Inteligência artificial e saúde materna: a experiência da Caren em Goiás

Autores

  • Matheus Saraiva Alcino Secretaria de Estado de Saúde
  • Pedro Manuel Rodrigues Secretaria de Estado de Saúde
  • Wanderson da Silva Marques Secretaria de Estado de Saúde
  • Carlos Augusto Gonçalves Tibiriça Secretaria de Estado de Saúde
  • Willian Farias Carvalho Oliveira Secretaria de Estado de Saúde
  • Diogo Antônio Leal Secretaria de Estado de Saúde

DOI:

https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1271

Palavras-chave:

Otimização de cuidados neonatais, Inteligência Artificial em Saúde Materna, Caren

Resumo

Objetivo: A aplicação Caren tem como objetivo aprimorar a gestão dos cuidados neonatais em hospitais públicos de Goiás, utilizando inteligência artificial para prever níveis de atenção médica a recém-nascidos. Método: a aplicação emprega um modelo preditivo supervisionado, treinado com dados do Sistema Único de Saúde, com técnicas de integração e subamostragem para lidar com desbalanceamento. Resultados: os resultados mostram que o modelo escolhido, ao priorizar a revocação, demonstrou eficácia, destacando uma abordagem conservadora. A análise temporal indica a necessidade de precaução nas predições após o primeiro dia de vida. Conclusão: A Caren é uma ferramenta inovadora para a gestão eficiente dos recursos neonatais, sinalizando avanços na saúde materna.

Biografia do Autor

Matheus Saraiva Alcino, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Pedro Manuel Rodrigues, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Wanderson da Silva Marques, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Carlos Augusto Gonçalves Tibiriça, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Willian Farias Carvalho Oliveira, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Diogo Antônio Leal, Secretaria de Estado de Saúde

Cientista de dados, Gerência de Inovação, Secretaria de Estado de Saúde, Goiânia (GO), Brasil.

Referências

Brasil. Ministério da Saúde. DATASUS. Tabnet. Brasília, DF: Ministério da Saúde; 2022. Disponível em: https://datasus.saude.gov.br/informacoes-de-saude-tabnet/. Acesso em: janeiro de 2022.

Chawla, N, Bowyer, K, Hall, L, Kegelmeyer, W. "SMOTE: synthetic minority over-sampling technique". Journal of artificial intelligence research 2002; 16:321–357. DOI: https://doi.org/10.1613/jair.953

Cnattingius, S, Johansson, S, Razaz, N. "Apgar score and risk of neonatal death among preterm infants". New England Journal of Medicine 2020; 383(1):49–57. DOI: https://doi.org/10.1056/NEJMoa1915075

Gudmann, A, Mucsi, L. "Pixel and object-based land cover mapping and change detection from 1986 to 2020 for Hungary using histogram-based gradient boosting classification tree classifier". Geographica Pannonica 2022; 26(3). DOI: https://doi.org/10.5937/gp26-37720

Haran, C, Van Driel, M, Mitchell, B, Brodribb, W. "Clinical guidelines for postpartum women and infants in primary care–a systematic review". BMC pregnancy and childbirth 2014; 14:1–9.. DOI: https://doi.org/10.1186/1471-2393-14-51

Lubchenco, L, Hansman, C, Dressler, M, Boyd, E. "Intrauterine growth as estimated from liveborn birth-weight data at 24 to 42 weeks of gestation". Pediatrics 1963; 32(5):793–800. DOI: https://doi.org/10.1542/peds.32.5.793

Moller, AB, Newby, H, Hanson, C, Morgan, A, El Arifeen, S, Chou, D, Diaz, T, Say, L, Askew, I, Moran, A. "Measures matter: a scoping review of maternal and newborn indicators". PloS one 2018; 13(10).. DOI: https://doi.org/10.1371/journal.pone.0204763

Nussbaum, C, Lengauer, M, Puchwein-Schwepcke, A, Weiss, V, Spielberger, B, Genzel-Boroviczeny, O. "Noninvasive Ventilation in Preterm Infants: Factors Influencing Weaning Decisions and the Role of the Silverman-Andersen Score". Children 2022; 9(9):1292. DOI: https://doi.org/10.3390/children9091292

Pedregosa, F, Varoquaux, G, Gramfort, A, Michel, V, Thirion, B, Grisel, O, Blondel, M, Prettenhofer, P, Weiss, R, Dubourg, V, Vanderplas, J, Passos, A, Cournapeau, D, Brucher, M, Perrot, M, Duchesnay, E. "Scikit-learn: Machine Learning in Python". Journal of Machine Learning Research 2011; 12:2825–2830.

Preston, S, Heuveline, P, Guillot, M. Demography: Measuring and Modeling Population Processes. Wiley; 2000.

Winkler, W. "Matching and record linkage". Wiley interdisciplinary reviews: Computational statistics 2014; 6(5):313–325. DOI: https://doi.org/10.1002/wics.1317

Downloads

Publicado

19-11-2024

Como Citar

Alcino, M. S., Rodrigues, P. M., Marques, W. da S., Tibiriça, C. A. G., Oliveira, W. F. C., & Leal, D. A. (2024). Inteligência artificial e saúde materna: a experiência da Caren em Goiás. Journal of Health Informatics, 16(Especial). https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1271

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)