USO DE APRENDIZAGEM SUPERVISIONADA POR ÁRVORE DE DECISÃO PARA O PRÉ-DIAGNÓSTICO DE PACIENTES EM ENFERMARIAS

Resumo

As enfermarias de hospitais são locais em que são atendidas pessoas com um estado de saúde mais estável, se comparadas com as pessoas internadas em UTIs (Unidades de Tratamento Intensivo), devido a isso e principalmente para reduzir os custos financeiros, geralmente não há uma autossistematização dos processos nestes locais.  Nas UTIs, geralmente, todo leito tem um gama de equipamentos para monitorar constantemente os pacientes, como é o caso da avaliação e monitoração dos sinais vitais. Já nas enfermarias, os sinais vitais são geralmente monitorados pelos enfermeiros que fazem este processo de forma manual, fazendo a coleta dos sinais em intervalos de 8 a 12 horas em média no Brasil. Este processo além de onerar o trabalho do enfermeiro, pode trazer algumas desvantagens aos pacientes que estão internados na enfermaria.  Com o intuito de auxiliar o enfermeiro e/ou médico na tomada de decisão, em relação ao acompanhamento de pacientes nas enfermarias hospitalares, este trabalho tem como objetivo propor uma solução alternativa utilizando aprendizado de máquina supervisionado com a técnica de Árvores de Decisão para o desenvolvimento de um modelo de classificação. Pretende-se ao final deste trabalho responder se este modelo é aceitável para uso em enfermarias, tal resposta será baseada no veredito do especialista da área médica, com base na taxa de acertos do modelo de classificação. A partir do modelo de classificação deverá ser gerado um pré-diagnóstico com base nos valores dos seguintes sinais vitais: temperatura, frequência cardíaca, frequência respiratória, pressão arterial sistólica e diastólica e a saturação de oxigênio. Baseado no pré-diagnóstico pretende-se gerar alarmes quando houver a necessidade de intervenção da equipe médica. Para o desenvolvimento da solução se fez necessário um estudo aprofundado do MIMIC III, um dos bancos de dados do Physionet, que é um recurso que contém dados como: sinais vitais, dados demográficos e outras informações de mais de quarenta e seis mil pacientes reais, desde crianças recém-nascidas até idosos. São os dados advindos da base mencionada que darão sustentação para testes e validações feitas neste trabalho. Em relação aos objetivos, a pesquisa caracteriza-se por ser exploratória, pois houve a necessidade de entender de que forma os sinais fisiológicos podem definir o estado de saúde de determinada pessoa, conhecer de forma detalhada o MIMIC III, bem como fazer um estudo aprofundado das tecnologias envolvidas no desenvolvimento da solução, visando a um melhor domínio do problema de pesquisa. Quanto ao objetivo, a pesquisa também será explicativa, pois será necessário analisar os resultados, interpretar e identificar as causas da taxa de acertos do modelo de classificação. No momento, o trabalho está em desenvolvimento, sendo criado apenas um modelo de classificação que permitiu um pré-diagnóstico, sem ser validado na prática. Sendo possível concluir até aqui, que há uma necessidade de desenvolvimento de projetos na área da computação, que ajudem a otimizar os processos hospitalares visando à diminuição de erros que prejudiquem o paciente, já que, segundo dados de 2016, no Brasil entre 104.187 a 434.112 óbitos por ano podem estar associados a eventos adversos assistenciais hospitalares.