Inteligência Computacional Aplicada na Saúde Digital como Ferramenta para Analises e Apoio a Tomada de Decisões: a regulação de leitos covid-19 e de cirurgias vasculares no estado do Rio Grande do Norte
covid-19, aprendizado de máquina, aprendizado profundo, regulação de leitos, RegulaRN.
A covid-19 configurou-se como um dos maiores surtos pandêmicos dos últimos anos. Devido ao rápido espalhamento, os impactos da doença afetaram vários países do mundo, pressionando instituições governamentais a desenvolverem artifícios para aumentar o número de leitos e possibilitar o monitoramento. No Rio Grande do Norte, estado brasileiro, o RegulaRN foi o sistema utilizado para realizar a regulação de leitos de pacientes com covid-19 para os hospitais públicos e contratualizados com o estado. Neste artigo exploramos o uso de técnicas de aprendizado de máquina e aprendizado profundo nos dados do RegulaRN a fim de identificar os melhores modelos e parâmetros capazes de predizer o desfecho de um paciente internado. Analisamos o banco de dados do RegulaRN, cerca de 25.366 regulações, de abril de 2020 a agosto de 2022. Selecionamos as nove características mais pertinentes das vinte possíveis, retiramos dados em branco ou inconclusivos, pré processamos, treinamos e testamos. Os resultados apontam melhor desempenho na avaliação das métricas do perceptron multicamadas com otimizador adam, apresentando cerca de 84% de acurácia. Por fim, discutimos os principais impactos da utilização do modelo para auxiliar médicos reguladores de leitos durante o processo de regulação, bem como, aspectos de gestão de recursos de saúde pública e como estes modelos podem auxiliar ações governamentais em crises sanitárias.