- A epilepsia é uma alteração temporária e reversível do funcionamento do cérebro, que não tenha sido causada por febre, drogas ou distúrbios metabólicos e se expressa por crises epilépticas repetidas [3].
- Mesmo sendo caracterizada como um distúrbio no cérebro, foi descoberto pelos pesquisadores da Case Western University a partir dos resultados do estudo que há uma variabilidade da frequência cardíaca na epilepsia e aumento da atividade do sistema nervoso parassimpático durante o sono [2].
- Dado esse cenário, um modelo de aprendizado de máquina que consiga detectar, a partir de dados de frequência cardíaca, quando está ocorrendo uma epilepsia pode ser relevante para o sistema de saúde como uma ferramenta que auxilie os médicos.
- Assim, é possível intervir o mais rápido possível quando alguma alteração seja detectada em um paciente resultando em um melhor atendimento.
- O desenvolvimento do trabalho foi baseado no processo de mineração de dados, que consiste em entender o problema, realizar a análise exploratória do conjunto e realizar transformações nos dados como tratamento de dados nulos. Para então, aplicar os modelos de aprendizado de máquina e validar os resultados obtidos através das métricas de classificação.
- Neste trabalho serão aplicados três modelos de aprendizado de máquina para problemas de classificação, visto que o objetivo é identificar se o paciente está ou não com epilepsia a partir de dados já classificados. Escolheu-se comparar o modelo de regressão logística com os modelos de Random Forest e KNeighbors, sendo utilizadas as métricas de precisão, Recall, Score F1 e a matriz de confusão para avaliação dos desempenhos.
2022.2