Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina (2022)
- Authors:
- Autor USP: ALEIXO, ROBSON PEREIRA - IME
- Unidade: IME
- Sigla do Departamento: MAC
- DOI: 10.11606/D.45.2022.tde-26012023-200820
- Subjects: APRENDIZADO COMPUTACIONAL; DENGUE; INTELIGÊNCIA ARTIFICIAL; SÍFILIS
- Keywords: Aprendizado de máquina; Artificial intelligence; Machine learning; Outbreak; Syphilis
- Agências de fomento:
- Language: Português
- Abstract: Duas doenças que preocupam diversos países atualmente são sífilis congênita e dengue. A sífilis é uma infecção sexualmente transmissível (IST) causada pela bactéria Treponema Pallidum. Ao ser transmitida em crianças durante o período da gestação, é chamada de sífilis congênita. Já a dengue é uma doença viral transmitida pelas espécies de mosquitos Aedes Aegypti e Aedes Albopictus. No Brasil, há uma preocupação constante com o aumento do número de casos. Utilizando o município do Rio de Janeiro como escopo de trabalho, propomos dois modelos de aprendizado de máquina. O primeiro deles estima a probabilidade da criança nascer com sífilis a partir de dados públicos do Sistema Único de Saúde (SUS). O segundo prevê casos de dengue para cada bairro da cidade, aplicando modelo de regressão. Neste caso, para o treinamento e teste do modelo, foram considerados dados sociodemográficos, climáticos, série histórica de casos da doença, quantidade de estabelecimentos de saúde, índice de mensuração da quantidade de mosquitos na região e série histórica de casos de zika e chikungunya. No caso da sífilis congênita, avaliamos os modelos pela métrica AUC (Area Under Curve) da curva ROC e o melhor resultado foi 68% para a predição de casos positivos, obtidos pelos modelos LightGBM e XGBoost. No que se refere à dengue, mensuramos o desempenho do modelo em diferentes métricas e cenários. O modelo que obteve os melhores resultados foi o Catboost, identificando 75% dos surtos em até três meses deprevisão. Além disso, dedicamos parte significativa deste trabalho na explicabilidade das previsões de dengue. Para isso, utilizamos a ferramenta SHAP que proporciona diferentes visões que contemplam tanto a visão geral como a local de impacto das variáveis na previsão
- Imprenta:
- Data da defesa: 27.10.2022
- Status:
- Artigo publicado em periódico de acesso aberto (Gold Open Access)
- Versão do Documento:
- Versão publicada (Published version)
- Acessar versão aberta:
-
ABNT
ALEIXO, Robson Pereira. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/. Acesso em: 13 abr. 2026. -
APA
Aleixo, R. P. (2022). Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/ -
NLM
Aleixo RP. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina [Internet]. 2022 ;[citado 2026 abr. 13 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/ -
Vancouver
Aleixo RP. Predição de surtos de dengue e diagnóstico de sífilis congênita utilizando aprendizado de máquina [Internet]. 2022 ;[citado 2026 abr. 13 ] Available from: https://teses.usp.br/teses/disponiveis/45/45134/tde-26012023-200820/
Informações sobre a disponibilidade de versões do artigo em acesso aberto coletadas automaticamente via oaDOI API (Unpaywall).
Por se tratar de integração com serviço externo, podem existir diferentes versões do trabalho (como preprints ou postprints), que podem diferir da versão publicada.
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
