Avaliação de modelos de aprendizado de máquina para predição do diabetes mellitus

• Ano de defesa: 2025
• Autor(a) principal: Macário, Noé Osório
• Orientador(a): Guimaraes, Paulo Henrique Sales
• Banca de defesa: Pereira, Geraldo Magela da Cruz, Oliveira, Anderson Castro Soares de, Paixão, Crysttian Arantes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
• Departamento: Instituto de Ciências Exatas e Tecnológicas – ICET
• País: brasil
• Palavras-chave em Português: Vigitel; Aprendizado de Máquina; Machine learning; Predição de Diabetes; Prediction of Diabetes
• Área do conhecimento CNPq: Estatística
• Link de acesso: https://repositorio.ufla.br/handle/1/59902

O presente trabalho avalia o desempenho de diferentes modelos de aprendizado de máquina (AM) na predição de Diabetes, uma condição crônica de grande relevância para a saúde pública. Utilizando dados do VIGITEL 2023, que incluem mais de 21 mil observações, foi realizado um processo de pré-processamento completo, que envolveu seleção de variáveis, balanceamento de classes, tratamento de valores ausentes e padronização dos dados. Os algoritmos analisados foram Árvores de Decisão, Florestas Aleatórias, Naive Bayes, Redes Neurais Artificiais e XGBoost. A avaliação do desempenho dos modelos foi conduzida com base em métricas como sensibilidade e área sob a curva ROC, fundamentais para a identificação de casos positivos e para uma discriminação eficiente entre as classes. O modelo XGBoost se destacou como o mais eficaz, apresentando as melhores métricas de sensibilidade, especificidade e área sob a curva ROC em quase todas as abordagens (considerando todas as variáveis, MIC - Maximal Information Coefficient e PCA - Principal Component Analysis), tanto para dados balanceados quanto desbalanceados, o que evidencia sua superior capacidade preditiva. Em contraste, o modelo de Árvore de Decisão obteve o pior desempenho, destacando suas limitações quando aplicado a dados desbalanceados. Os resultados reforçam o potencial do aprendizado de máquina na detecção precoce de doenças crônicas, como o Diabetes, sublinhando sua relevância para aprimorar diagnósticos médicos, otimizar custos e fornecer suporte crucial para intervenções clínicas mais eficazes.