Comparação de modelos de redes neurais artificiais para predição de mortes por doença de chagas em dois anos

O presente artigo apresenta um comparativo entre modelos preditivos, utilizando aprendizagem de máquina com redes neurais artificiais, para prever mortes por Doença de Chagas em dois anos. Para elaboração e execução dos modelos foram utilizados dados coletados de pacientes, portadores da Doença, que têm acompanhamento nas unidades básicas de saúde em seu local de residência. O conjunto de dados contém respostas das entrevistas, resultados de exames clínicos, dados demográficos do local de residência e um atributo alvo, que define se o paciente morreu no período abordado (dois anos). O comparativo foi realizado entre os modelos de Redes Neurais Artificiais (MLP e RBF) e Redes Neurais Convolucionais (CNN), exemplo de Deep Learning. Na preparação dos dados foram utilizadas técnicas de imputação de valores, Grid-Search e balanceamento de classes com Smote. Foram utilizadas técnicas de seleção de características para redução da amplitude da base de dados, Random Forest e Cálculo do Coeficiente de Pesos. Foi possível concluir que os modelos desenvolvidos com RNA RBF e Deep Learning com CNN apresentaram maior capacidade preditiva para o conjunto de dados avaliado.

English abstract:

This article presents a comparison between predictive models, using machine learning with artificial neural networks, to predict deaths from Chagas disease in two years. For the elaboration and execution of the models, data collected from patients with the disease who are monitored at the basic health units in their place of residence were used. The dataset contains interview responses, results of clinical examinations, demographics of the place of residence and a target attribute, which defines whether the patient died in the period addressed (two years). The comparison was made between the models of Artificial Neural Networks (MLP and RBF) and Convolutional Neural Networks (CNN), an example of Deep Learning. In the data preparation techniques of value imputation, Grid-Search and class balancing with Smote were used. Feature selection techniques were used to reduce the breadth of the database, Random Forest and Weight Coefficient Calculation. It was possible to conclude that the models developed with RNA RBF and Deep Learning with CNN showed greater predictive capacity for the evaluated data set.

Spanish abstract:

Este artículo presenta una comparación entre modelos predictivos, utilizando aprendizaje automático con redes neuronales artificiales, para predecir muertes por Enfermedad de Chagas en dos años. Para el desarrollo y ejecución de los modelos se utilizaron datos recolectados de pacientes con la enfermedad que son monitoreados en unidades básicas de salud de su lugar de residencia. El conjunto de datos contiene respuestas de entrevistas, resultados de exámenes clínicos, datos demográficos del lugar de residencia y un atributo objetivo, que define si el paciente murió dentro del período cubierto (dos años). La comparación se realizó entre los modelos de Redes Neuronales Artificiales (MLP y RBF) y Redes Neuronales Convolucionales (CNN), un ejemplo de Deep Learning. En la preparación de los datos se utilizaron técnicas de imputación de valores, Grid-Search y balanceo de clases con Smote. Se utilizaron técnicas de selección de características para reducir la amplitud de la base de datos, bosque aleatorio y cálculo del coeficiente de peso. Se pudo concluir que los modelos desarrollados con RNA RBF y Deep Learning con CNN presentaron mayor capacidad predictiva para el conjunto de datos evaluados.