A carregar...
Publicação
The use of Machine Learning in diabetes prevention
| Nome: | Descrição: | Tamanho: | Formato: | |
|---|---|---|---|---|
| 586.63 KB | Adobe PDF |
Orientador(es)
Resumo(s)
Introdução: A Diabetes Mellitus é uma das doenças crónicas que mais crescem no mundo. Diante disso, técnicas de Aprendizagem de Máquina (Machine Learning - ML) oferecem potencial para a identificação de padrões relevantes ao controle da doença.
Objetivo: Analisar o impacto de técnicas de ML e a utilização de técnicas de seleção de características na predição da diabetes, utilizando o conjunto de dados “Diabetes Health Indicators”.
Métodos: Aplicou-se a metodologia CRISP-DM. Os dados foram equilibrados com a técnica de subamostragem NearMiss. Utilizaram-se a Eliminação Recursiva de Características (RFE) e a Análise de Componentes Principais (PCA) para a seleção de atributos. Foram testados seis modelos: Random Forest, Gradient Boosting, KNN, Regressão Logística, Perceptron Multicamadas (MLP) e Redes Neurais Recorrentes (RNN).
Resultados: A RNN destacou-se com acurácia de 86,8% e F1-score de 0,868 em dados balanceados. A combinação de RFE com MLP também apresentou desempenho robusto. O equilíbrio de classes melhorou significativamente os resultados.
Conclusão: As técnicas de ML e DL são promissoras para a triagem clínica e políticas públicas. É necessário aumentar a representatividade dos dados, incorporar IA explicável e calibrar limiares para reduzir os falsos negativos, que são essenciais para
aplicações práticas.
Descrição
Palavras-chave
diabetes mellitus machine learning deep learning redes neurais recorrentes seleção de atributos
Contexto Educativo
Citação
Lopes, M. A., Lacerda, C., & Fialho, J. (2026). The use of Machine Learning in diabetes prevention. Millenium - Journal of Education, Technologies, and Health, 2(21e), e43168