Notícias

Banca de QUALIFICAÇÃO: GILVAN VERAS MAGALHÃES JUNIOR

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: GILVAN VERAS MAGALHÃES JUNIOR
DATA: 03/09/2018
HORA: 10:00
LOCAL: Sala de Videoconferência
TÍTULO: Estudo da Influência de Caracteristicas Textuais no Processo de Automatização da Regulação Médica
PALAVRAS-CHAVES: Processamento de Linguagem Natural, Aprendizagem de Máquina, Mineração de Dados Textuais, Regulação de Planos de Saúde
PÁGINAS: 54
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Sistemas de Computação
RESUMO:

Devido ao sistema de saúde público ineficiente muitos brasileiros têm recorrido a saúde suplementar, atividade que envolve a operação de planos e seguros privados de assistência médica à saúde. Segundo dados do IBGE, em 2015 o consumo final de bens e serviços de saúde no Brasil foi de R$ 546 bilhões (9,1% do PIB). No entanto, muitas empresas Operadoras de Planos de Saúde (OPS) enfrentam dificuldades financeiras devido a procedimentos desnecessários, fraudes ou abusos na utilização dos serviços de saúde. Com a finalidade de obstar gastos desnecessários, as OPS começaram a utilizar um mecanismo chamado regulação, onde uma análise prévia de cada solicitação recebida é feita antes de respondê-la. Uma empresa recebe diariamente centenas de solicitações, as quais constam os dados pessoais e o quadro clínico do paciente, assim, faz-se necessária a presença de especialistas para analisar cada solicitação e aprovar ou recusar junto com uma justificava. Porém, o gasto para manter uma equipe de especialistas de tamanho proporcional a demanda diária é alto. Por esse motivo as OPS têm buscado técnicas para realizar essa função de forma automática ou semi-automática. Este trabalho propõe a utilização de técnicas de Processamento de Linguagem Natural e Aprendizado de Máquina para investigar a influência do uso de características textuais na avaliação do processo de regulação automática de uma OPS. Foram realizados experimentos utilizando os classificadores IBk, J48, Naive Bayes, Random Forest e SMO, obtendo melhores resultados com o SMO. Foi estudado também a influência de diferentes grupos de palavras nos resultados dos experimentos.


MEMBROS DA BANCA:
Presidente - 1226761 - RAIMUNDO SANTOS MOURA
Interno - 2167802 - PEDRO DE ALCANTARA DOS SANTOS NETO
Interno - 1446435 - VINICIUS PONTE MACHADO
Notícia cadastrada em: 31/07/2018 15:46
SIGAA | Superintendência de Tecnologia da Informação - STI/UFPI - (86) 3215-1124 | © UFRN | sigjb02.ufpi.br.instancia1 20/11/2019 12:26