Um modelo preditivo de aprendizado profundo para preocupações com a saúde pública e hesitação em relação ao COVID

Scientific Reports volume 13, Número do artigo: 9171 (2023) Citar este artigo

4 Altmétrica

Detalhes das métricas

Ao longo da era da pandemia, o COVID-19 foi uma das situações inesperadas notáveis ​​dos últimos anos, mas com a descentralização e globalização de esforços e conhecimento, uma estratégia de controle baseada em vacinas bem-sucedida foi projetada e aplicada com eficiência em todo o mundo. Por outro lado, a confusão e a hesitação justificadas tiveram um grande impacto na saúde pública. Este trabalho visa reduzir a hesitação da vacina COVID-19 levando em consideração o histórico médico do paciente. O conjunto de dados usado neste estudo é o conjunto de dados Vaccine Adverse Event Reporting System (VAERS), que foi criado como uma corporação entre a Food and Drug Administration (FDA) e os Centros de Controle e Prevenção de Doenças (CDC) para reunir efeitos colaterais relatados que podem ser causada pelas vacinas PFIEZER, JANSSEN e MODERNA. Neste artigo, um modelo de Deep Learning (DL) foi desenvolvido para identificar a relação entre um determinado tipo de vacina COVID-19 (ou seja, PFIEZER, JANSSEN e MODERNA) e as reações adversas que podem ocorrer em pacientes vacinados. As reações adversas em estudo são a condição de recuperação, possibilidade de internação e estado de óbito. Na primeira fase do modelo proposto, o conjunto de dados foi pré-processado, enquanto na segunda fase, o algoritmo de otimização Pigeon Swarm é usado para selecionar de forma otimizada os recursos mais promissores que afetam o desempenho do modelo proposto. O status do paciente após o conjunto de dados de vacinação é agrupado em três classes alvo (Morte, Hospitalizado e Recuperado). Na terceira fase, a Rede Neural Recorrente (RNN) é implementada para cada tipo de vacina e cada classe-alvo. Os resultados mostram que o modelo proposto dá as pontuações de precisão mais altas que são 96,031% para a classe alvo de Morte no caso da vacinação PFIEZER. Enquanto na vacinação JANSSEN, a classe-alvo Hospitalizado apresentou o melhor desempenho com uma precisão de 94,7%. Finalmente, o modelo tem o melhor desempenho para a classe alvo Recuperado na vacinação MODERNA com uma precisão de 97,794%. Com base na precisão e no teste Wilcoxon Signed Rank, podemos concluir que o modelo proposto é promissor para identificar a relação entre os efeitos colaterais das vacinas COVID-19 e o estado do paciente após a vacinação. O estudo mostrou que certos efeitos colaterais foram aumentados em pacientes de acordo com o tipo de vacina COVID-19. Os efeitos colaterais relacionados ao SNC e aos sistemas hemopoiéticos demonstraram valores elevados em todas as vacinas COVID-19 estudadas. No âmbito da medicina de precisão, essas descobertas podem ajudar a equipe médica a selecionar a melhor vacina COVID-19 com base no histórico médico do paciente.

Existem várias abordagens para desenvolver uma vacina. Eles diferem na porcentagem do vírus usado. De acordo com a Organização Mundial da Saúde (OMS)1, uma abordagem usa todo o vírus ou bactéria como abordagem de micróbio inteiro, outra abordagem usa apenas a parte do vírus que aciona o sistema imunológico do corpo, como a abordagem de subunidade ou usa apenas o material genético que fornece as instruções necessárias para a criação de proteínas específicas, como a abordagem genética (vacina de ácido nucleico).

Algumas vacinas COVID-19 usam uma forma geneticamente modificada de RNA mensageiro (mRNA), como Pfizer-BioNTech e Moderna2. Observando profundamente a configuração do COVID-19, pode-se notar facilmente que a superfície do vírus tem uma configuração semelhante a um pico, conhecida como glicoproteína S. Quando esse mRNA entra no corpo por meio das vacinas de mRNA da COVID-19, ele ordena que as células do corpo de um receptor produzam um fragmento inofensivo da proteína S. Por outro lado, outras vacinas COVID-19 são consideradas vacinas baseadas em vetores, como AstraZeneca, Janssen e Gamaleya, que dependem da recombinação do gene spike do SARS-CoV-2 em outro vetor viral, como um adenovírus. As vacinas baseadas em vetores virais de SARS-CoV-2 não têm nenhuma patogênese para SARS-CoV-2 e o vírus de vetor viral.