Pesquisa premiada em Tóquio aplica aprendizado de máquina para prever casos de violência com base em registros públicos.
Uma pesquisa inovadora desenvolvida na Universidade de São Paulo (USP) utilizou técnicas de aprendizado de máquina e inteligência artificial para estimar o risco de mulheres sofrerem violência física, sexual e psicológica. O projeto pioneiro emprega dados públicos do Sistema Único de Saúde (SUS) para identificar padrões de vulnerabilidade e mapear áreas críticas em todo o território nacional.
O estudo foi conduzido pela aluna de doutorado Rafaela Miglinski Lucca, sob a orientação da professora Roseli Aparecida Francelin Romero, no Instituto de Ciências Matemáticas e de Computação (ICMC). A pesquisa ganhou destaque internacional recentemente, conquistando prêmios de melhor artigo e melhor apresentação na 9ª Conferência Internacional de Aprendizado de Máquina e Inteligência de Máquina, em Tóquio, conforme informação divulgada por Medicina SA.
A metodologia inovadora combina algoritmos estatísticos avançados com testes rigorosos de incerteza para avaliar a confiabilidade das previsões estatísticas. O objetivo principal das pesquisadoras é fornecer ferramentas precisas que possam auxiliar governos e autoridades policiais no planejamento estratégico de políticas públicas e medidas protetivas mais eficazes.
Uso de aprendizado de máquina e dados do DataSUS
Para realizar as estimativas, as pesquisadoras utilizaram registros históricos de casos de violência disponíveis no DataSUS, a plataforma de acesso público que centraliza informações de saúde no Brasil. O modelo de regressão logística foi um dos principais métodos testados, funcionando através da atribuição de pesos estatísticos para identificar quais variáveis mais influenciam os diferentes tipos de desfechos analisados pelas cientistas da computação.
Avaliação de incerteza com o método Locart
Um dos grandes diferenciais da pesquisa foi a aplicação inédita do método Locart em bases de dados de vigilância em saúde, funcionando como um teste de honestidade do algoritmo. Enquanto métodos tradicionais de inteligência artificial apresentavam uma média de acerto global de noventa por cento, a análise detalhada por subgrupos vulneráveis revelava falhas graves que podiam passar despercebidas pelas métricas convencionais.
Fatores de risco e mapeamento de subgrupos vulneráveis
A investigação científica mapeou características determinantes associadas aos episódios de agressão, destacando o menor nível de escolaridade, a ausência de uma rede de apoio familiar e social, além da residência em regiões com deficiência no acesso aos serviços básicos de saúde. Os dados estatísticos também apontaram que a idade jovem e a infância são fatores críticos nos registros de violência sexual, enquanto a reincidência em hospitais marca os casos de violência psicológica.
Perguntas Frequentes
Como a USP usou dados do SUS para prever violência contra a mulher?
Pesquisadoras do Instituto de Ciências Matemáticas e de Computação (ICMC) aplicaram modelos de aprendizado de máquina em registros públicos do DataSUS para estimar a probabilidade de ocorrência de violência física, psicológica e sexual.
O que é o método Locart aplicado na pesquisa?
O método Locart é uma técnica de quantificação de incerteza usada para medir a confiabilidade exata de previsões estatísticas em subgrupos específicos da população, garantindo maior precisão na identificação de populações vulneráveis.
Quais foram os principais fatores de risco identificados pelo estudo?
O modelo apontou menor escolaridade, falta de rede de apoio, residência em áreas com baixo acesso à saúde e reincidência de atendimento hospitalar como principais variáveis associadas aos diferentes tipos de violência.
Onde a pesquisa foi premiada internacionalmente?
O estudo desenvolvido por Rafaela Miglinski Lucca e orientada por Roseli Romero foi premiado na 9ª Conferência Internacional de Aprendizado de Máquina e Inteligência de Máquina, realizada em Tóquio, no Japão.