Aprendizado de máquina para classificação da desocupação de leitos pós-cirúrgicos: um estudo sobre pacientes cardiopatas congênitos

• Ano de defesa: 2020
• Autor(a) principal: Teramachi, A. G.
• Orientador(a): Lima, Fabio
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
• Palavras-chave em Português: Cardiopatia congênita; Coração; Aprendizado do computador
• Link de acesso: https://repositorio.fei.edu.br/handle/FEI/3202; https://doi.org/10.31414/EM.2020.D.131235

As cardiopatias congênitas estão entre as anomalias congênitas mais comuns e caso não sejam descobertas e tratadas adequadamente em um estágio inicial, bebês e crianças terão uma qualidade de vida ruim e poderão ir a óbito no decorrer do tempo. Em muitos casos, faz-se necessária a intervenção cirúrgica antes do primeiro ano de vida e quando ela ocorre, é importante estimar o tempo de ocupação dos leitos pós cirúrgicos, tanto para o gerenciamento de capacidade, planejamento e otimização de recursos por parte do hospital quanto para orientar os pacientes e suas famílias. O presente estudo tem como objetivo propor dois modelos, através da utilização de algoritmos de Aprendizado de máquina (Machine Learning), um para classificação do tempo de ocupação de leitos de UTI pós cirúrgicos, outro para classificação do tempo de ocupação de leitos de enfermaria pós cirúrgicos, já que são raras as pesquisas relacionadas ao tempo de ocupação de leitos pós cirúrgicos de enfermaria individualmente. Os dados utilizados para treinamento dos algoritmos são referentes a cirurgias cardíacas realizadas em pacientes portadores de cardiopatias congênitas, extraídas do banco de dados ASSIST, particular do Instituto do Coração do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo (InCor - FMUSP). Os algoritmos treinados foram: Random Forest, ExtraTrees, Gradient Boosting, Adaboost, Support Vector Machine e a rede neural Multilayer Perceptron treinada utilizando o algoritmo Backpropagation. O modelo que apresentou o melhor desempenho para classificação do tempo de ocupação dos leitos de UTI foi o Random Forest para classificação do tempo de ocupação dos leitos de enfermaria foi o Gradient Boosting