Mateus
Lucas Silva Araujo
Graduando em Ciência e Tecnologia pela Universidade
Federal dos Vales do Jequitinhonha e Mucuri (UFVJM), mateus.lucas@ufvjm.edu.br
Thiago Alcântara Luiz
Mestre em Ciência da Computação pela Universidade
Federal de Ouro Preto (UFOP), Docente da Universidade Federal dos Vales do
Jequitinhonha e Mucuri (UFVJM), thiagoalcantara@ufvjm.edu.br
RESUMO
As
doenças cardiovasculares estão entre as principais causas de mortalidade no
Brasil e no mundo. Diante disso, este trabalho propõe uma ferramenta web que
utiliza técnicas de aprendizado de máquina para prever o risco de doenças
cardíacas em pacientes, oferecendo suporte aos profissionais de saúde durante a
avaliação médica. De forma simples e intuitiva, o usuário insere os dados
relevantes do paciente, como idade, sexo, níveis de colesterol, pressão
arterial, entre outros indicadores de saúde. Em seguida, a ferramenta processa
esses dados para prever a probabilidade de ocorrência de uma condição cardíaca
adversa. Poucos segundos após a inserção dos dados, o usuário recebe uma
previsão sobre o risco de doença cardíaca do paciente. Três modelos de
aprendizado de máquina baseados em classificação e regressão são utilizados:
Random Forest, K-Nearest Neighbors (KNN) e Regressão Logística. A ferramenta
também apresenta um conjunto de métricas que avaliam o desempenho dos modelos
preditivos, como acurácia, precisão, recall e F1 score, auxiliando o usuário a
compreender melhor a confiabilidade das previsões e agregando valor aos
resultados. Essa ferramenta não apenas oferece um método avançado de avaliação
do risco de doenças cardíacas, mas também democratiza o acesso a tecnologias de
ponta na área da saúde, permitindo que os profissionais diagnostiquem a saúde
cardiovascular de seus pacientes com maior precisão e qualidade.
Palavras-chave: Aprendizado de Máquina. Doença Cardíaca. Scikit-Learn.
