UTILIZAÇÃO DE ALGORITMOS DE APRENDIZAGEM DE MÁQUINA NA PREDIÇÃO DE ARBOVIROSES TRANSMITIDAS PELO AEDES AEGYPTI

Resumo

Doenças de característica endêmica exigem atenção aumentada, pois conseguem disseminar-se com facilidade. A dengue, a chikungunya e a zika são exemplos de doenças com características endêmicas de notificação compulsória agregadas ao Sistema de Informação de Agravos de Notificação (SINAN). Essas doenças têm atingido diversos estados no país, causando epidemias em várias regiões. Diversas iniciativas foram tomadas para conter o avanço do mosquito transmissor dessas doenças, contudo ele se desenvolve rapidamente e, em ambientes favoráveis, se reproduz com facilidade. Uma solução para este problema é o uso de ferramentas inteligentes capazes de auxiliar especialistas em saúde no processo de tomada de decisão no manejo clínico de doenças complexas. Neste contexto, a pesquisa em questão tem como objetivo utilizar algoritmos de aprendizagem de máquina para predizer casos das arboviroses dengue e chikungunya, transmitidas pelo mosquito Aedes aegypti, a partir de características associadas ao paciente, tais como, sintomas, idade, sexo, período dos sintomas, dentre outros. Para a predição, os dados passam por uma etapa de pré-processamento, processamento e análise. Foram utilizados três algoritmos de aprendizagem de máquina para comparação de resultados: J48, Random Forest e Redes Neurais, com o balanceamento de dados através do SMOTE. A partir dos resultados obtidos, é possível evidenciar que o algoritmo Random Forest apresenta melhores resultados se comparados com o demais, alcançando 90,6443% de acurácia e 0,907 de f-measure, sendo, portanto, uma alternativa promissora para a predição de dengue e chikungunya.