Modelo de aprendizado de máquina para predição da sepse e avaliação da gravidade com foco em mortalidade

• Luiza S. B. Leidemer UFRGS
• Claúdio F. R. Geyer UFRGS

DOI: https://doi.org/10.5753/eradrs.2025.6833

Resumo

A sepse é uma resposta inadequada a infecções, com alta taxa de mortalidade, especialmente no Brasil. O estudo visa desenvolver modelos para predizer a mortalidade por sepse, superando métodos tradicionais e avaliando o desempenho em bancos de dados de diferentes países, incluindo o brasileiro, além de examinar questões éticas da implementação clínica. Serão utilizados algoritmos como Random Forest e XGBoost, com pré-processamento de dados, como limpeza, normalização e estratificação. Os dados serão coletados de hospitais e bases como MIMIC e eICU. Espera-se identificar o melhor modelo, explorar os vieses entre as bases de dados e avaliar a aplicabilidade clínica dos algoritmos, com a percepção dos profissionais de saúde.

Referências

Bezerra, A., Maciel, N., Filho, L., Mendes, A., Gois, F., and Silva, L. (2023). Efetividade de algoritmos de inteligência artificial para predição de sepse em adultos de unidades de terapia intensiva: revisão de escopo. Revista Interfaces.

Instituto Latino-Americano de Sepse (ILAS) (2018). Implementação de protocolo gerenciado de sepse.

Islam, M., Nasrin, T., Walther, B. A., Wu, C.-C., Yang, H.-C., and Li, Y.-C. (2019). Prediction of sepsis patients using machine learning approach: A meta-analysis. Commputer Methods and Programs in Biomedicine.

Ministério da Saúde (2021). Dia Mundial da Sepse: Ministério da Saúde alerta para a importância do diagnóstico precoce. Acesso em: [13 Nov 2024].

Sharma, N., Sharma, R., and Jindal, N. (2021). Machine learning and deep learning applications - a vision. Global Transitions Proceedings, 2(1):24–28.

SILVA, L. A., PERES, J., and BOSCARIOLI, C. (2016). Introdução à Mineração de Dados com Aplicações em R. s.n., São Paulo.