Naira Kaieski, D. Schmidt, Carolina Kelsh, D. Silva, C. Costa, R. Righi
{"title":"Um Modelo para Predição Individualizada da Deterioração da Saúde de Pacientes no âmbito da Internet das Coisas","authors":"Naira Kaieski, D. Schmidt, Carolina Kelsh, D. Silva, C. Costa, R. Righi","doi":"10.5753/sbcas.2020.11511","DOIUrl":null,"url":null,"abstract":"Este artigo apresenta o desenvolvimento de um modelo baseado em internet das coisas de saúde e inteligência artificial para prever a deterioração do estado de saúde de pacientes. Foi construído um modelo de Deep Learning baseado em Redes Neurais Convolucionais para processar os dados que podem ser coletados por sensores ubíquos. Foram utilizadas duas estratégias diferentes para treinar o modelo, uma baseada na abordagem populacional tradicional e outra mais individualizada onde os dados de treinamento são oriundos de pacientes similares em termos de idade ao indivíduo monitorado. Os resultados mostraram uma sensível melhora na acurácia da predição de mortalidade do modelo individualizado com AUC média de 0,73 para todas as faixas de idade enquanto o modelo populacional apresentou AUC de 0,70.","PeriodicalId":291109,"journal":{"name":"Anais Principais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2020)","volume":"78 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-09-15","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais Principais do Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2020)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.5753/sbcas.2020.11511","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Este artigo apresenta o desenvolvimento de um modelo baseado em internet das coisas de saúde e inteligência artificial para prever a deterioração do estado de saúde de pacientes. Foi construído um modelo de Deep Learning baseado em Redes Neurais Convolucionais para processar os dados que podem ser coletados por sensores ubíquos. Foram utilizadas duas estratégias diferentes para treinar o modelo, uma baseada na abordagem populacional tradicional e outra mais individualizada onde os dados de treinamento são oriundos de pacientes similares em termos de idade ao indivíduo monitorado. Os resultados mostraram uma sensível melhora na acurácia da predição de mortalidade do modelo individualizado com AUC média de 0,73 para todas as faixas de idade enquanto o modelo populacional apresentou AUC de 0,70.