Title:	MODELO DEMACHINE LEARNING PARA PREDIÇÃO DE PROBLEMAS RESPIRATÓRIOS
Author(s):	Gustavo Torres Belini, Danilo da Silva Ataide e Johannes Von Lochter
ISBN:	978-989-8704-64-1
Editors:	Paula Miranda, Flávia Maria Santoro e Cristiano Costa
Year:	2024
Edition:	Single
Keywords:	Machine Learning, Síndrome Respiratória Aguda Grave, Modelos Preditivos, Gradient Boosting, Saúde Pública
Type:	Fulls
First Page:	33
Last Page:	40
Cover:
Full Contents:	click to dowload
Paper Abstract:	A Síndrome Respiratória Aguda Grave (SRAG) representa um desafio persistente para a saúde pública, especialmente em contextos pandêmicos, como observado na COVID-19. Este estudo explora o uso de técnicas de Machine Learning para a predição e diagnóstico de doenças respiratórias, visando otimizar o gerenciamento de recursos e o tratamento de pacientes. Foram aplicados modelos de aprendizado supervisionado, incluindo Regressão Logística, KNN, Naive Bayes, SVM, Gradient Boosting, Árvores de Decisão e Floresta Aleatória, com avaliação de métricas como AUC-ROC, F-medida, precisão, revocação e acurácia. O Gradient Boosting destacou-se com os melhores resultados em termos de precisão e eficiência computacional. A metodologia CRISP-DM orientou a coleta, tratamento e modelagem dos dados, garantindo rigor no processo. Esta pesquisa reforça o papel da Inteligência Artificial na saúde, demonstrando a eficácia de modelos preditivos no monitoramento e controle de SRAG.
	Go Back