APRAVC : uma nova abordagem de apoio à prevenção de recorrência do AVC

Abstract

Nos últimos anos, o Brasil tem enfrentado uma crescente problemática em relação ao AVC e sua recorrência, associados a fatores de risco modificáveis e não modificáveis. O AVC é reconhecido como uma das principais causas de morte em todo o mundo, bem como um grande problema para a sociedade e governos, devido à grande quantidade de pessoas incapacitadas e internações graves. Diante dessa situação, esta dissertação apresenta uma nova abordagem para a prevenção da recorrência do AVC, com o objetivo de realizar um diagnóstico precoce utilizando técnicas de aprendizagem de máquina. Para isso, utilizou-se uma base de dados fornecida pela Liga Fisioneuro da UFC, contendo informações apenas de pacientes do estado do Ceará. Os dados foram preparados através da engenharia de atributos, resultando em uma base sólida para treinamento e teste. O estudo se concentrou em três grupos categóricos de técnicas de aprendizagem de máquina: métodos clássicos, métodos ensemble e redes neurais artificiais, em conjunto com quatro tipos de abordagens de balanceamento de cargas. Após treinamento e teste dos modelos, o AprAVC foi avaliado com métricas de performance de aprendizado de máquina selecionadas para este trabalho. O classificador XGBoost, utilizando a abordagem de balanceamento de cargas oversampling, obteve o melhor desempenho, com uma excelente capacidade de distinguir entre classes positivas e negativas, alcançando 97,31% de performance com a métrica da área sob a curva ROC. O AprAVC também obteve ótima performance nas outras três abordagens apresentadas no trabalho. Os resultados obtidos comprovam a viabilidade de utilizar algoritmos de aprendizagem de máquina para auxiliar na prevenção da recorrência do AVC mesmo com cargas desbalanceadas. O AprAVC pode contribuir significativamente para profissionais da área de saúde e pessoas em geral, ajudando na previsão da recorrência do AVC