dc.contributorSantos, Vagner Rogerio Dos [UNIFESP]
dc.contributorUniversidade Federal de São Paulo
dc.creatorAlves, Lucas De Oliveira Batista [UNIFESP]
dc.date.accessioned2023-06-27T12:35:40Z
dc.date.accessioned2023-09-04T17:51:08Z
dc.date.available2023-06-27T12:35:40Z
dc.date.available2023-09-04T17:51:08Z
dc.date.created2023-06-27T12:35:40Z
dc.date.issued2021
dc.identifierhttps://repositorio.unifesp.br/11600/68367
dc.identifierLUCAS DE OLIVEIRA BATISTA ALVES-A.pdf
dc.identifier.urihttps://repositorioslatinoamericanos.uchile.cl/handle/2250/8612045
dc.description.abstractObjective: 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.abstractObjetivo: 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.languagepor
dc.publisherUniversidade Federal de São Paulo (UNIFESP)
dc.rightsAcesso aberto
dc.subjectArtificial Intelligence
dc.subjectMachine Learning
dc.subjectElectronic Medical Record
dc.subjectDiagnostic Support
dc.subjectInteligência Artificial
dc.subjectAprendizado De Máquina
dc.subjectProntuário Eletrônico
dc.subjectApoio Diagnóstico
dc.titleUso de rotinas de aprendizado de máquina em prontuário eletrônico para apoio a diagnósticos de pacientes oftalmológicos
dc.typeDissertação de mestrado profissional


Este ítem pertenece a la siguiente institución