Banca de DEFESA: KELSON ANTONIO DE OLIVEIRA SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: KELSON ANTONIO DE OLIVEIRA SANTOS
DATA: 22/03/2024
HORA: 09:00
LOCAL: meet.google.com/fdt-tbah-uxe
TÍTULO: DESENVOLVIMENTO DE UM MÉTODO COMPUTACIONAL PARA PREDIÇÃO DA NECESSIDADE DE TRANSFUSÃO DE SANGUE APÓS O PARTO
PALAVRAS-CHAVES: Transfusão de sangue; Aprendizado de máquina; Pós-parto
PÁGINAS: 55
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

Estudos apontam que o esforço para melhoria da qualidade dos cuidados e a segurança do paciente, aliados as estruturas dos algoritmos de gerenciamento de sangue, funcionam como sistemas de apoio a decisão clínica baseados em Inteligencia Artificial. A utilização da aplicação desses algoritmos podem permitir melhor previsaão tanto da possibilidade de sangramento quanto da necessidade de transfusão. Os métodos computacionais podem auxiliar na identificação dos pacientes com maior necessidade de transfusão e, com isso, fornecer meios para melhorar o gerenciamento sanguíneo. Com base no exposto, este estudo tem por objetivo aplicar algoritmos de aprendizado de máquina para criação de um método computacional que possa prever a necessidade de transfusão de sangue em mulheres no pós-parto. O método desenvolvido possui quatro etapas principais: aquisição de dados, pré-processamento, seleção e classificação. Na aquisição dos dados foram coletados 689 registros referentes ao ano de 2020, obtidos por meio dos sistemas existentes no hospital de ensino referência em atendimento a gestante e pós-parto. Na etapa de pré-processamento, realizou-se a limpeza e a normalização dos dados, resultando em 474 amostras com 44 características. Na etapa de seleção, foram selecionadas 11 características e eliminadas 33 características. A amostra final foi de 474 prontuários, sendo 237 que realizaram tranfusão e 237 que não realizaram e 11 características. Na etapa de classificação avaliamos o uso dos seguintes classificadores: Floresta Aleatória, Regressão Logística e Redes Neurais Artificais. O perfil amostral apontou média de idade 28 anos, a maior incidência de internação na admissão foi partos cesáreos em gestação de alto risco. Todos modelos utilizados apresentaram precisão acima de 89%. Os modelos floresta aleatória e redes neurais apresentaram os melhores desempenhos para prever a necessidade de transfusão de sangue. Esse estudo aponta a viabilidade do uso de aprendizagem de máquina na transfusão de sangue e poderá servir de subsídio para auxiliar o profissional de saúde na conduta clínica para tomada de decisão e no direcionamento do paciente para o melhor tratamento individualizado. E ainda, redução de custos relaionados a transfusão e critérios mais definidos para a segurança do paciente. 

MEMBROS DA BANCA:
Presidente - 2025885 - FLÁVIO HENRIQUE DUARTE DE ARAÚJO
Interno - 1402365 - DEBORAH MARIA VIEIRA MAGALHAES
Externo ao Programa - 001.121.633-60 - LIDYANE RODRIGUES OLIVEIRA SANTOS - UFPI
Externo ao Programa - 453.357.023-20 - OTILIO PAULO DA SILVA NETO - IFPI