Auxílio ao diagnóstico de covid-19 com aprendizado de máquina: um comparativo entre classificadores tradicionais e ensemble
Nenhuma Miniatura disponível
Data
2021-02-26
Autores
Santos, Jéssica Aparecida Almeida dos [UNIFESP]
Orientadores
Berton, Lilian [UNIFESP]
Tipo
Trabalho de conclusão de curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Resumo
A pandemia de COVID-19 declarada em março do ano de 2020 pela OMS (Organização Mundial da Saúde) surpreendeu o mundo e desafiou o sistema de saúde de diversos países com o crescimento do número de infectados. Durante o pico da doença na Europa, a baixa incidência de infecção pelo Sars-Cov-2 na Coréia do Sul chamou atenção da comunidade internacional, visto que não muito tempo antes tal país era considerado o epicentro da pandemia fora de sua origem, na China. O protocolo de testagem em massa foi apontado como a fórmula do sucesso sul-coreano, porém, diante da alta demanda e pouca oferta dos testes diagnósticos de COVID-19 no mercado, tal estratégia mostrou-se de inviável implantação principalmente em países de grande população e com poucos recursos financeiros, como, por o exemplo, o Brasil. Em vista disso, ainda soma-se o agravante acerca da eficácia dos testes disponíveis atualmente, principalmente a do teste sorológico rápido com alta taxa de falsos negativos. Visando oferecer um método de triagem para aplicação de testes ou ser uma contraprova para os mesmos, este trabalho tem como objetivo desenvolver um modelo preditivo capaz de auxiliar na identificação da infecção por COVID-19 em pacientes suspeitos a partir de dados de exames clínicos laboratoriais, tais como o hemograma e
o exame de urina. Os dados utilizados advém de três hospitais da grande São Paulo e estão hospedados no repositório COVID-19 Data Sharing/BR, um banco de dados compartilhados da FAPESP (Fundação de Amparo à Pesquisa do Estado de São Paulo). O trabalho ainda propõe um comparativo de desempenho entre algoritmos tradicionais de classificação e algoritmos ensemble para a modelagem deste problema, procedimento o qual será realizado através da comparação de métricas de avaliação de Aprendizado de Máquina.
Descrição
Citação
SANTOS, Jéssica Aparecida Almeida dos. Auxílio ao diagnóstico de COVID-19 com Aprendizado de Máquina: Um comparativo entre classificadores tradicionais e ensemble. Orientadora: Lilian Berton. 2021. 94 f. TCC (Graduação) – Curso de Ciência da Computação, Instituto de Ciência e Tecnologia, Universidade Federal de São Paulo, São José dos Campos, 2021.