DESENVOLVIMENTO DE UM MODELO DE APRENDIZADO DE MÁQUINA PARA PREVER A NECESSIDADE DE TRANSFUSÃO SANGUÍNEA EM PACIENTES

Resumo

O sangue é um recurso terapêutico esgotável. Estudos evidenciam consumo excessivo na prática clínica e redução nas doações, o que torna desafiador manutenção de estoque e a segurança do paciente quanto ao seu uso. A utilização de sistemas inteligentes pode auxiliar profissionais da área na tomada de decisão quanto a real necessidade de transfusão de sangue. Este estudo tem por objetivo utilizar algoritmos de aprendizagem de máquina para auxílio na identificação da necessidade de transfusão de sangue. Neste estudo foram utilizados 220 prontuários médicos para avalição dos modelos: Redes neurais, Floresta aleatória, Regressão logística. Os modelos baseados nos parâmetros internacionais vigentes de exames laboratoriais identificaram os casos que foram adequados e inadequados para transfusão. Os três modelos mostraram-se promissores com taxa de precisão acima de 90%, com destaque para Random Forest, que apresentou taxa de 99,4%