Avaliação de Modelos de Aprendizado de Máquina para Triagem de COVID-19 com Base em Sintomas Autodeclarados

Aug 5, 2026

Carregar por Theodora

Avaliação de modelos de aprendizado de máquina para triagem de COVID-19 com base em sintomas autodeclarados, visando apoiar a identificação rápida de pacientes infectados diante da sobrecarga dos sistemas de saúde e da escassez de recursos. O estudo utiliza uma base de dados com registros de sintomas e resultados de testes coletados durante a pandemia, fornecida por fundação estadual de apoio à ciência e tecnologia. A proposta compara classificadores e demonstra desempenho superior do Naive Bayes, alcançando F1-Score de 0,6964 no conjunto de teste.

IdiomaPortuguese

CategoriaPesquisa e Relatórios

FormatoPDF

Páginas33

Tempo de leitura51 min

AcessoDownload gratuito

Índice

Introdução

Contexto do surto e impactos nos sistemas de saúde

Limitações de testes e necessidade de triagem automatizada

Aplicações de inteligência artificial e aprendizado de máquina

AVALIAÇÃO DE MODELOS DE APRENDIZADO DE MÁQUINA PARA TRIAGEM DE COVID-19 COM BASE EM SINTOMAS AUTODECLARADOS EVALUATION OF MACHINE LEARNING MODELS FORCOVID-19 SCREENING BASED ON SELF-REPORTED SYMPTOMS Alesson Alves da Silva 1, Pedro Alves Damazio Junior1, Flavio Rosendo da Silva Oliveira1, Rodrigo Cesar Lira da Silva 1 1 Curso de Tecnologia emAnalise e Desenvolvimento de Sistemas Instituto Federal de Ensino, Ciência e Tecnologiade Pernambuco (IFPE) Paulista, PE-Brasil. [alessonalves998@gmail.com](alessonalves998@gmail.com), [pedrojunior20132013@gmail.com](pedrojunior20132013@gmail.com) [flavio.oliveira@paulista.ifpe.edu.br](flavio.oliveira@paulista.ifpe.edu.br), [rodrigo.lira@paulista.ifpe.edu.br](rodrigo.lira@paulista.ifpe.edu.br) Resumo. O surto de COVID-19, iniciado em 2019, rapidamente sobrecarregou os sistemas de saúde, com um número elevado de casos graves que exigiam internação e cuidados in- tensivos. Diante da escassez de recursos e da dificuldade em realizar triagens eficientes, tornou-seessencial buscar soluções que auxiliassem na identificação rápida de pacientes infectados. Este trabalho tem como objetivo desenvolver e avaliar modelos de Aprendizagem de Maquina (AM) capazes de prever o resultadode testes para COVID-19 com base em dados clínicos. Para isso, foi utilizada uma base de dados disponibilizada pela Fundação de Amparo à Ciência e Tecnologia do Estado de Pernambuco, contendo registros de sintomas e os respectivos resultados dos testes realizados durante a pandemia. Aproposta visa comparar o desempenho de diferentes modelos de classificação, contribuindo para estudos voltados a aplicação de técnicas de Inteligência Artificial na área da saúde. Entre os modelos avaliados, o Naive Bayesapresentou o melhor desempenho com F1-Score de 0,6964 no conjunto deteste, demonstrando maior capacidade preditiva dentro do cenário proposto. Palavras-chave: COVID-19; Dados clínicos; Aprendizagem de Máquina. Abstract. The Coronavirus outbreak, which began in 2019, rapidly overwhelmed healthcare The COVID-19 outbreak, which began in 2019, quickly overwhelmed healthcare systems, with a high number ofsevere cases requiring hospitalization and intensive care. Faced with resource shortagesand difficulties in performing efficient triage, it became essential to seek solutions that could assist in the rapid identification of infected patients. This study aims to develop and evaluate Machine Learning models capable of predicting COVID-19 test results based on symptomatic data. For this purpose, a dataset provided by the Foundation for the Support of Science and Technology of the State of Pernambuco was used, containing records of symptoms and the corresponding test results collected during the pandemic. The proposal seeks to compare the performance of different classification algorithms, contributing to research focused on the application of artificial intelligence techniques in the healthcare field. Among the evaluated models, the Naive Bayes classifier achieved the best performance, with an F1-Score of 0.6964 on the test set, demonstrating greater predictive capability within the proposed scenario. Keywords: COVID-19; Clinical Data; Machine Learning. 1. Introdução Em dezembro de 2019, a Organização Mundial da Saúde (OMS) recebeurelatos sobre um surto de pneumonia de causa desconhecida na cidade de Wuhan, situada na província de Hubei, na China. Nesse contexto, autoridades em todo omundo ficaram em estado de alerta, especialmente após a OMS declarar uma emergência de saúde pública de interesse internacional (Organização Pan-Americanada Saúde, 2023) . Em fevereiro, o Ministério da Saúde do Brasil anunciou o primeiro caso do novo coronavírus no país, com os primeiros registros da doença confirmados no estado de São Paulo. Em pouco tempo, o vírus se espalhou por todo o território brasileiro, levando unidades de saúde e hospitais a enfrentarem uma alta demanda de pacientesapresentando os principais sintomas da

Perguntas frequentes

Qual é o objetivo do trabalho sobre triagem de COVID-19?

Desenvolver e avaliar modelos de aprendizado de máquina capazes de prever o resultado de testes para COVID-19 com base em dados clínicos/sintomas autodeclarados.

Qual base de dados foi usada na avaliação dos modelos?

Foi utilizada uma base disponibilizada por uma fundação estadual de amparo à ciência e tecnologia de Pernambuco, contendo registros de sintomas e os respectivos resultados de testes durante a pandemia.

Qual modelo apresentou o melhor desempenho e qual foi o valor do F1-Score?

O Naive Bayes apresentou o melhor desempenho, com F1-Score de 0,6964 no conjunto de teste.

Aug 5, 2026

Carregar por Theodora