F. Ferreira, Felipe Gruendemann, R. Araújo, Adenauer C. Yamin, Luciano Agostini
{"title":"Inferência dos Perfis de Infusão em Sistemas Intravenosos: Uma Abordagem Empregando Técnicas de Aprendizagem de Máquina","authors":"F. Ferreira, Felipe Gruendemann, R. Araújo, Adenauer C. Yamin, Luciano Agostini","doi":"10.5753/sbcas.2021.16069","DOIUrl":null,"url":null,"abstract":"Os procedimentos de infusão intravenosa estão entre os mais usuais em hospitais e têm potencial para gerar alta ocorrência de eventos adversos. No entanto, as infusões intravenosas ainda não têm a sua verificação automatizada. Considerando este cenário, este trabalho propõe uma nova abordagem para reduzir eventos adversos em procedimentos intravenosos utilizando Aprendizado de Máquina para permitir uma inferência autônoma e registro dos perfis de infusões intravenosas. Dois regressores baseados em redes neurais foram avaliados: Multi-Layer Perceptron e Long-Short Term Memory. A avaliação dos modelos regressão, para as inferências dos perfis de administração de medicamentos intravenosos, obtiveram resultados promissores.","PeriodicalId":413867,"journal":{"name":"Anais do XXI Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2021)","volume":"292 1 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.2021.16069","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
Os procedimentos de infusão intravenosa estão entre os mais usuais em hospitais e têm potencial para gerar alta ocorrência de eventos adversos. No entanto, as infusões intravenosas ainda não têm a sua verificação automatizada. Considerando este cenário, este trabalho propõe uma nova abordagem para reduzir eventos adversos em procedimentos intravenosos utilizando Aprendizado de Máquina para permitir uma inferência autônoma e registro dos perfis de infusões intravenosas. Dois regressores baseados em redes neurais foram avaliados: Multi-Layer Perceptron e Long-Short Term Memory. A avaliação dos modelos regressão, para as inferências dos perfis de administração de medicamentos intravenosos, obtiveram resultados promissores.