Chronic Illness Diagnosis Helper: Proposta de Uma Ferramenta para Auxílio Ao Diagnóstico de Doenças Crônicas Através da Análise Histórica de Relatos Sintomáticos

Resumo

Segundo dados da Organização Mundial da saúde (OMS), as doenças crônicas não transmissíveis (DCNT) são responsáveis por cerca de 71% dos óbitos em todo o mundo. Desse modo, ao longo dos anos algumas medidas vêm sendo tomadas para tentar reduzir esse índice. No que diz respeito ao uso de tecnologias nesse processo, existem algumas iniciativas no contexto do Aprendizado de Máquina (AM) que tentam encontrar formas que vão desde o auxílio ao diagnóstico até o suporte em determinados tipos de tratamentos. Visando isso, esse projeto tem como intuito apresentar uma ferramenta, baseada em um modelo de aprendizado de máquina, para auxiliar profissionais da saúde no diagnóstico das DCNT usando dados sintomáticos derivados da base “Chronic illness” da plataforma Kaggle. Como melhor resultado desse processo, foi escolhido um modelo de aprendizado baseado em técnicas de ensemble, onde a melhor precisão obtida chegou a ≈ 71,63 % para um número de 20 patologias, sendo esse modelo usado como base para a aplicação Chronic Illness Diagnosis Helper (CIDH), desenvolvida para uma prova de conceito inicial.