Proposta e Análise de Árvores de Decisão para a Predição de Acidentes Vasculares Cerebrais em Pacientes com Síndrome Metabólica
Inteligência Artificial; Aprendizado de Máquina; Síndrome Metabólica; AVC.
O Machine Learning ou aprendizado de máquina, é uma tecnologia pertencente à Inteligência Artificial (IA), em que os computadores são capazes de aprender com base nos dados que consomem. O objetivo deste trabalho é identificar os fatores de riscos presentes na Síndrome Metabólica e, através do uso de técnicas de Machine Learning, estabelecer um modelo de prognóstico com aplicação de árvores de decisão a partir de bases de dados associadas que possam determinar o quão propenso o paciente pode desenvolver um AVC. As características da síndrome metabólica constituem um conjunto de fatores de risco cardiovascular frequentemente associados à adiposidade central e à resistência à insulina, hipertensão, hiperglicemia e dislipidemia, que acarreta um estado pró-trombótico e pró-inflamatório. O Acidente Vascular Cerebral (AVC) - é um termo médico utilizado para uma interrupção abrupta do sangue no cérebro. Isso acontece quando o fluxo sanguíneo para o cérebro é interrompido, resultando em necrose das células cerebrais ou quando um vaso sanguíneo se rompe e derrama sangue no cérebro. O AVC é uma das principais causas de morte e incapacidade em todo mundo. Compreender o prognóstico da síndrome metabólica à saúde é imprescindível, por isso este trabalho discorre sobre a utilização da técnica de árvore de decisão nos fatores de risco da síndrome metabólica no prognóstico de AVC, permitindo ajudar o médico na tomada de decisão a partir das bases clínicas do paciente.