SEPTRON: Predição de Sepse usando Transformer, Ontologia e Algoritmo Bioinspirado

• Lourival G. da Silva Júnior UFC
• Rossana M. C. Andrade UFC
• Joaquim Celestino Jr. UECE

DOI: https://doi.org/10.5753/sbcas_estendido.2026.21694

Resumo

A predição de sepse em pacientes de Unidades de Terapia Intensiva (UTIs) permanece desafiadora. Este trabalho propõe o SEPTRON (Sepsis Prediction using Transformer, Ontology and BioiNspired Algorithm), um modelo híbrido para predição de sepse que integra ontologia, Algoritmo Genético (AG) e Transformer. As contribuições incluem: (i) pipeline replicável; (ii) dataset curado; (iii) Transformer para dados estruturados; e (iv) variáveis clínicas relevantes. Utilizando janelas de 4 horas nas primeiras 72 horas de internação, o SEPTRON alcançou desempenho competitivo (AUC-ROC 0,83 e revocação 0,76) quando comparado com outros modelos. Os resultados indicam abordagem promissora à decisão clínica na antecipação do risco de sepse em UTI.

Referências

Arik, S. O. and Pfister, T. (2021). Tabnet: Attentive interpretable tabular learning. In Proceedings of the AAAI Conference on Artificial Intelligence, volume 35, pages 6679–6687. AAAI.

Evans, L., Rhodes, A., Alhazzani, W., Antonelli, M., Coopersmith, R., French, C., Machado, S., McIntyre, T., Ostermann, M., Prescott, H., Schorr, A., Simpson, S., Wiersinga, J., Alshamsi, J., et al. (2021). Surviving sepsis campaign: International guidelines for management of sepsis and septic shock 2021. Critical Care Medicine, 49(11):e1063–e1143.

Holzinger, A., Biemann, C., Pattichis, C. S., and Kell, D. B. (2017). What do we need to build explainable ai systems for the medical domain? Methods of Information in Medicine, 56(4):280–285.

Islam, M. M. et al. (2019). Prediction of sepsis patients using machine learning approach: A meta-analysis. Computer Methods and Programs in Biomedicine, 170:1–9.

Johnson, A. E. et al. (2023). Mimic-iv, a freely accessible electronic health record dataset. Scientific Data, 10(1):1.

Shwartz-Ziv, R. and Armon, A. (2021). Tabular data: Deep learning is not all you need. arXiv preprint arXiv:2106.03253.

Singer, M., Deutschman, C. S., Seymour, C. W., Shankar-Hari, M., Annane, D., Bauer, M., Bellomo, R., Bernard, G. R., Chiche, J.-D., Coopersmith, C. M., Hotchkiss, R. S., Levy, M. M., Marshall, J. C., Martin, G. S., Opal, S. M., Rubenfeld, G. D., van der Poll, T., Vincent, J.-L., and Angus, D. C. (2016). The third international consensus definitions for sepsis and septic shock (sepsis-3). JAMA, 315(8):801–810.

Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., and Polosukhin, I. (2017). Attention is all you need. In Proceedings of the 31st International Conference on Neural Information Processing Systems (NeurIPS), pages 5998–6008. Curran Associates, Inc.

Viana, R. A. P. P., Machado, F. R., and de Souza, J. L. A. (2020). Sepse: um problema de saúde pública: a atuação e colaboração da enfermagem na rápida identificação e tratamento da doença. COREN-SP, São Paulo, 3 edition.