José Augusto Moreira Santos

Ainda n tem

TRÊS LAGOAS
2023
 1

TÍTULO: SUBTÍTULO (se houver)

José Augusto Moreira Santos, ze.guto019@gmail.com

RESUMO

Este trabalho faz uso da aplicação de inteligência artificial para previsão da

probabilidade de morte de paciente com COVID-19 com o algoritmo de classificação
Decision Tree, para uma melhor gestão da prioridade de atendimento e procura do
mesmo em um possível período pandêmico.

Palavras-chave: Inteligência artificial, aprendizado de máquina, árvore de decisão,

covid-19

TÍTULO EM LÍNGUA ESTRANGEIRA: SUBTÍTULO (se houver)

ABSTRACT

This work uses the application of artificial intelligence to predict the probability of
death of a patient with COVID-19 with the Decision Tree classification algorithm, for
better management of the priority of care and demand for it in a possible pandemic
period.
Keywords: Artificial Intelligence, machine learning, decision tree, covid-19
1 INTRODUÇÃO

O período de pandemia devido ao surto de infectados por coronavírus,

deixou e deixara marcas em toda a humanidade para sempre. Apesar do grande
avanço tecnológico inúmeras vidas foram perdidas com a proliferação desse vírus, o
mundo se viu de mãos atadas devido a grande falta de informação ao que estava
acontecendo e apenas restavam fé e esperança para que dias melhores
chegassem. Não podemos pensar que o melhor não estava sendo feito, uma grande
gama de cientistas e pesquisadores das mais diversas áreas tiveram foco total para
desenvolver uma cura, forma de defesa ou amenizar o que estava acontecendo.
Dados da World Health Organization, estimam que mais de 6,57 milhões
de pessoas perderam suas vidas para a Covid-19 no globo desde o começo da
pandemia, onde 625 milhões de pessoas já foram infectadas. Com cerca de 34,7
milhões de pessoas infectadas e 687 mil mortes por Covid-19, até a escrita final
desta pesquisa, o Brasil aparentava estar enfrentando uma fase de estabilidade:
dados das secretarias estaduais de saúde mostram que o País apresentou uma
média móvel de mortes diárias de 72 e uma média móvel de 5,6 mil novas infecções
para o décimo segundo dia de outubro de 2022. (World Health Organization.
Coronavirus (COVID-19) Dashboard: 2022, 2022)
O uso de inteligência artificial está cada vez mais presente em diversas
áreas, a precisão dessas previsões relacionadas ao coronavírus permitem melhor
entendimento de onde priorizar recursos e atenção para o tratamento. “Artificial
intelligence is broadly defined as “computing technologies that resemble processes
associated with human intelligence, such as reasoning, learning and adaptation,
sensory understanding, and interaction” (Nuffield Council on Bioethics, 2018).
As projeções de casos hospitalizados e a demanda de procura de
tratamento médico eficaz é de suma importância, desenvolver e estudar modelos de
inteligências artificiais capazes de prever com precisão a probabilidade de morte de
casos com COVID-19 traria uma grande melhora na gestão dos pacientes,
priorizando os mais necessitados e assim desobstruindo o fluxo caótico dos
hospitais, poupando recursos econômicos e tempo de atendimento.

2
 “ streamlining workflow processes […] improving the accuracy of diagnosis
and personalizing treatment, as well as helping staff work more efficiently and
effectively.” (National Health Service, 2019)
Embora muito conhecimento fora adquirido fechar os olhos para uma
possível catástrofe futura, seria uma atitude de completa ignorância devemos nos
adiantar a adversidades como essas e continuarmos evoluído, buscando entender
como poderíamos lidar de maneira mais eficaz e diminuir os riscos.
Não apenas para um período pandêmico, mas também pensando em
uma transformação no sistema de saúde em geral, aonde o trabalho em conjunto de
“mente máquina” e a “mente humana”, geraria uma maior eficiência e eficácia na
resolução de atividades repetitivas e em diagnósticos preditivos, fazendo com que o
foco principal do trabalho humano seja realmente analisar esses dados gerados por
inteligência artificial e trazer um lado mais empático e reforçar essa sensação de
acolhimento e tratamento aos pacientes.

