Técnicas de seleção de atributos associadas a algoritmos de aprendizado de máquina para a predição de dados na área da saúde
Carregando...
Data
Autores
Supervisor
Coorientador
Pós-graduação
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (UNESP)
Tipo
Relatório de pós-doc
Direito de acesso
Acesso aberto
Resumo
O processo de geração e manipulação de dados vem se modificando em função do desenvolvimento de novas tecnologias. Houve significativa mudança na forma como os dados são manipulados e tratados, além da forma como o conhecimento é extraído, em função do crescente aumento massivo do volume gerado (Big Data), implicando também em maior custo computacional para atender de forma efetiva a demanda. Desta forma, o desafio nesta área passa pela busca de algoritmos e processos capazes de tornar eficiente e minimamente viável a gestão deste conhecimento. Na área da saúde, o volume de dados gerado cresceu exponencialmente nos últimos anos, gerando repositórios que podem ser explorados para teste de diversas técnicas computacionais, principalmente relacionadas com a predição de diagnósticos de doenças conhecidas. Dados médicos fazem parte do conceito de Big Data, uma vez que os dados de saúde utilizados por sistemas estão na ordem de terabytes e continuam crescendo a uma taxa de diversos exabytes ao ano. A maior parte dos dados é oriunda de prontuários eletrônicos, anotações médicas, mas também existem fontes mais modernas e estruturadas como dados clínicos e resultados de procedimentos médicos. Dados são gerados tão rapidamente que não é possível garantir que são armazenados e atualizados na mesma frequência com que são criados. As diferentes formas de se obter dados podem gerar valores inconstantes e não acurados e existe grande valor na retirada de informação desses dados (ASRI et al., 2016). Outra característica comum em dados médicos é a alta dimensionalidade. Devido à forma como são gerados é comum que esses dados apresentem muitos atributos sendo que nem todos possuem grande impacto na informação final que pode ser retirada dos mesmos, dificultando, assim, a extração de conhecimento útil e tornando os processos aplicados mais dispendiosos (FAN & LI, 2006; FAYYAD et al., 1996).
A análise de dados médicos permite uma série de vantagens ao serem exploradas, como aprimorar o atendimento ao paciente, melhorar o desempenho de exames e da qualidade de serviço prestada pelos profissionais da área, gerir e planejar o uso de recursos das instituições de saúde e a melhoria do potencial diagnóstico por meio da extração de conhecimento e aplicação de técnicas de predição.
Com o avanço da tecnologia da Informação e da Internet, tem havido um crescimento quase que exponencial no volume de dados gerado em todo o mundo. Aplicações antes baseadas em operações pontuais (e muitas vezes manuais) passaram a utilizar o conceito de coleta automatizada, em ambientes distribuídos, produzindo dados em quantidades nunca experimentadas pela tecnologia. A automação na coleta de dados de sensores e de imagens aliada ao advento dos dispositivos móveis atuando em ambientes de alta conectividade vem proporcionando cenários desafiadores em termos de disponibilidade da informação. Assim como os demais segmentos da sociedade, o advento das tecnologias da Internet, o processo de digitalização da informação médica, implementação de um grande número de prontuários eletrônicos, sistemas de informação hospitalar, incremento de dispositivos computacionais com sensores coletores de dados, dados genômicos, imagens médicas, dados das mídias sociais e muitos outros dados eletrônicos que surgiram, vem incrementado este universo do Big Data da área da saúde (LV et. Al, 2020; BATKO & SLEZAK, 2022). Diante deste volume de dados, o processo de extração de conhecimento em grandes bases de dados e, mais recentemente, a aplicação deste processo para Big Data exige recursos computacionais intensos. A tecnologia que suporta o armazenamento, preparação e análise desses conjuntos de dados existe, mas seu alto índice de crescimento previsto para os próximos anos exige que as estratégias sejam constantemente repensadas e aprimoradas (OSMAN et. al, 2013). Neste sentido, o trabalho junto aos grupos de pesquisas que atuam neste âmbito permite avançar de modo significativo no domínio do conhecimento, uma vez que há um conjunto de expertises desenvolvidos no decorrer de décadas dedicadas ao enfrentamento de desafios relevantes e de impacto junto à comunidade científica, e em especial, aplicados a área da saúde. Técnicas de análise tradicionais não são adequadas para se extrair conhecimento de Big Data. No intuito de se classificar dados, detectar padrões e inferir relacionamentos estatísticos para uma abordagem de mineração eficaz, é preciso que os algoritmos de análise sejam escaláveis e passíveis de paralelização em um ambiente distribuído. Algoritmos de aprendizagem de máquina são o principal fundamento científico empregado na análise de Big Data (OSMAN et. al, 2013). No entanto, em bancos de dados médicos compostos por diversos atributos, nem sempre o uso de sua totalidade em classificadores produz os melhores resultados. Selecionar atributos que de fato tenham importância para o processo de classificação constitui uma importante etapa do processo, podendo resultar em melhores resultados de classificação, menor tempo de processamento, além de resultados mais confiáveis e apropriados para as tomadas de decisão dos profissionais da área. No presente trabalho foi realizado um estudo completo da influência dos diversos atributos no processo de classificação utilizando dois bancos de dados representativos (câncer de mama e doenças cardíacas). Os resultados obtidos reforçam a importância desta etapa no processo de classificação.
Descrição
Idioma
Português
Citação
TRONCO, Mário Luiz. Técnicas de seleção de atributos associadas a algoritmos de aprendizado de máquina para a predição de dados na área da saúde. 2026. Relatório de pós-doutorado – Departamento de Ciências de Computação e Estatística, Instituto de Biociências, Letras e Ciências Exatas, Universidade Estadual Paulista Júlio de Mesquita Filho, São José do Rio Preto, 2026.
