1 of 11

Modelos de IA para predição de Síndrome Gripal na Bahia

Fernando Schettini, Augusto Barreto

2 of 11

Introdução e Contexto

  • Dados obtidos pela opendatasus, 25 de agosto de 2023.*
  • Vigilância da Síndrome Gripal (SG) de casos leves e moderados suspeitos de covid-19.
  • Identificar os vírus respiratórios circulantes como SARS-CoV-2, e permitir o monitoramento da demanda de atendimento.

*Disponível em: https://opendatasus.saude.gov.br/dataset/notificacoes-de-sindrome-gripal-leve-2023

3 of 11

Introdução e Contexto

Figura 1 - Mapa de Unidades Sentinelas para o estado de São Paulo.[1]

4 of 11

Metodologia

  • Pré-processamento:
    • Hot-enconding em parâmetros categóricos.
    • Remoção de dados inexistentes.
    • Remoção de dados irrelevantes
  • Validação:
    • Cross Validation, 10-fold.
    • Recall e F1, priorizar falsos negativos.
    • Jaccard e Silhouette.
  • Métodos:
    • Classificador Bayesiano, Árvore de Decisão, K-NN, Perceptron, MLP, SVM.
    • K-means e Complete-Link.

5 of 11

Resultados - Supervisionado

Método

F1-Score (Média)

Recall (Média)

K-NN (n=5)

0.7024813110698145

0.7392253092668799

Árvore de Decisão (max_depth=5, min_samples_leaf=10)

0.7422466042486774

0.8358647271474655

Class. Bayesiano

0.6654782708795925

0.7391810612446791

Perceptron (iter=200)

0.5858146943578836

0.6997706138395718

MLP (iter=300)

0.7432797359463529

0.8264020518873973

Tabela 1 - Tabela comparativa entre métodos supervisionado utilizados e critérios de avaliação.

6 of 11

Resultados - Supervisionado

Figura 2 - Gráfico comparativo entre curvas ROC.

7 of 11

Resultados - Não supervisionado

Método

Jaccard

Silhueta (Média)

K-Means (n=2)

0.2951239424104527

0.5853294620160377

Complete Link (n=2)

0.31986874200238724

0.48111038632360703

Tabela 2 - Tabela comparativa entre métodos não-supervisionado utilizados e critérios de avaliação.

K-means

Complete-Link

8 of 11

Resultados - Não supervisionado

Figura 3 e 4 - Silhueta para K-means e Complete Link, respectivamente.

9 of 11

Resultados - Não supervisionado

Figura 5- Dendograma Gerado pelo algoritmo de Complete-Link.

10 of 11

Conclusões e Prospecções

  • Melhores métodos de previsão foram a árvore de decisão e MLP.
  • Métodos não supervisionados não se saíram muito bem em criar grupos de doentes e não doentes.
  • Aumentar a base de dados com datasets de outros estados e treinamento em GPU.
  • Exploração dos algoritmos CNN e SVM.

11 of 11

Referências

[1] SAÚDE. Vigilância em saúde. Capital São Paulo. Disponível em: https://capital.sp.gov.br/web/saude/w/vigilancia_em_saude/341133. Acesso em: 26 ago. 2024.