PROJETOS

No Brasil, cerca de sessenta milhões de pessoas sofrem ou adquirem algum tipo de doença diariamente. No entanto, o tempo médio dos diagnósticos por hemogramas, utilizados para identificação de grande parte destas doenças, ainda é muito longo. Isso pode resultar no agravamento dos casos e demora no atendimento, assim como na diminuição da qualidade de vida dos pacientes. Além disso, em alguns casos, o tempo de espera pode resultar em quadros irreversíveis e até mesmo no óbito das pessoas afetadas. Nesse cenário, os recursos tecnológicos como os softwares de inteligência artificial podem auxiliar na diminuição do tempo de emissão dos diagnósticos. À vista disso, o projeto consiste no desenvolvimento de um software que auxilie na análise de hemogramas e otimização de diagnósticos médicos. Para isso, a metodologia foi dividida em três etapas. Na primeira delas, intitulada “Análise de padronagem médica'', foi feito um levantamento do padrão de variáveis relacionadas a doenças que podem ser identificadas com auxílio de hemogramas. Dentre os resultados obtidos, diabetes, anemia, leucemia, dengue, policitemia, tuberculose, hanseníase, meningite, clamídia, esquistossomose, febre maculosa e malária foram as principais patologias encontradas. Além disso, hemoglobina, leucócitos, plaquetas, glicose, colesterol, íons e hormônios foram os principais resultados encontrados no que concerne aos principais fatores indicativos sanguíneos de referência para as doenças apresentadas. Na segunda fase, foram desenvolvidos os fundamentos teóricos e práticos do software, com base nas redes neurais artificiais. Além disso, em Python, foram elaborados modelos de regressão para verificar a viabilidade das análises. Por fim, a última etapa consistiu na avaliação de testes com datasets reais, baseados em 1227 hemogramas anonimizados. Dentre os modelos de algoritmos de inteligência artificial testados, Support Vector (0,02) e Multiple Linear (0,62) tiveram as performances mais baixas, enquanto Polynomial (0,97), Random Forest (1,0) e Decision tree (1,0) apresentaram os melhores desempenhos. Diante dos resultados, verificamos que a alta performance nos testes indica que a Inteligência artificial pode ser promissora para a elaboração de diagnósticos médicos mais eficientes, melhorando a qualidade de vida das pessoas e, sobretudo, diminuindo o número de mortes em nosso país.