Journal Information
Vol. 42. Issue S2.
Pages 91-92 (November 2020)
Share
Share
Download PDF
More article options
Vol. 42. Issue S2.
Pages 91-92 (November 2020)
154
DOI: 10.1016/j.htct.2020.10.155
Open Access
DESENVOLVIMENTO DE REDES NEURO-FUZZY PARA PREDIÇÃO DA RECORRÊNCIA DE TROMBOEMBOLISMO VENOSO
Visits
...
G.Y. Ottaianoa, J.M. Annichino-Bizzacchib, R.M. Filhob, T.D. Martinsa
a Universidade Federal de São Paulo (UNIFESP), São Paulo, SP, Brasil
b Universidade Estadual de Campinas (UNICAMP), Campinas, SP, Brasil
Article information
Full Text

Objetivos: Ter um modelo para a predição da recorrência do tromboembolismo venoso é importante para determinar o tempo de tratamento dos pacientes. Assim, este trabalho teve como objetivo o desenvolvimento de modelos baseados em Redes Neuro-Fuzzy para a predição da trombose venosa recorrente a partir de variáveis clínicas. Metodologia: A partir de trinta e nove fatores clínicos e laboratoriais selecionados previamente, foram selecionados dois conjuntos de dados. O conjunto (i), com 7 fatores, foi determinado via Planejamento de Experimentos em conjunto com fatores apontados como significativos pela Análise de Componentes Principais, realizada por Martins [Unicamp, Tese (2018)]. Nesse caso, foram considerados: leucócitos, tempo do uso de anticoagulante, idade, localização da trombose, hemácias, hemoglobina e se o primeiro episódio trombótico foi espontâneo ou provocado. No conjunto (ii), com 16 variáveis, foram considerados os fatores obtidos via Análise de Componentes Principais, por Martins [Unicamp, Tese (2018)]. Este segundo conjunto incluía, além dos fatores do primeiro conjunto, D-dímero, hematócrito, distribuição de tamanho dos eritrócitos, colesterol total, HDL e LDL, triglicérides, glicose e creatinina. Foram utilizados dados de 236 pacientes, sendo 70% para o treinamento das redes e 30% para a simulação. As Redes Neuro-Fuzzy foram desenvolvidas no software MatLab, variando-se os parâmetros do modelo de Takagi-Sugeno, e consequentemente o número de regras fuzzy. Uma cross-validação 5-fold também foi realizada. Resultados: Dentre todas as Redes Neuro-Fuzzy testadas, foram selecionadas as duas melhores, uma para cada conjunto. O modelo para o conjunto (i) apresentou 83% (AUC: 0,726) de acurácia para os dados de treinamento e 88% (AUC: 0,909) para os dados da simulação, tendo apenas 2 regras na rede. Já, para o conjunto (ii), 85% (AUC: 0,905) de acurácia para os dados do treinamento e 81% (AUC: 0,818) para os dados da simulação e foi composta de 7 regras. Discussão: Os dois modelos desenvolvidos neste trabalho mostraram que as Redes Neuro-Fuzzy apresentam boa capacidade para a predição da retrombose. Ambos os modelos apresentaram acurácia acima de 80% e os valores de AUC indicam que o modelo desenvolvido com o conjunto (ii) possui melhor capacidade de generalização. Por fim, a cross-validação demonstrou que os resultados são consistentes. Esses resultados são importantes, visto que foi necessário um conjunto maior de variáveis independentes para se obter um modelo mais confiável. Conclusão: Os resultados deste trabalho mostraram que, com um modelo Neuro-Fuzzy, é possível predizer a recorrência do tromboembolismo venoso a partir de diferentes conjuntos de fatores independentes. Uma vez validado, esse modelo poderá ser utilizado para ajudar na decisão do profissional, como um suporte à decisão clínica.

Idiomas
Hematology, Transfusion and Cell Therapy

Subscribe to our newsletter

Article options
Tools