UM MODELO COMPUTACIONAL DE RECOMENDAÇÃO DE TRATAMENTO
TERAPÊUTICO PERSONALIZADO PARA PACIENTE COM QUADRO SÉPTICO
SEPSE; Machine Learning; Prescrição Terapêutica
A Informática na Saúde provê recursos para a geração, manutenção, e armazenamento dos
dados vitais dos pacientes através de prontuários construídos a partir de sistemas. Este estudo
aborda a lacuna identificada na literatura quanto ao suporte técnico aos médicos,
especificamente para o fornecimento de sugestões medicamentosas para pacientes com quadro
séptico de maneira automática e assistida pelo Machine Learning. Dentro da área da Saúde, a
SEPSE se apresenta como um quadro clínico em que o tempo de resposta para esta condição é
vital para o paciente. Se não tratada de maneira eficiente e eficaz, o paciente pode evoluir a
óbito em menos de 24h. Neste contexto, o presente trabalho tem como ideia principal
proporcionar um modelo de Machine Learning para predizer prescrição terapêutica de maneira
automática para auxiliar o médico em sua tomada de decisão e personalizada para o paciente.
Foram encontrados resultados satisfatórios nos modelos testados para a sugestão, muito embora
não tenha sido possível validar sua eficiência e eficácia aplicando em pacientes reais, nesse
momento. Vislumbramos que é um caminho potencialmente promissor e que pode gerar bons
frutos, impactando principalmente na mitigação de óbitos decorrente de SEPSE