Escolar Documentos
Profissional Documentos
Cultura Documentos
Previsão do risco de mortalidade por covid-19 utilizando machine learnig com foco
em uma melhora na gestão do atendimento público de saúde.
TRÊS LAGOAS
2023
1
RESUMO
Predicting the risk of mortality from Covid-19 using machine learning with a
focus on improving the management of public health care.
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.
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.
3 REFERENCIAL TEORICO
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
2
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.
“ 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.
3
4 METODOLOGIA
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)
4
REFERÊNCIAS
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.
Topol E. The Topol review: preparing the healthcare workforce to deliver the
digital future. London: National Health Service; 2019.4.