Aplicação de Aprendizado de Máquina no Auxílio ao Diagnóstico de Doenças Renais Crônicas
Resumo
A Inteligência Artificial (IA) tem revolucionado diversas áreas, oferecendo soluções eficientes para problemas complexos. Na área da saúde, técnicas de IA vêm sendo empregadas para aprimorar diagnósticos e tratamentos. Este trabalho aborda uma comparação entre algoritmos na predição da Doença Renal Crônica por meio de aprendizado de máquina. Foram aplicados os algoritmos K-Nearest Neighbors, Decision Tree, Random Forest e FURIA a um conjunto de dados Chronic Kidney Disease do repositório UCI Machine após pré-processamento adequado. O modelo Random Forest apresentou o melhor desempenho, destacando-se pela acurácia de 99%.
Palavras-chave:
Doença Renal Crônica, Aprendizado de Máquina, Lógica Fuzzy
Referências
Acropolium (2025). Machine learning in healthcare: [7 real use cases included]. Acesso em: 13 jul. 2025. [link]
CashU (2025). Segurança de dados: você está protegido? veja o que fazer. Reportagem sobre cibercrime e segurança da informação no Brasil, destacando o uso de IA e aprendizado de máquina para detecção de fraudes e proteção de dados.
Group, K. D. I. G. O. K. C. W. (2013). Kdigo 2012 clinical practice guideline for the evaluation and management of chronic kidney disease. Kidney International Supplements, 3(1):1–150. [link]
Inforchannel (2024). Especialista destaca ferramentas para análise de dados em 2025. Discussão sobre o uso de análise de dados e inteligência artificial, incluindo aprendizado de máquina, em setores como saúde. [link]
Kalpana, C., Jagadeesh, K., Vennila, A., and Radhika, R. (2025). A stacking based explainable boosting model for early prediction of chronic kidney disease. In 2025 6th International Conference on Inventive Research in Computing Applications (ICIRCA), pages 1584–1589. DOI: 10.1109/ICIRCA65293.2025.11089880
Kotsiantis, S. (2007). Supervised machine learning: A review of classification techniques. Informatica (Slovenia), 31:249–268. [link]
Kumar, A. et al. (2025). Machine learning applications in healthcare clinical practice and research. Frontiers in Medicine. Acesso em: 13 jul. 2025. [link]
Levin, A., Ahmed, S. B., Carrero, J. J., Foster, B., Francis, A., Hall, R. K., Herrington, W. G., Hill, G., Inker, L. A., Kazancıoğlu, R., Lamb, E., Lin, P., Madero, M., McIntyre, N., Morrow, K., Roberts, G., Sabanayagam, D., Schaeffner, E., Shlipak, M., Shroff, R., Tangri, N., Thanachayanont, T., Ulasi, I., Wong, G., Yang, C.-W., Zhang, L., Robinson, K. A., Wilson, L., Wilson, R. F., Kasiske, B. L., Cheung, M., Earley, A., and Stevens, P. E. (2024). Executive summary of the kdigo 2024 clinical practice guideline for the evaluation and management of chronic kidney disease: known knowns and known unknowns. Kidney International, 105(4):684–701. DOI: 10.1016/j.kint.2023.10.018
M, K. and N, S. (2025). Early chronic kidney disease detection using machine learning techniques. In 2025 International Conference on Machine Learning and Autonomous Systems (ICMLAS), pages 151–155. DOI: 10.1109/ICMLAS64557.2025.10967970
Magalhães, V., Carmona, J., Lucca, G., Santos, H., and Borges, E. (2021). Uma classificação de vinhos baseada em regras fuzzy utilizando o algoritmo farc-hd. In Anais do VI Workshop-Escola de Informática Teórica, pages 148–155, Porto Alegre, RS, Brasil. SBC. DOI: 10.5753/weit.2021.18935
Metherall, B., Berryman, A., and Brennan, G. (2024). Machine learning for classifying chronic kidney disease and predicting creatinine levels using at-home measurements. DOI: 10.1038/s41598-025-88631-y
Ouro Preto Investimentos (2025). Inteligência artificial no mercado de capitais. Acesso em 15 jul. 2025. [link]
PhoenixNAP (2024). Machine learning in finance: Examples and benefits. Acesso em: 13 jul. 2025. [link]
Rafi, S., Revanth, N., Raghava Reddy, K. V., Babu, K. M., Kumar, Y. L. P., and Kumar, N. V. (2025). Chronic kidney disease prediction using machine learning and deep learning models. In 2025 IEEE International Conference on Interdisciplinary Approaches in Technology and Management for Social Innovation (IATMSI), volume 3, pages 1–6. DOI: 10.1109/IATMSI64286.2025.10985476
Rubini, L., Soundarapandian, P., and Eswaran, P. (2015). Chronic Kidney Disease. UCI Machine Learning Repository. DOI: 10.24432/C5G020.
