Protótipo de Dashboard para mostrar explicações contrafactuais para dados de doença renal crônica
Resumo
O uso de Inteligência Artificial (IA) tem demonstrando significativo potencial no apoio a profissionais da saúde. Neste estudo, foi desenvolvido um protótipo de dashboard para auxiliar médicos na tomada de decisão clínica, incorporando explicações contrafactuais baseadas em dados de doença renal crônica. O protótipo oferece visualização intuitiva dos resultados e possibilita a inserção simplificada de informações. Os achados sugerem que a ferramenta proposta pode aprimorar a interpretação dos resultados e facilitar a adoção de tecnologias de IA no domínio médico.Referências
Abgrall, G., Holder, A. L., Chelly Dagdia, Z., Zeitouni, K., and Monnet, X. (2024). Should ai models be explainable to clinicians? Critical Care.
Amann, J., Blasimme, A., Vayena, E., Frey, D., and Madai, V. I. (2020). Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC Medical Informatics and Decision Making.
Aziz, N. A., Manzoor, A., Mazhar Qureshi, M. D., Qureshi, M. A., and Rashwan, W. (2025). Unveiling explainable ai in healthcare: Current trends, challenges, and future directions. medRxiv.
Gerlings, J., Jensen, M. S., and Shollo, A. (2021). Explainable AI, But Explainable to Whom? An Exploratory Case Study of xAI in Healthcare, page 169–198. Springer International Publishing.
Jeyaraman, M., Balaji, S., Jeyaraman, N., and Yadav, S. (2023). Unraveling the ethical enigma: Artificial intelligence in healthcare. Cureus.
Loh, H. W., Ooi, C. P., Seoni, S., Barua, P. D., Molinari, F., and Acharya, U. R. (2022). Application of explainable artificial intelligence for healthcare: A systematic review of the last decade (2011–2022). Computer Methods and Programs in Biomedicine, 226:107161.
Rubini, L., S. P. and Eswaran, P. (2015). Chronic Kidney Disease. UCI Machine Learning Repository. DOI: 10.24432/C5G020.
Amann, J., Blasimme, A., Vayena, E., Frey, D., and Madai, V. I. (2020). Explainability for artificial intelligence in healthcare: a multidisciplinary perspective. BMC Medical Informatics and Decision Making.
Aziz, N. A., Manzoor, A., Mazhar Qureshi, M. D., Qureshi, M. A., and Rashwan, W. (2025). Unveiling explainable ai in healthcare: Current trends, challenges, and future directions. medRxiv.
Gerlings, J., Jensen, M. S., and Shollo, A. (2021). Explainable AI, But Explainable to Whom? An Exploratory Case Study of xAI in Healthcare, page 169–198. Springer International Publishing.
Jeyaraman, M., Balaji, S., Jeyaraman, N., and Yadav, S. (2023). Unraveling the ethical enigma: Artificial intelligence in healthcare. Cureus.
Loh, H. W., Ooi, C. P., Seoni, S., Barua, P. D., Molinari, F., and Acharya, U. R. (2022). Application of explainable artificial intelligence for healthcare: A systematic review of the last decade (2011–2022). Computer Methods and Programs in Biomedicine, 226:107161.
Rubini, L., S. P. and Eswaran, P. (2015). Chronic Kidney Disease. UCI Machine Learning Repository. DOI: 10.24432/C5G020.
Publicado
12/11/2025
Como Citar
OLIVEIRA, Mateus Cardoso; RADAELLI, Eduardo Coppetti; REINHEIMER, Isabel Cristina; ASSUNÇÃO, Joaquim Vinicius Carvalho; FIGUEIREDO, Carlos Eduardo Poli de; SILVA, Luís Alvaro de Lima.
Protótipo de Dashboard para mostrar explicações contrafactuais para dados de doença renal crônica. 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. 228-231.
DOI: https://doi.org/10.5753/eramiars.2025.16617.
