Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos

Detalhes bibliográficos
Ano de defesa: 2021
Autor(a) principal: Alves, Lucas De Oliveira Batista [UNIFESP]
Orientador(a): Santos, Vagner Rogerio Dos [UNIFESP]
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
dARK ID: ark:/48912/001300001d3j8
Idioma: por
Instituição de defesa: Universidade Federal de São Paulo (UNIFESP)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Inteligência Artificial
Aprendizado De Máquina
Prontuário Eletrônico
Apoio Diagnóstico
Palavras-chave em Inglês:
Artificial Intelligence
Machine Learning
Electronic Medical Record
Diagnostic Support
Link de acesso: https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10989782
https://repositorio.unifesp.br/handle/11600/68367
Resumo: Objetivo: Implementar rotinas de inteligência artificial por meio do aprendizado de máquina para a construção de modelos de predição de diagnósticos com dados de prontuários eletrônicos dos pacientes do Departamento de Oftalmologia do Hospital São Paulo. Método: Elaboração de revisão bibliográfica sobre as principais técnicas e soluções de aprendizado de máquina, utilizados em prontuários eletrônicos, 1. extração, tratamento e análise dos dados de prontuários do Departamento; 2. construção e análise de modelos de vetorização de palavras relacionadas no contexto do banco de dados do Hospital São Paulo; 3. construção e validação dos modelos de predição de diagnósticos. Resultados: Os modelos de vetorização de palavras foram capazes de capturar a semântica de termos médicos e possibilitaram a construção de modelos de predição de diagnóstico, tornando o modelo de predição uma ótima ferramenta para auxiliar os profissionais de saúde. Conclusão: Os modelos de aprendizado de máquina mostraram resultados potenciais para auxiliar, como ferramentas de apoio, nos diagnósticos de pacientes oftalmológicos.
id UFSP_18b7c3497b460aeb2df969fc2c93bef9
oai_identifier_str oai:repositorio.unifesp.br:11600/68367
network_acronym_str UFSP
network_name_str Repositório Institucional da UNIFESP
repository_id_str
spelling Mestrado ProfissionalAlves, Lucas De Oliveira Batista [UNIFESP]Universidade Federal de São PauloSantos, Vagner Rogerio Dos [UNIFESP]2023-06-27T12:35:40Z2023-06-27T12:35:40Z2021Objetivo: Implementar rotinas de inteligência artificial por meio do aprendizado de máquina para a construção de modelos de predição de diagnósticos com dados de prontuários eletrônicos dos pacientes do Departamento de Oftalmologia do Hospital São Paulo. Método: Elaboração de revisão bibliográfica sobre as principais técnicas e soluções de aprendizado de máquina, utilizados em prontuários eletrônicos, 1. extração, tratamento e análise dos dados de prontuários do Departamento; 2. construção e análise de modelos de vetorização de palavras relacionadas no contexto do banco de dados do Hospital São Paulo; 3. construção e validação dos modelos de predição de diagnósticos. Resultados: Os modelos de vetorização de palavras foram capazes de capturar a semântica de termos médicos e possibilitaram a construção de modelos de predição de diagnóstico, tornando o modelo de predição uma ótima ferramenta para auxiliar os profissionais de saúde. Conclusão: Os modelos de aprendizado de máquina mostraram resultados potenciais para auxiliar, como ferramentas de apoio, nos diagnósticos de pacientes oftalmológicos.Objective: To implement artificial intelligence routines through machine learning to construct diagnostic prediction models with data from electronic medical records of patients from the Department of Ophthalmology of Hospital São Paulo. Method: Preparation of a literature review of the main techniques and solutions of machine learning to use in electronic medical records, 1. extraction, treatment and analysis of data from medical records of the Department; 2. construction and analysis of vectorization models of related words in the context of the Database of Hospital São Paulo; 3. construction and validation of diagnostic prediction models. Results: The word vectorization models were able to capture the semantics of medical terms and enabled the construction of diagnostic prediction models, making the prediction model a great tool to assist health professionals. Conclusion: The machine learning models showed potential results to assist as diagnostic support tools of ophthalmologic patients.Dados abertos - Sucupira - Teses e dissertações (2021)207 p.https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10989782LUCAS DE OLIVEIRA BATISTA ALVES-A.pdfhttps://repositorio.unifesp.br/handle/11600/68367ark:/48912/001300001d3j8porUniversidade Federal de São Paulo (UNIFESP)info:eu-repo/semantics/openAccessInteligência ArtificialAprendizado De MáquinaProntuário EletrônicoApoio DiagnósticoArtificial IntelligenceMachine LearningElectronic Medical RecordDiagnostic SupportUso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicosinfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionreponame:Repositório Institucional da UNIFESPinstname:Universidade Federal de São Paulo (UNIFESP)instacron:UNIFESPSão Paulo, Escola Paulista de Medicina (EPM)Tecnologia, Gestão e Saúde OcularPesquisa Tecnológica Em Saúde OcularSoftwares E Inteligência ArtificialORIGINALLUCAS DE OLIVEIRA BATISTA ALVES-A.pdfLUCAS DE OLIVEIRA BATISTA ALVES-A.pdfapplication/pdf847698https://repositorio.unifesp.br/bitstreams/cf8e06af-0a33-4185-a8e0-5bbfbd7a57ee/downloadcfb08df9c5af55805fc6a4a453edcde3MD51TEXTLUCAS DE OLIVEIRA BATISTA ALVES-A.pdf.txtLUCAS DE OLIVEIRA BATISTA ALVES-A.pdf.txtExtracted texttext/plain62073https://repositorio.unifesp.br/bitstreams/636b43d1-1bea-4378-8c37-4fc4282c3cde/downloadf69d814b255821af2cc33d32cd562656MD55THUMBNAILLUCAS DE OLIVEIRA BATISTA ALVES-A.pdf.jpgLUCAS DE OLIVEIRA BATISTA ALVES-A.pdf.jpgGenerated Thumbnailimage/jpeg3012https://repositorio.unifesp.br/bitstreams/54b5947d-bee4-4da1-8963-e7d1da0ba30e/downloadecc948eb83e61fa16cdc25d2f24cc2dfMD5611600/683672024-08-12 23:05:33.963oai:repositorio.unifesp.br:11600/68367https://repositorio.unifesp.brRepositório InstitucionalPUBhttp://www.repositorio.unifesp.br/oai/requestbiblioteca.csp@unifesp.bropendoar:34652024-08-12T23:05:33Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)false
