UM SISTEMA INTELIGENTE PARA A AVALIAÇÃO DE RISCO DA DRC E ENCAMINHAMENTO DE PACIENTES EM EMERGÊNCIA PARA UNIDADES DE SAÚDE
A alta incidência e prevalência de doença renal crônica (DRC), frequentemente causada
por diagnósticos tardios, é um problema crítico de saúde pública, principalmente em países em desenvolvimento como o Brasil. As terapias de tratamento da DRC, como diálise e transplante renal, aumentam as taxas de morbimortalidade, além dos custos de saúde pública. Inicialmente, neste estudo foi analisado o uso de técnicas de aprendizado de máquina para auxiliar no diagnóstico precoce da DRC nos países em desenvolvimento. As análises comparativas qualitativas e quantitativas foram, respectivamente, conduzidas usando uma revisão sistemática da literatura e um experimento com técnicas de aprendizado de máquina, com o método de validação cruzada k-fold baseado no software Weka c e um conjunto de dados da DRC. A partir das análises, foi possível realizar uma discussão sobre a adequação das técnicas de aprendizado de máquina para a triagem do risco de DRC, concentrando-se em ambientes de baixa renda e de difícil acesso nos países em desenvolvimento, devido aos problemas específicos enfrentados, como, por exemplo, atendimento primário inadequado. Com base nos resultados do estudo foi possível observar que a árvore de decisão J48 é uma técnica de aprendizado de máquina adequada para essa triagem nos países em desenvolvimento, devido à fácil interpretação de resultados de classificação, com 95,00% de precisão, alcançando concordância quase perfeita com a opinião de um nefrologista experiente. Por outro lado, as técnicas de floresta aleatória, naive Bayes, máquina de vetores de suporte, perceptron multicamada e vizinho k mais próximo, respectivamente, ofereceram 93,33%, 88,33%, 76,66%, 75,00% e 71,67% de precisão, apresentando pelo menos concordância moderada com o nefrologista, à custa de uma interpretação mais difícil dos resultados da classificação. Com esta conclusão, a árvore de decisão J48 foi usada para desenvolver um sistema inteligente para avaliar o risco de DRC em países em desenvolvimento. Além disso, quando o paciente com DRC está fora de seu município e ocorre uma emergência, o sistema recomenda que ele compareça a uma unidade de saúde apropriada, dependendo da situação clínica, para evitar cuidados de saúde tardios ou inadequados.
Aprendizagem de Máquina, Doença Renal Crônica, Paises em Desenvolvimento.