dc.contributor | Santos, Vagner Rogerio Dos [UNIFESP] | |
dc.contributor | Universidade Federal de São Paulo | |
dc.creator | Alves, Lucas De Oliveira Batista [UNIFESP] | |
dc.date.accessioned | 2023-06-27T12:35:40Z | |
dc.date.accessioned | 2023-09-04T17:51:08Z | |
dc.date.available | 2023-06-27T12:35:40Z | |
dc.date.available | 2023-09-04T17:51:08Z | |
dc.date.created | 2023-06-27T12:35:40Z | |
dc.date.issued | 2021 | |
dc.identifier | https://repositorio.unifesp.br/11600/68367 | |
dc.identifier | LUCAS DE OLIVEIRA BATISTA ALVES-A.pdf | |
dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8612045 | |
dc.description.abstract | Objective: To implement artificial intelligence routines through machine learning to construct diagnostic prediction models with data from electronic medical records of patients from the Department of Ophthalmology of Hospital São Paulo. Method: Preparation of a literature review of the main techniques and solutions of machine learning to use in electronic medical records, 1. extraction, treatment and analysis of data from medical records of the Department; 2. construction and analysis of vectorization models of related words in the context of the Database of Hospital São Paulo; 3. construction and validation of diagnostic prediction models. Results: The word vectorization models were able to capture the semantics of medical terms and enabled the construction of diagnostic prediction models, making the prediction model a great tool to assist health professionals. Conclusion: The machine learning models showed potential results to assist as diagnostic support tools of ophthalmologic patients. | |
dc.description.abstract | Objetivo: Implementar rotinas de inteligência artificial por meio do aprendizado de máquina para a construção de modelos de predição de diagnósticos com dados de prontuários eletrônicos dos pacientes do Departamento de Oftalmologia do Hospital São Paulo. Método: Elaboração de revisão bibliográfica sobre as principais técnicas e soluções de aprendizado de máquina, utilizados em prontuários eletrônicos, 1. extração, tratamento e análise dos dados de prontuários do Departamento; 2. construção e análise de modelos de vetorização de palavras relacionadas no contexto do banco de dados do Hospital São Paulo; 3. construção e validação dos modelos de predição de diagnósticos. Resultados: Os modelos de vetorização de palavras foram capazes de capturar a semântica de termos médicos e possibilitaram a construção de modelos de predição de diagnóstico, tornando o modelo de predição uma ótima ferramenta para auxiliar os profissionais de saúde. Conclusão: Os modelos de aprendizado de máquina mostraram resultados potenciais para auxiliar, como ferramentas de apoio, nos diagnósticos de pacientes oftalmológicos. | |
dc.language | por | |
dc.publisher | Universidade Federal de São Paulo (UNIFESP) | |
dc.rights | Acesso aberto | |
dc.subject | Artificial Intelligence | |
dc.subject | Machine Learning | |
dc.subject | Electronic Medical Record | |
dc.subject | Diagnostic Support | |
dc.subject | Inteligência Artificial | |
dc.subject | Aprendizado De Máquina | |
dc.subject | Prontuário Eletrônico | |
dc.subject | Apoio Diagnóstico | |
dc.title | Uso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos | |
dc.type | Dissertação de mestrado profissional | |