Machine Learning para o aprimoramento de diagnósticos e predições em Saúde

Modelos preditivos em Saúde são úteis para o auxílio no diagnóstico e previsão de riscos, geralmente desenvolvidos a partir de informações históricas. O presente projeto propõe estratégias para o aprimoramento de diagnóstico e predições em Saúde baseadas em técnicas de Machine Learning (ML) aplicadas à dados de diagnósticos clínicos, registros de doenças, dados epidemiológicos, sociais e demográficos, entre outros, encontrados em repositórios públicos na internet. Aplicar modelos de ML se justifica à medida que lidam de maneira eficiente diante de grande e variado volume de dados, identificando padrões (lineares ou não) e relações entre variáveis, no geral, difíceis de observar humanamente. Quando aplicadas à saúde individual, estratégias baseadas em ML podem levar a abordagens personalizadas para o cuidado do paciente, enquanto aplicadas à cenários de saúde pública, podem auxiliar no desenvolvimento de sistemas de prevenção e intervenção direcionadas, permitindo uma alocação mais eficiente de recursos de saúde. A partir deste projeto, serão implementados modelos de aprendizado de máquina supervisionados, aplicados em bancos de dados públicos e/ou sintéticos, dando ênfase à problemas de saúde pertinentes ao cenário brasileiro.