DEFESA DE DISSERTAÇÃO DE MESTRADO Nº 299
Aluna: André Luiz Vale de Araújo
Título: “Previsão precoce de infecção generalizada em unidades de terapia intensiva a partir de dados clínicos: uma abordagem de aprendizado de máquina baseada em comitês"
Orientador: Wellington Pinheiro dos Santos - (PPGEC)
Examinadora Externa: Juliana Carneiro Gomes Casseiro - (UFPE)
Examinador Interno: Sidney Marlon Lopes de Lima - (PPGEC)
Data-hora: 3 de Julho de 2024, às 14:00h.
Local: Formato Remoto.
Resumo:
A sepse é uma condição grave de saúde causada pela resposta exagerada do organismo a uma infecção que influencia na falência de órgãos e na morte de indivíduos, sendo responsável por cerca de um quinto da mortalidade global. A detecção precoce da sepse continua sendo um desafio médico devido à heterogeneidade na fonte de infecção. A falta de um específico diagnóstico e previsões precoces inviabilizam o tratamento clínico adequado e, assim, levam a uma taxa de mortalidade. O diagnóstico de Sepse ainda é bastante difícil por causa de um amplo e complexo conjunto de fatores como taquicardia, falta de ar, febre, confusão mental, além dos que estabelecem uma infecção, alterações fisiológicas, sexo do paciente, comorbidades pré-existentes, entre outros. A previsão de sepse diante de condições tão dinâmicas por meio de modelos de aprendizado de máquina ganhou atenção especial devido à abundância de dados disponíveis. Tais condições eventualmente criam uma quantidade muito grande de atributos e tentar encontrar padrões, realizando cálculos probabilísticos entre cada um deles, costuma ser um importante desafio. Nesse contexto, a presente pesquisa propõe para identificar possíveis algoritmos evolucionários para determinar relevância estatística entre esses atributos e, com base nisso, diminuir a dimensionalidade da Base de Dados.
O Programa