dc.title.pt.fl_str_mv Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
title Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
spellingShingle Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
Alves, Lucas De Oliveira Batista [UNIFESP]
Inteligência Artificial
Aprendizado De Máquina
Prontuário Eletrônico
Apoio Diagnóstico
Artificial Intelligence
Machine Learning
Electronic Medical Record
Diagnostic Support
title_short Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
title_full Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
title_fullStr Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
title_full_unstemmed Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
title_sort Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
author Alves, Lucas De Oliveira Batista [UNIFESP]
author_facet Alves, Lucas De Oliveira Batista [UNIFESP]
author_role author
dc.contributor.institution.pt.fl_str_mv Universidade Federal de São Paulo
dc.contributor.author.fl_str_mv Alves, Lucas De Oliveira Batista [UNIFESP]
dc.contributor.advisor1.fl_str_mv Santos, Vagner Rogerio Dos [UNIFESP]
contributor_str_mv Santos, Vagner Rogerio Dos [UNIFESP]
dc.subject.por.fl_str_mv Inteligência Artificial
Aprendizado De Máquina
Prontuário Eletrônico
Apoio Diagnóstico
topic Inteligência Artificial
Aprendizado De Máquina
Prontuário Eletrônico
Apoio Diagnóstico
Artificial Intelligence
Machine Learning
Electronic Medical Record
Diagnostic Support
dc.subject.eng.fl_str_mv Artificial Intelligence
Machine Learning
Electronic Medical Record
Diagnostic Support
description Objetivo: Implementar rotinas de inteligência artificial por meio do aprendizado de máquina para a construção de modelos de predição de diagnósticos com dados de prontuários eletrônicos dos pacientes do Departamento de Oftalmologia do Hospital São Paulo. Método: Elaboração de revisão bibliográfica sobre as principais técnicas e soluções de aprendizado de máquina, utilizados em prontuários eletrônicos, 1. extração, tratamento e análise dos dados de prontuários do Departamento; 2. construção e análise de modelos de vetorização de palavras relacionadas no contexto do banco de dados do Hospital São Paulo; 3. construção e validação dos modelos de predição de diagnósticos. Resultados: Os modelos de vetorização de palavras foram capazes de capturar a semântica de termos médicos e possibilitaram a construção de modelos de predição de diagnóstico, tornando o modelo de predição uma ótima ferramenta para auxiliar os profissionais de saúde. Conclusão: Os modelos de aprendizado de máquina mostraram resultados potenciais para auxiliar, como ferramentas de apoio, nos diagnósticos de pacientes oftalmológicos.
publishDate 2021
dc.date.issued.fl_str_mv 2021
dc.date.accessioned.fl_str_mv 2023-06-27T12:35:40Z
dc.date.available.fl_str_mv 2023-06-27T12:35:40Z
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format masterThesis
status_str publishedVersion
dc.identifier.pt.fl_str_mv https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10989782
dc.identifier.uri.fl_str_mv https://repositorio.unifesp.br/handle/11600/68367
dc.identifier.dark.fl_str_mv ark:/48912/001300001d3j8
dc.identifier.file.none.fl_str_mv LUCAS DE OLIVEIRA BATISTA ALVES-A.pdf
url https://sucupira.capes.gov.br/sucupira/public/consultas/coleta/trabalhoConclusao/viewTrabalhoConclusao.jsf?popup=true&id_trabalho=10989782
https://repositorio.unifesp.br/handle/11600/68367
identifier_str_mv LUCAS DE OLIVEIRA BATISTA ALVES-A.pdf
ark:/48912/001300001d3j8
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 207 p.
dc.publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
publisher.none.fl_str_mv Universidade Federal de São Paulo (UNIFESP)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNIFESP
instname:Universidade Federal de São Paulo (UNIFESP)
instacron:UNIFESP
instname_str Universidade Federal de São Paulo (UNIFESP)
instacron_str UNIFESP
institution UNIFESP
reponame_str Repositório Institucional da UNIFESP
collection Repositório Institucional da UNIFESP
bitstream.url.fl_str_mv https://repositorio.unifesp.br/bitstreams/cf8e06af-0a33-4185-a8e0-5bbfbd7a57ee/download
https://repositorio.unifesp.br/bitstreams/636b43d1-1bea-4378-8c37-4fc4282c3cde/download
https://repositorio.unifesp.br/bitstreams/54b5947d-bee4-4da1-8963-e7d1da0ba30e/download
bitstream.checksum.fl_str_mv cfb08df9c5af55805fc6a4a453edcde3
f69d814b255821af2cc33d32cd562656
ecc948eb83e61fa16cdc25d2f24cc2df
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UNIFESP - Universidade Federal de São Paulo (UNIFESP)
repository.mail.fl_str_mv biblioteca.csp@unifesp.br
_version_ 1865648638606180352

Registros relacionados