Diagnóstico de pacientes no contexto da pandemia utilizando aprendizado de máquina

Abstract

Este trabalho tem o objetivo de utilizar o aprendizado de máquina supervisionado e não supervisionado para classificar os resultados dos exames de pacientes do hospital Albert Einstein durante um período no contexto da pandemia. Para a classificação dos dados foram utilizados os algoritmos de aprendizado de máquina supervisionado de uma rede neural perceptron de múltiplas camadas, Support Vector Machine (SVM) para diferentes kernels e árvore de decisão. Assim, verificou-se que os dados foram classificados com taxa de acurácia em 100%, 99.187%, 86.1789% e 84.9583% para todos os classificadores do aprendizado de máquina supervisionado. E com a taxa de acurácia em 87.05% para clusterização quanto aos resultados dos exames dos pacientes do hospital Albert Einstein durante um período no contexto da pandemia utilizando o aprendizado de máquina não supervisionado.

DOI:https://doi.org/10.56238/tecavanaborda-019