2 OBJETIVO

O principal objetivo desse projeto é desenvolver, testar e validar modelos

de aprendizagem de máquina que possam de maneira precisa e eficaz prever a
probabilidade de morte de pacientes com COVID-19.

Especificamente, pretende-se analisar um conjunto de dados

disponibilizados com informações de pacientes durante o período pandêmico,
após essa análise será feito um tratamento desses dados identificando o que vira
a ser relevante para o projeto, utilizar modelos de aprendizagem de máquina
como rede neural ou arvore de decisão iremos posteriormente testar esses
modelos e validá-los analisando seus resultados após as previsões.

Ao finalizar esse projeto seria esperado contribuir para um melhor

entendimento da prioridade de tratamento de pacientes com COVID-19,
fornecendo informações mais precisas para autoridades de saúde de onde
priorizar o atendimento evitando o aumento de casos de mortalidade.

3
3 REFERÊNCIAL TEÓRICO
Como abordado no resumo esse trabalho tem como uso o modelo de
aprendizagem de máquina Decision tree. Árvores de decisão (DTs) são um
método de aprendizagem supervisionado não paramétrico usado para
classificação e regressão. O objetivo é criar um modelo que preveja o valor de
uma variável alvo, aprendendo regras de decisão simples inferidas a partir dos
recursos dos dados. Uma árvore pode ser vista como uma aproximação constante
por partes. (C. Stone, 1984)

Existem algumas vantagens e desvantagens no uso de árvores de decisão:

é simples de entender e de interpretar, requer pouca preparação de dados, é
capaz de lidar com dados numéricos e categóricos, consegue lidar com problemas
de múltiplas saídas, a explicação para a condição é facilmente explicada pela
lógica booleana; por fim, é possível validar um modelo por meio de testes
estatísticos.

Para análise utilizaremos uma base de dados disponibilizada pelo governo

mexicano Relatório do Sistema de Vigilância Epidemiológica de Doenças
Respiratórias Virais. Dados preliminares sujeitos a validação pelo Ministério da
Saúde através da Direção Geral de Epidemiologia. A informação contida
corresponde apenas aos dados obtidos no estudo epidemiológico de um caso
suspeito de doença respiratória viral no momento da sua identificação nas
unidades médicas do Sector da Saúde. De acordo com o diagnóstico clínico na
admissão, o paciente é considerado ambulatorial ou internado. A base não
contempla a evolução durante a permanência nas unidades médicas, com
exceção das atualizações na alta pelas unidades de vigilância epidemiológica
hospitalar ou jurisdições de saúde no caso de óbitos. Disponível em :
<https://datos.gob.mx/busca/dataset/informacion-referente-a-casos-covid-19-en-mexico>

4
 REFERÊNCIAS

Artificial intelligence (AI) in healthcare and research. London: Nuffield Council on

Bioethics; 2018.

Badawi O, Brennan T, Celi LA, Feng M, Ghassemi M, Ippolito A, et al. Making Big
Data Useful for Healthcare: A Summary of the Inaugural Critical Data Conference.
JMIR Med Inform. 2014; 2:e22. doi: 10.2196/medinform.3447.

L. Breiman, J. Friedman, R. Olshen e C. Stone. Classification and Regression

Decision Tree . Wadsworth, Belmont, CA, 1984.

Topol E. The Topol review: preparing the healthcare workforce to deliver the
digital future. London: National Health Service; 2019.4.

World Health Organization. Coronavirus (COVID-19) Dashboard: 2022. Geneva:

World Health Organization; 2022.

Dataset disponível em: <https://datos.gob.mx/busca/dataset/informacion-referente-a-

casos-covid-19-en-mexico>.