Modelo preditivo para identificar pessoas infectadas com Sars-Cov-2 através de exames de sangue
Nenhuma Miniatura disponível
Data
2022-06-28
Tipo de documento
Artigo Científico
Título da Revista
ISSN da Revista
Título de Volume
Área do conhecimento
Engenharias
Modalidade de acesso
Acesso fechado
Editora
Autores
Silva do Rosário, Eduardo
Ribeiro dos Santos, Diego
Leandro, Jonathan
Nascimento Sergio, Matheus
Minoru Kobashikawa, Marcelo
Orientador
Henrique Porto Ferreira, Charles
Coorientador
Rogerio Nietto, Paulo
Resumo
Um dos maiores problemas da idade contemporânea
é a velocidade de transmissão de vírus e doenças, como foi possível
observar em 2019 com a pandemia da Sars-Cov-2 ou Covid-19.
Por se tratar de um novo vírus, um dos principais desafios é o de
identificar pessoas infectadas de uma forma ágil utilizando
recursos acessíveis de modo a frear a transmissão da doença
inicialmente desconhecida. O exame de sangue além de ser
facilmente acessível, é uma das formas de descobrir enfermidades
no organismo mesmo que não manifestem sintomas. Esses pontos
motivam a criação do projeto através das informações obtidas
nesse exame, com o propósito de acelerar o diagnóstico de
qualquer novo vírus ou doença que surgir e conter o rápido avanço
dela entre a população. Utilizando como referência os dados
coletados durante a Covid-19, por se tratar do vírus mais atual
descoberto, o objetivo desse trabalho baseando-se em outra
pesquisa é treinar modelos de algoritmos preditivos capazes de
predizer se o paciente pode estar infectado com base nas amostras
sanguíneas. Utilizando a base de dados de instituições públicas e
privadas, os algoritmos combinados com diferentes técnicas de
balanceamento realizaram uma série de treinos e testes, gerando
taxas de acerto com uma variação de até 13,7%.
Palavras-chave
Aprendizado de Máquina, Algoritmo Preditivo, Covid-19, Inteligência Artificial, Vírus