PREVISÃO DA DIABETES USANDO TÉCNICAS DE MACHINE LEARNING: UMA REVISÃO DE ESCOPO

Resumo

O uso de técnicas de Machine Learning para a previsão de doenças, como a diabetes, tem se destacado devido à sua capacidade de identificar padrões em grandes volumes de dados médicos e auxiliar na tomada de decisões clínicas. A diabetes é uma condição crônica que, se não for diagnosticada e tratada precocemente, pode levar a complicações graves. Dessa forma, prever o seu desenvolvimento em estágios iniciais pode contribuir significativamente para a gestão da saúde e a personalização do tratamento. Neste contexto, este trabalho propõe uma Revisão de Escopo, buscando responder como se dá a aplicação de algoritmos de Machine Learning na análise de dados médicos para prever a ocorrência da doença. Por meio desse levantamento, foi possível perceber uma ênfase da literatura sobre a importância da qualidade dos dados, da seleção de características relevantes e da interpretabilidade dos modelos, fatores essenciais para a confiabilidade das previsões e seu impacto nas decisões médicas. Adicionalmente, esta proposta possibilitou comparar o desempenho de diferentes algoritmos, analisando a contribuição de cada variável utilizada e destacando os fatores mais influentes na previsão da doença. Dessa forma, este estudo traz contribuições não apenas sobre o desenvolvimento de modelos eficazes, mas também fornece insights que podem aprimorar abordagens preditivas no contexto da saúde.