Artigo - Atena Editora

Artigo

Baixe agora

Livros

MACHINE LEARNING APLICADA À SAÚDE - ANÁLISE DE DADOS PARA SAÚDE DE CRIANÇAS DE 0 A 3 ANOS

O Machine Learning (ML) tem um papel importante na área da saúde, fornecendo modelos preditivos criados a partir de algoritmos e grandes bases de dados. Estes modelos podem classificar pacientes para fins de diagnóstico ou prognósticos em diversas doenças. A presente pesquisa teve como objetivo o desenvolvimento de um modelo preditivo de óbito por Síndrome Respiratória Aguda Grave (SRAG) para crianças de 0 a 3 anos da região Norte do Brasil, através de dados disponibilizados pelo Ministério da Saúde do Brasil. Uma pesquisa aplicada foi realizada através da metodologia CRISP-DM que guiou todo o processo de seleção, processamento, transformação, aplicação dos algoritmos de ML e avaliação do modelo. Os algoritmos Random Forest, Regression Logistic, K-Nearest Neighbors e XGBoost foram utilizados através do software Weka, onde o modelo com o Random Forest teve desempenho superior. O modelo foi gerado com validação cruzada e avaliado conforme as métricas de sensibilidade, especificidade, acurácia, precisão, F1-Score e AUC-ROC, sendo esta última a métrica primária de avaliação. Por fim, um protótipo de aplicação de software para uso do modelo foi desenvolvido na linguagem Java para que o conhecimento gerado pelo modelo chegue aos profissionais da área da saúde.
Ler mais

MACHINE LEARNING APLICADA À SAÚDE - ANÁLISE DE DADOS PARA SAÚDE DE CRIANÇAS DE 0 A 3 ANOS

  • DOI: https://doi.org/10.22533/at.ed.0532411101

  • Palavras-chave: Machine Learning (ML), Banco de dados, Síndrome Respiratória Aguda Grave (SRAG), Modelo Preditivo.

  • Keywords: Machine Learning (ML), Database, Severe Acute Respiratory Syndrome (SARS), Predictive Models

  • Abstract: Machine Learning (ML) plays an important role in healthcare, providing predictive models created from algorithms and large databases. These models can classify patients for diagnostic or prognostic purposes in various diseases. This research aimed to develop a predictive model for death due to Severe Acute Respiratory Syndrome (SARS) for children aged 0 to 3 years in the North region of Brazil, using data provided by the Brazilian Ministry of Health. An applied research was carried out using the CRISP-DM methodology that guided the entire process of selection, processing, transformation, application of ML algorithms and evaluation of the model. The Random Forest, Logistic Regression, K-Nearest Neighbors and XGBoost algorithms were used through the Weka software, where the model with Random Forest had superior performance. The model was generated with cross-validation and evaluated according to the metrics of sensitivity, specificity, accuracy, precision, F1-Score and AUC- ROC, the latter being the primary evaluation metric. Finally, a software application prototype for using the model was developed in the Java language so that the knowledge generated by the model reaches healthcare professionals.

  • Jackson Henrique da Silva Bezerra
  • Fabrício Moraes de Almeida
Fale conosco Whatsapp