Aprendizado de máquina para auxílio no diagnóstico doença pulmonar obstrutiva crônica

Autores

  • Ranier Pereira Nunes de Melo PUC Minas
  • Marco Paulo Soares Gomes PUC Minas
  • Luis Enrique Zárate PUC Minas

DOI:

https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1249

Palavras-chave:

Doença pulmonar obstrutiva crônica, Mineração de dados, Descoberta de conhecimento

Resumo

Objetivo: identificar fatores de risco para a doença pulmonar obstrutiva crônica na população brasileira. Método: por meio de um processo para descoberta de conhecimento, e modelos de aprendizado de máquina, identificar fatores de risco para a doença na população brasileira, baseado na Pesquisa Nacional em Saúde 2019. Resultados: o melhor modelo de aprendizado foi alcançado com o algoritmo Floresta Aleatória apresentando uma medida F1 de 75% para o conjunto de teste. Conclusões: a partir da análise do nível de importância dos principais fatores como asma, idade de risco, fumo anterior, índice de massa corpórea, risco domiciliar, dentre outros, destacaram-se os quatro primeiros como principais fatores de risco.

Biografia do Autor

Ranier Pereira Nunes de Melo, PUC Minas

Bac., Ciência de Dados, PUC Minas, Belo Horizonte (MG), Brasil

Marco Paulo Soares Gomes, PUC Minas

Dr., Ciência de Dados, PUC Minas, Belo Horizonte (MG), Brasil

Luis Enrique Zárate, PUC Minas

Dr., Ciência de Dados, PUC Minas, Belo Horizonte (MG), Brasil

Referências

WHO, W. H. O. Chronic obstructive pulmonary disease (copd). https://www.who.int/news-room/fact-sheets/detail/chronic-obstructive-pulmonary-disease-(copd)

GOLD-COPD. Global strategy for prevention, diagnosis and management of copd: 2023 report. https://goldcopd.org/ 2023-gold-report-2/, 2023.

Smith LA, Oakden-Rayner L, Bird A, Zeng M, To MS, Mukherjee S, Palmer LJ. Machine learning and deep learning predictive models for long-term prognosis in patients with chronic obstructive pulmonary disease: a systematic review and meta-analysis. Lancet Digit Health. 2023 Dec;5(12):e872-e881. doi: 10.1016/S2589-7500(23)00177-2. PMID: 38000872. DOI: https://doi.org/10.1016/S2589-7500(23)00177-2

Wang X, Ren H, Ren J, Song W, Qiao Y, Ren Z, Zhao Y, Linghu L, Cui Y, Zhao Z, Chen L, Qiu L. Machine learning-enabled risk prediction of chronic obstructive pulmonary disease with unbalanced data. Comput Methods Programs Biomed. 2023 Mar;230:107340. doi: 10.1016/j.cmpb.2023.107340. Epub 2023 Jan 6. PMID: 36640604. DOI: https://doi.org/10.1016/j.cmpb.2023.107340

Ma X, Wu Y, Zhang L, Yuan W, Yan L, Fan S, Lian Y, Zhu X, Gao J, Zhao J, Zhang P, Tang H, Jia W. Comparison and development of machine learning tools for the prediction of chronic obstructive pulmonary disease in the Chinese population. J Transl Med. 2020 Mar 31;18(1):146. doi: 10.1186/s12967-020-02312-0. PMID: 32234053; PMCID: PMC7110698. DOI: https://doi.org/10.1186/s12967-020-02312-0

Zarate, L., Petrocchi, B., Maia, C., Felix, C., and Gomes, M. P. CAPTO - A method for understanding problem domains for data science projects. Concilium 23:922–941, 2023. DOI: https://doi.org/10.53660/CLM-1815-23M33

Loyola-González, O. Black-Box vs. White-Box: Understanding Their Advantages and Weaknesses From a Practical Point of View, in IEEE Access, vol. 7, pp. 154096-154113, 2019. DOI: https://doi.org/10.1109/ACCESS.2019.2949286

Downloads

Publicado

19-11-2024

Como Citar

de Melo, R. P. N., Gomes, M. P. S., & Zárate, L. E. (2024). Aprendizado de máquina para auxílio no diagnóstico doença pulmonar obstrutiva crônica. Journal of Health Informatics, 16(Especial). https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1249

Artigos Semelhantes

1 2 3 4 5 6 7 8 9 10 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.

Artigos mais lidos pelo mesmo(s) autor(es)