SMART GISSA: governança em saúde baseada em aprendizado de máquina

A tomada de decisão utilizando mecanismos de Aprendizado de Máquina pode incorrer na melhoria considerável do sistema público de saúde. Por exemplo, as predições que permitem aos gestores a adoção de medidas preventivas, mitigando, quando não evitando, surtos de doenças clássicas. O sistema Governança Inteligente em Serviços de Saúde (GISSA) extrai, transforma e carrega os dados em dashboards, a partir de bases do Ministério da Saúde, para a tomada de decisão. O GISSA, que foi implementado pelo Instituto Atlântico, com o suporte da FINEP, continua em desenvolvimento por pesquisadores da UFC, Fiocruz e IFCE e está operacional em vários municípios no Brasil.

Nesse contexto, este trabalho apresenta o Smart-GISSA , um sistema para governança em Saúde Digital baseado em Aprendizado de Máquina, que é uma evolução do modelo arquitetural GISSA. O Smart-GISSA obedece ao modelo de arquitetura em camadas seguindo a cadeia desde a captação até a disponibilização em bases de dados para propiciar o surgimento de aplicações em Aprendizado de Máquina. Esta pesquisa descreve novas funcionalidades agregadas ao GISSA a partir da análise dessa primeira solução construída, utilizando técnicas de ontologias e linked data, propondo uma nova arquitetura mais eficaz, eficiente e efetiva em governança de saúde. São propostas duas novas metodologias de Mineração de Dados com foco em análise de risco de morte e em vigilância epidemiológica para previsão de epidemias.

Como primeiro estudo de caso, para melhor ilustrar a adoção das práticas preconizadas pela metodologia, são construídos e validados dois modelos para análise de risco de morte, um materno e outro infantil, úteis na identificação de gestações de risco acompanhadas por equipes de saúde da família. Os analisadores de risco materno e infantil demonstram capacidade de alertar risco de falecimento em 97.50 dos casos, considerando 15 atributos, e 99.82 dos casos, considerando 27 atributos, respectivamente. Para o segundo estudo de caso é construído um modelo de predição de epidemias de dengue para a cidade de Fortaleza, CE, inferindo o número de casos de infecção na região metropolitana.

Os resultados evidenciam que é possível detectar a tendência do número de novas infecções com um horizonte de previsão de 15 semanas. Adicionalmente, o processo metodológico proposto pode modelar qualquer outro tipo de epidemia, e.g., tuberculose, cólera, COVID-19, entre outros.

Integrantes e créditos (1)

• Antonio Mauro Barbosa de OliveiraCoordenação