Navegando por Autor "Freitas, Gabriel Ribeiro de"
Agora exibindo 1 - 1 de 1
- Resultados por página
- Opções de Ordenação
TCC Predição de risco de mortalidade infantil em neonatos prematuros baseado em aprendizagem de máquina(Universidade Federal do Rio Grande do Norte, 2025-01-17) Freitas, Gabriel Ribeiro de; Fernandes, Marcelo Augusto Costa; 0000-0001-7536-2506; http://lattes.cnpq.br/3475337353676349; http://lattes.cnpq.br/3059452822334844; Silva, Lucileide Medeiros Dantas da; http://lattes.cnpq.br/4888844108485691; Dalmolin, Matheus Gibeke Siqueira; 0000-0002-5400-0909; http://lattes.cnpq.br/6696965491888991O estudo investiga a aplicação de modelos de Machine Learning (ML) na predição do risco de mortalidade em neonatos prematuros, um dos desafios mais significativos da medicina neonatal contemporânea. A pesquisa explora como técnicas avançadas de ML, como Gradient Boosting, Redes Neurais, Regressão Logística e Naive Bayes, podem desenvolver sistemas preditivos precisos e confiáveis para identificar neonatos em maior risco, visando melhorar intervenções e reduzir a mortalidade infantil. A hipótese central sugere que cada modelo possui diferentes potenciais na predição desses riscos, sendo avaliado com base em desempenho, integração clínica e contribuição para políticas de saúde pública. A metodologia incluiu uma revisão sistemática da literatura e o desenvolvimento de um dataset próprio, construído a partir de dados públicos do SIM e SINASC. Esses dados foram refinados e ajustados para eliminar inconsistências e garantir sua aplicabilidade em técnicas de ML, criando uma base direcionada e consistente. A análise dos modelos indicou que, embora todos apresentem aplicabilidade, aspectos como viés nos dados, interpretabilidade e integração clínica variam entre eles. Concluiu-se que a escolha do modelo ideal deve equilibrar precisão, transparência e aplicabilidade clínica, considerando ainda questões éticas relacionadas à privacidade e ao consentimento informado.