Dissertação

Physician-friendly predictive model: application to vasopressors administration and mechanical ventilation prediction EVALUATED

Atualmente, as unidades hospitalares dispõem de grandes repositórios de dados clínicos referentes à estadia de pacientes. Estes repositórios têm um enorme potencial para serem utilizados como suporte aos médicos quando estes têm que tomar decisões. Apesar deste seu enorme potencial, os dados clínicos são complexos (elevada dimensionalidade, comportamento temporal, etc.) colocando desafios à sua utilização em modelos de decisão. Mesmo assim, existem várias abordagens que propõem modelos preditivos que exploram os repositórios com dados clínicos. Contudo, a maior parte destas abordagens utiliza algoritmos complexos que são difíceis de passar à prática e não estão focadas na interpretabilidade das previsões por parte dos médicos. Neste contexto, nós propomos dois modelos preditivos baseados no kNN para a previsão da administração de vasopressores e ventilação mecânica nas próximas horas. Os modelos preditivos propostos utilizam um conjunto de variáveis reduzido e fornecem com as previsões a informação clínica dos pacientes do passado considerados para as previsões, tornando as previsões facilmente interpretáveis pelos médicos. Utilizando apenas 5 variáveis, para a previsão da administração de vasopressores nas próximas duas horas, o melhor modelo obteve uma AUC de 0.927, para a previsão da ventilação mecânica nas próximas duas horas, o melhor modelo obteve uma AUC de 0.906.
Suporte à decisão médica, Dados clínicos, Aprendizagem automática, Metodologia

Novembro 16, 2018, 9:30

Documentos da dissertação ainda não disponíveis publicamente

Orientação

ORIENTADOR

Helena Isabel De Jesus Galhardas

Departamento de Engenharia Informática (DEI)

Professor Associado

ORIENTADOR

João Carlos Serrenho Dias Pereira

Departamento de Engenharia Informática (DEI)

Professor Auxiliar

ORIENTADOR

Manuel João Caneira Monteiro da Fonseca

Faculdade de Ciências da Universidade de Lisboa

Professor Associado