Detecção de anomalias em prescrições médicas com aprendizagem federada e gerenciamento de armazenamento em blockchain (2023)
- Authors:
- Autor USP: ZUTIÃO, GABRIEL AUGUSTO - ICMC
- Unidade: ICMC
- Sigla do Departamento: SSC
- DOI: 10.11606/D.55.2023.tde-19122023-122357
- Subjects: APRENDIZADO COMPUTACIONAL; SISTEMA DE SAÚDE; REGISTROS MÉDICOS; SISTEMAS DISTRIBUÍDOS
- Keywords: Blockchain; Blockchain; Detecção de fraude; Federated learning; Federated learning; Fraud detection; Healthcare system; Machine learning
- Language: Português
- Abstract: Com os avanços nas capacidades de processamento e armazenamento de dados em sistemas de registros médicos eletrônicos, evidencia-se a relevância da discussão sobre a existência de um ponto de falha único nos sistemas tradicionais, nos quais todo o tratamento dos dados é feito por uma autoridade central suscetível a falhas e ataques. Os dados de registros médicos, como prescrição de medicamentos, são considerados sensíveis pois tratam de informações pessoais e por isso devem estar seguros e serem privados contra acessos indevidos. No caso de prescrições, podem ocorrer problemas como fraudes e anomalias, tais como dosagens e frequências incorretas ou maliciosas. Entre essas últimas, cita-se as feitas para adquirir medicamentos de mais difícil obtenção para revenda e a compra de medicamentos controlados sem a devida permissão de um médico autorizado para fins de uso abusivo. Algumas soluções presentes na literatura para os problemas apresentados se utilizam de redes descentralizadas para solucionar o problema do ponto único de falha. Outras se utilizam de algoritmos de aprendizado de máquina para a análise de fraudes incluindo a aprendizagem federada, que separa o treinamento do modelo entre os clientes tornando assim o processo descentralizado. Todavia, faz-se necessária a elaboração de um modelo que seja eficaz contra os dois grupos de problemas citados voltado à área de prescrições médicas e que seja eficiente, eficaz, que possa preservar a privacidade dos dados e que sejaindependente das tecnologias utilizadas e adaptável. Sendo assim, o presente trabalho propõe uma arquitetura de rede blockchain associada a uma rede de aprendizagem federada para o processamento de registros de prescrições médicas, utilizando regressão logística para detecção de anomalias na quantidade e na frequência da prescrição de medicamentos. Os experimentos relacionados à rede foram realizados em redes Ethereum locais criadas na ferramenta Hyperledger Besu integradas a redes de aprendizagem federada criadas com a ferramenta Flower. Os resultados obtidos nos experimentos provaram que a arquitetura foi capaz de ser escalável e os seus aspectos qualitativos justificam o aumento do tempo entre as rodadas da aprendizagem federada quando integrada à rede blockchain. A solução apresentada é independente de tecnologia, adaptável em relação ao âmbito e também à sua implementação e foi capaz de cumprir com seus propósitos, obtendo uma acurácia de 98,37% na detecção de anomalias e um tempo médio de aproximadamente 10s em cada rodada da aprendizagem em uma rede com 5 nós e aproximadamente 15s para 11 nós, o que demonstrou um aumento menos que linear do tempo.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2023
- Data da defesa: 18.08.2023
- Status:
- Artigo possui versão em acesso aberto em repositório (Green Open Access)
- Versão do Documento:
- Versão submetida (Pré-print)
- Acessar versão aberta:
-
ABNT
ZUTIÃO, Gabriel Augusto. Detecção de anomalias em prescrições médicas com aprendizagem federada e gerenciamento de armazenamento em blockchain. 2023. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2023. Disponível em: https://teses.usp.br/teses/disponiveis/55/55134/tde-19122023-122357/. Acesso em: 31 mar. 2026. -
APA
Zutião, G. A. (2023). Detecção de anomalias em prescrições médicas com aprendizagem federada e gerenciamento de armazenamento em blockchain (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://teses.usp.br/teses/disponiveis/55/55134/tde-19122023-122357/ -
NLM
Zutião GA. Detecção de anomalias em prescrições médicas com aprendizagem federada e gerenciamento de armazenamento em blockchain [Internet]. 2023 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-19122023-122357/ -
Vancouver
Zutião GA. Detecção de anomalias em prescrições médicas com aprendizagem federada e gerenciamento de armazenamento em blockchain [Internet]. 2023 ;[citado 2026 mar. 31 ] Available from: https://teses.usp.br/teses/disponiveis/55/55134/tde-19122023-122357/
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
