Avaliação do Desempenho de Modelos de Aprendizado de Máquina na Predição da Mortalidade por Sepse em Diferentes Bancos de Dados
Resumo
A sepse é uma resposta inadequada a infecções, com alta mortalidade, especialmente no Brasil. O estudo visa desenvolver modelos para predizer a mortalidade por sepse, superando métodos tradicionais e avaliando desempenho em bancos de diferentes países. Serão utilizados os algoritmos Decision Tree, Random Forest e XGBoost. Os dados serão coletados de hospitais e bases como MIMIC. Como resultados preliminares, na base MIMIC-IV, o RF apresentou melhor desempenho, com equilíbrio entre precisão, sensibilidade e boa AUC. Na base brasileira, os modelos mostraram overfitting e queda de performance em teste. Espera-se resolver problemas, identificar o melhor modelo, explorar vieses entre bases e avaliar aplicabilidade clínica dos algoritmos.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.
Brasil. Ministério da Saúde (2023). Dia mundial da sepse: Ministério da saúde alerta para a importância do diagnóstico precoce. Disponível em: [link]. Acesso: 13 nov. 2024.
Chao, H.-Y., Wu, C.-C., Singh, A., Shedd, A., Wolfshohl, J., Chou, E. H., Huang, Y.-C., and Chen, K.-F. (2022). Using machine learning to develop and validate an in-hospital mortality prediction model for patients with suspected sepsis. Biomedicines, 10(4):802.
Instituto Latino-Americano de Sepse (2018). Implementação de protocolo gerenciado de sepse. Disponível em: [link]. Acesso 13 nov. 2024.
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.
Moor, M., Rieck, B., Horn, M., Jutzeler, C. R., and Borgwardt, K. (2021). Early prediction of sepsis in the icu using machine learning: A systematic review. Frontiers in Medicine, Volume 8 - 2021.
Brasil. Ministério da Saúde (2023). Dia mundial da sepse: Ministério da saúde alerta para a importância do diagnóstico precoce. Disponível em: [link]. Acesso: 13 nov. 2024.
Chao, H.-Y., Wu, C.-C., Singh, A., Shedd, A., Wolfshohl, J., Chou, E. H., Huang, Y.-C., and Chen, K.-F. (2022). Using machine learning to develop and validate an in-hospital mortality prediction model for patients with suspected sepsis. Biomedicines, 10(4):802.
Instituto Latino-Americano de Sepse (2018). Implementação de protocolo gerenciado de sepse. Disponível em: [link]. Acesso 13 nov. 2024.
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.
Moor, M., Rieck, B., Horn, M., Jutzeler, C. R., and Borgwardt, K. (2021). Early prediction of sepsis in the icu using machine learning: A systematic review. Frontiers in Medicine, Volume 8 - 2021.
Publicado
12/11/2025
Como Citar
LEIDEMER, Luiza S. B.; BIDART, João P. M.; PAVINATO, Marcus V. D.; GOLDANI, Luciano Z.; GEYER, Claúdio F. R..
Avaliação do Desempenho de Modelos de Aprendizado de Máquina na Predição da Mortalidade por Sepse em Diferentes Bancos de Dados. In: ESCOLA REGIONAL DE APRENDIZADO DE MÁQUINA E INTELIGÊNCIA ARTIFICIAL DA REGIÃO SUL (ERAMIA-RS), 1. , 2025, Porto Alegre/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 116-119.
DOI: https://doi.org/10.5753/eramiars.2025.16704.
