Uma equipe internacional liderada por Taeho Kim da Universidade de Lehigh desenvolveu o Preditor Linear de Acordo Máximo (MALP), um novo método que alinha previsões de perto com valores do mundo real. Ao maximizar o Coeficiente de Correlação de Concordância, o MALP supera abordagens tradicionais em concordância, particularmente em aplicações de saúde e biologia. Testes em varreduras oculares e dados de gordura corporal demonstram suas vantagens sobre métodos de mínimos quadrados.
Matemáticos da Universidade de Lehigh e colaboradores internacionais introduziram o Preditor Linear de Acordo Máximo (MALP), uma técnica projetada para melhorar as previsões em campos como pesquisa em saúde, biologia e ciências sociais. Liderado pelo professor assistente Taeho Kim, o método foca em maximizar o Coeficiente de Correlação de Concordância (CCC), que mede o quão de perto os valores previstos e observados se alinham ao longo de uma linha de 45 graus em um gráfico de dispersão, enfatizando tanto precisão quanto exatidão.
Métodos tradicionais, como a abordagem de mínimos quadrados, visam principalmente minimizar erros médios, mas podem não garantir forte alinhamento com valores reais. "Às vezes, não queremos apenas que nossas previsões estejam próximas - queremos que elas tenham o maior acordo com os valores reais," explica Kim. Ele observa que, embora a correlação de Pearson detecte relações lineares, ela não visa especificamente o alinhamento de 45 graus, ao contrário do CCC, introduzido por Lin em 1989.
Para testar o MALP, os pesquisadores usaram dados simulados e medições do mundo real. Em um estudo de oftalmologia, eles compararam previsões para leituras de Stratus OCT a partir de dados de Cirrus OCT, usando imagens de 26 olhos esquerdos e 30 olhos direitos. O MALP produziu previsões que correspondiam mais de perto aos valores verdadeiros de Stratus, embora os mínimos quadrados reduzissem ligeiramente melhor os erros médios, ilustrando um trade-off.
Um padrão similar emergiu com dados de gordura corporal de 252 adultos, incorporando medições como peso e tamanho do abdômen para estimar a porcentagem de gordura corporal. O MALP novamente se destacou em concordância, enquanto os mínimos quadrados minimizaram erros de forma mais eficaz. Kim enfatiza a seleção de ferramentas com base em prioridades: MALP para alinhamento, métodos tradicionais para redução de erros.
O trabalho, detalhado em um preprint do arXiv datado de 5 de setembro de 2025 (DOI: 10.48550/arXiv.2304.04221), poderia aprimorar previsões em medicina, saúde pública, economia e engenharia. Extensões futuras visam expandir além de preditores lineares para um Preditor de Acordo Máximo geral.