Auxílio ao Diagnóstico para Predição de Morte Súbita em Pacientes Chagásicos a Partir de Dados Clínicos: uma Abordagem baseada em Aprendizagem de Máquina
Pedro E. O. Primo, Weslley L. Caldas, G. S. Almeida, L. P. L. Brasil, Carlos H. L. Cavalcante, J. P. Madeiro, Danielo G. Gomes, R. C. Pedrosa
{"title":"Auxílio ao Diagnóstico para Predição de Morte Súbita em Pacientes Chagásicos a Partir de Dados Clínicos: uma Abordagem baseada em Aprendizagem de Máquina","authors":"Pedro E. O. Primo, Weslley L. Caldas, G. S. Almeida, L. P. L. Brasil, Carlos H. L. Cavalcante, J. P. Madeiro, Danielo G. Gomes, R. C. Pedrosa","doi":"10.5753/sbcas.2021.16077","DOIUrl":null,"url":null,"abstract":"A doença de Chagas (DC) afeta cerca de 7 milhões de pessoas no mundo e pode levar à Morte Súbita Cardíaca (MSC) do paciente por cardiomiopatia, cuja evolução pode ser controlada com diagnóstico precoce. Neste artigo, foram utilizados 7 algoritmos de aprendizagem de máquina com uma base de dados clínicos de pacientes chagásicos, objetivando a classificação em alta ou baixa predisposição do paciente à MSC, com seleção de atributos e balanceamento dos dados. Os melhores resultados indicam AUC:85.35 e F1:75.79 para o algoritmo K-Vizinhos Mais Próximos. Devido ao forte impacto nos modelos de aprendizagem de máquina, sugerimos o uso da Taquicardia Ventricular Não Sustentada e Extrassístole Ventricular Total como indicadores de MSC iminente.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"28 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-06-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas.2021.16077","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
A doença de Chagas (DC) afeta cerca de 7 milhões de pessoas no mundo e pode levar à Morte Súbita Cardíaca (MSC) do paciente por cardiomiopatia, cuja evolução pode ser controlada com diagnóstico precoce. Neste artigo, foram utilizados 7 algoritmos de aprendizagem de máquina com uma base de dados clínicos de pacientes chagásicos, objetivando a classificação em alta ou baixa predisposição do paciente à MSC, com seleção de atributos e balanceamento dos dados. Os melhores resultados indicam AUC:85.35 e F1:75.79 para o algoritmo K-Vizinhos Mais Próximos. Devido ao forte impacto nos modelos de aprendizagem de máquina, sugerimos o uso da Taquicardia Ventricular Não Sustentada e Extrassístole Ventricular Total como indicadores de MSC iminente.
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
