Comparativo de Precisão Entre Algoritmos de Machine Learning Para Previsão de Doenças Cardiovasculares: um Mapeamento Sistemático

• Augusto Cesar dos Santos Ferreira UFMT
• Maria Eduarda Silva de Almeida UFMT
• Fernando Castilho UFMT

DOI: https://doi.org/10.5753/ersimt.2025.8779

Resumo

Este estudo realiza um mapeamento sistemático sobre o uso de modelos de Machine Learning (ML) na previsão de doenças cardiovasculares (DCV). A pesquisa analisou diversos artigos que abordam a aplicação de técnicas de ML, com foco em modelos de ensemble, Deep Learning e algoritmos tradicionais, como Random Forest, Support Vector Machines e redes neurais. Os resultados indicam que modelos híbridos, como o stacking e o uso de técnicas de Deep Learning, apresentam altos níveis de acurácia, atingindo até 98,86%. No entanto, desafios como a qualidade e a disponibilidade de dados, a seleção de características, a interpretabilidade e a validação em conjuntos de dados diversos ainda são barreiras significativas para a implementação clínica generalizada. A pesquisa conclui que, apesar dos avanços promissores, a adoção de Machine Learning na previsão de DCV requer esforços contínuos na superação desses desafios, além de uma maior integração entre precisão, interpretabilidade e usabilidade no contexto clínico.

Referências

Abbas, S., Sampedro, G. A., Alsubai, S., Almadhor, A. S., and Kim, T.-H. (2023). An efficient stacked ensemble model for heart disease detection and classification. Computers, Materials and Continua.

Dou, Y., Liu, J., Meng, W., and Zhang, Y. (2024). Comparative analysis of supervised learning algorithms for prediction of cardiovascular diseases. Technology and Health Care.

Gao, X.-Y., Ali, A. A., Hassan, H. S., and Anwar, E. M. (2021). Improving the accuracy for analyzing heart diseases prediction based on the ensemble method. Complexity.

Ghosh, P., Azam, S., Jonkman, M., Karim, A., Shamrat, F. M. J. M., Ignatious, E., Shultana, S., Beeravolu, A. R., and Boer, F. D. (2021). Efficient prediction of cardiovascular disease using machine learning algorithms with relief and lasso feature selection techniques. IEEE Access.

Husain, M., Kumar, P., Ahmed, M. N., Ali, A., Rasool, M. A., Hussain, M. R., and Dildar, M. S. (2023). Harnessing ensemble in machine learning for accurate early prediction and prevention of heart disease. International Journal of Advanced Computer Science and Applications.

Kitchenham, B. and Charters, S. (2007). Guidelines for performing systematic literature reviews in software engineering. Technical report, Keele University and Durham University.

Kusuma, S. and Udayan, J. D. (2020). Analysis on deep learning methods for ecg based cardiovascular disease prediction. Scalable Computing.

Mohapatra, S., Mishra, I., and Mohanty, S. (2023). Stacking model for heart stroke prediction using machine learning techniques. EAI Endorsed Transactions on Pervasive Health and Technology.

Murtaza, A. A., Saher, A., Mohyuddin, H., Moosavi, S. K. R., Zafar, M. H., and Sanfilippo, F. (2023). Enhancing cardiovascular disease prediction via hybrid deep learning architectures: A step towards smart healthcare. 2023 2nd International Conference on Emerging Trends in Electrical, Control, and Telecommunication Engineering, ETECTE 2023 - Proceedings.

Paixão, G., Santos, B. C., Araújo, R., Ribeiro, H., and Moraes, J. L. A. (2020). Machine learning na medicina: Revisão e aplicabilidade. Arquivos Brasileiros de Cardiologia.

Paul, V. V. and Masood, J. A. I. S. (2024). Exploring predictive methods for cardiovascular disease: A survey of methods and applications. IEEE Access.

Ravulapalli, L. T., Paladugu, R. K., Likki, V. K. R., Mothukuri, R., Mukkapati, N., and Kilaru, S. (2023). Evaluative study of machine learning classifiers in predicting heart failure: A focus on imbalanced datasets. Ingenierie des Systemes d’Information.

Reshan, M. S. A., Amin, S., Zeb, M. A., Sulaiman, A., Alshahrani, H., and Shaikh, A. (2023). A robust heart disease prediction system using hybrid deep neural networks. IEEE Access.

Saboor, A., Usman, M., Sikandar, A., Samad, A., Abrar, M. F., and Ullah, N. (2022). A method for improving prediction of human heart disease using machine learning algorithms. Mobile Information Systems.

Sajja, T. K. and Kalluri, H. K. (2020). A deep learning method for prediction of cardiovascular disease using convolutional neural network. Revue d’Intelligence Artificielle.

Singh, E., Singh, V., Rai, A., Christopher, I., Mishra, R., and Arikumar, K. (2024). Early detection of cardiovascular disease with different machine learning approaches. EAI Endorsed Transactions on Internet of Things.

World Health Organization (2021). Cardiovascular diseases (cvds). Accessed: 2025-03-06.