Ensemble stacking para classificação multi-classe de arboviroses

Resumo

Arboviroses são doenças transmitidas por artrópodes, através da picada de mosquitos, carrapatos, e flebotomíneos. Dentre elas, temos a Dengue, a Chikungunya e a Zika, doenças que são uma preocupação sanitária global. A detecção inicial de doenças arbovirais pode mitigar os danos à saúde e, em alguns casos, até prevenir a morte do indivíduo infectado. No entanto, existem alguns desafios para essa diagnóstico: as arboviroses costumam ter uma apresentação clínica sobreposta e, como resultado, o estabelecimento de um diagnóstico imediato pode ser difícil. Neste trabalho, propõe-se uma combinação de modelos de ML comumente denominada de Ensemble, do tipo Stacking, para a classificação multi-classe de arboviroses utilizando apenas dados clínicos. O modelo proposto obteve 61.95% de acurácia geral, 61.61% de macro sensibilidade, 61.45% de macro precisão e 61% macro F1-score. Com relação à classe Dengue, o modelo obteve 44.43% de sensibilidade, 58.90% de precisão e 50.64% de F1-Score. Na classe Chikungunya o modelo obteve 77.46% de sensibilidade, 65.48% de precisão e 70.96% de F1-Score. A classe Inconclusivo obteve 62.93% de sensibilidade, 59.97% de precisão e, 61.40% de F1-Score. Os melhores resultados foram da classe Chikungunya e os piores foram da classe Dengue, o que pode indicar que esta arbovirose, em especial, é mais difícil de ser classificada.