2018). Prognosis of chronic kidney disease with normal-range proteinuria: The CKD-ROUTE study. PLOS ONE, 13(1):e0190493.

Jager, K. J., Kovesdy, C., Langham, R., Rosenberg, M., Jha, V., and Zoccali, C. (2019). A single number for advocacy and communication—worldwide more than 850 million individuals have kidney diseases.

Kidney Disease: Improving Global Outcomes (KDIGO) (2024). KDIGO 2024 Clinical Practice Guideline for the Evaluation and Management of Chronic Kidney Disease. KDIGO.

Kursa, M. B. and Rudnicki, W. R. (2010). Feature selection with the boruta package. Journal of statistical software, 36:1–13.

Niu, S., Liu, Y., Wang, J., and Song, H. (2021). A decade survey of transfer learning (2010–2020). IEEE Transactions on Artificial Intelligence, 1(2):151–166.