Modelo preditivo de ataque cardíaco

Palavras-chave

taquicardia, ciência, machine learning, interdisciplinaridade, saúde, coração, doença

Resumo Científico

O modelo de rastreio de predisposição em taquicardia com ciência de dados atrelada à linguagem de programação python visa, por meio de características de pacientes, predizer se tal pessoa tem ou não predisposição à taquicardia e consequentemente, salvará vidas. Para validar este algoritmo de rastreio, aplica-se variados métodos científicos e matemáticos (como a curva ROC), nos quais permitem que isso não seja algo amador ou ineficaz. Mediante as características como sexo, pressão diastólica, tipo de dor de peito, angina induzida por exercício e outras, faz-se o modelo de regressão logística, que alcançou taxa de precisão consideravelmente positiva; de 87%. Para atestar que o algoritmo em questão não se trata de um protótipo, explicar-se deve a curva ROC. A curva ROC é uma ferramenta de avaliação comumente usada no contexto de validação de algoritmos de classificação. Ela ilustra o desempenho do modelo em termos da taxa de verdadeiros positivos (sensibilidade) em relação à taxa de falsos positivos (especificidade) para diferentes pontos de corte. A curva ROC é construída plotando-se a sensibilidade no eixo y e a especificidade no eixo x. Cada ponto na curva representa um limiar de classificação diferente aplicado ao modelo, que determina como as predições são mapeadas para as classes positivas e negativas. Ao variar o limiar, é possível obter diferentes pares de sensibilidade e especificidade, que são conectados para formar a curva. Um modelo ideal teria uma curva ROC que se aproximasse o máximo possível do canto superior esquerdo do gráfico, indicando alta sensibilidade e alta especificidade. À medida que o ponto se afasta desse canto, a sensibilidade e a especificidade podem mudar. Neste modelo, a área interna da curva corresponde a 92%, provando que o algoritmo é eficaz e que a curva se aproxima consideravelmente do canto superior esquerdo do gráfico. Isso permite que o algoritmo obtenha precisão estática, imune à aleatoriedade do banco de dados aplicado nele.