S, K. and VR, G. (2025). Machine learning-based prediction of chronic kidney disease with logistic regression. In 2025 8th International Conference on Trends in Electronics and Informatics (ICOEI), pages 330–334. DOI: 10.1109/ICOEI65986.2025.11013456
Saravanan, R. and Sujatha, P. (2018). A state of art techniques on machine learning algorithms: A perspective of supervised learning approaches in data classification. In 2018 Second International Conference on Intelligent Computing and Control Systems (ICICCS), pages 945–949. DOI: 10.1109/ICCONS.2018.8663155
Saxena, V. (2025). The role of machine learning in strengthening application security. Acesso em: 13 jul. 2025. [link]
CashU (2025). Segurança de dados: você está protegido? veja o que fazer. Reportagem sobre cibercrime e segurança da informação no Brasil, destacando o uso de IA e aprendizado de máquina para detecção de fraudes e proteção de dados.
Group, K. D. I. G. O. K. C. W. (2013). Kdigo 2012 clinical practice guideline for the evaluation and management of chronic kidney disease. Kidney International Supplements, 3(1):1–150. [link]
Inforchannel (2024). Especialista destaca ferramentas para análise de dados em 2025. Discussão sobre o uso de análise de dados e inteligência artificial, incluindo aprendizado de máquina, em setores como saúde. [link]
Kalpana, C., Jagadeesh, K., Vennila, A., and Radhika, R. (2025). A stacking based explainable boosting model for early prediction of chronic kidney disease. In 2025 6th International Conference on Inventive Research in Computing Applications (ICIRCA), pages 1584–1589. DOI: 10.1109/ICIRCA65293.2025.11089880
Kotsiantis, S. (2007). Supervised machine learning: A review of classification techniques. Informatica (Slovenia), 31:249–268. [link]
Kumar, A. et al. (2025). Machine learning applications in healthcare clinical practice and research. Frontiers in Medicine. Acesso em: 13 jul. 2025. [link]
Levin, A., Ahmed, S. B., Carrero, J. J., Foster, B., Francis, A., Hall, R. K., Herrington, W. G., Hill, G., Inker, L. A., Kazancıoğlu, R., Lamb, E., Lin, P., Madero, M., McIntyre, N., Morrow, K., Roberts, G., Sabanayagam, D., Schaeffner, E., Shlipak, M., Shroff, R., Tangri, N., Thanachayanont, T., Ulasi, I., Wong, G., Yang, C.-W., Zhang, L., Robinson, K. A., Wilson, L., Wilson, R. F., Kasiske, B. L., Cheung, M., Earley, A., and Stevens, P. E. (2024). Executive summary of the kdigo 2024 clinical practice guideline for the evaluation and management of chronic kidney disease: known knowns and known unknowns. Kidney International, 105(4):684–701. DOI: 10.1016/j.kint.2023.10.018
M, K. and N, S. (2025). Early chronic kidney disease detection using machine learning techniques. In 2025 International Conference on Machine Learning and Autonomous Systems (ICMLAS), pages 151–155. DOI: 10.1109/ICMLAS64557.2025.10967970
Magalhães, V., Carmona, J., Lucca, G., Santos, H., and Borges, E. (2021). Uma classificação de vinhos baseada em regras fuzzy utilizando o algoritmo farc-hd. In Anais do VI Workshop-Escola de Informática Teórica, pages 148–155, Porto Alegre, RS, Brasil. SBC. DOI: 10.5753/weit.2021.18935
Metherall, B., Berryman, A., and Brennan, G. (2024). Machine learning for classifying chronic kidney disease and predicting creatinine levels using at-home measurements. DOI: 10.1038/s41598-025-88631-y
Ouro Preto Investimentos (2025). Inteligência artificial no mercado de capitais. Acesso em 15 jul. 2025. [link]
PhoenixNAP (2024). Machine learning in finance: Examples and benefits. Acesso em: 13 jul. 2025. [link]
Rafi, S., Revanth, N., Raghava Reddy, K. V., Babu, K. M., Kumar, Y. L. P., and Kumar, N. V. (2025). Chronic kidney disease prediction using machine learning and deep learning models. In 2025 IEEE International Conference on Interdisciplinary Approaches in Technology and Management for Social Innovation (IATMSI), volume 3, pages 1–6. DOI: 10.1109/IATMSI64286.2025.10985476
Rubini, L., Soundarapandian, P., and Eswaran, P. (2015). Chronic Kidney Disease. UCI Machine Learning Repository. DOI: 10.24432/C5G020.
S, K. and VR, G. (2025). Machine learning-based prediction of chronic kidney disease with logistic regression. In 2025 8th International Conference on Trends in Electronics and Informatics (ICOEI), pages 330–334. DOI: 10.1109/ICOEI65986.2025.11013456
Saravanan, R. and Sujatha, P. (2018). A state of art techniques on machine learning algorithms: A perspective of supervised learning approaches in data classification. In 2018 Second International Conference on Intelligent Computing and Control Systems (ICICCS), pages 945–949. DOI: 10.1109/ICCONS.2018.8663155
Saxena, V. (2025). The role of machine learning in strengthening application security. Acesso em: 13 jul. 2025. [link]
Publicado
10/09/2025
Como Citar
MOREIRA, João Pedro Stadler; SCHÖNHOFEN, Thaiane Kreps; BOTTERO, Diego Duarte; LUCCA, Giancarlo; OLIVEIRA, Lizandro de Souza.
Aplicação de Aprendizado de Máquina no Auxílio ao Diagnóstico de Doenças Renais Crônicas. In: WORKSHOP-ESCOLA DE INFORMÁTICA TEÓRICA (WEIT), 8. , 2025, Ponta Grossa/PR.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2025
.
p. 10-19.
