Projeto - Classificador de Indivíduos com Diabetes

Primeiro projeto apresentado na displina de Inteligência Computacional em Saúde ministrada pelo professor Andre Georghton Cardoso Pacheco. Os alunos envolvidos no desenvolvimento foram:

Luiz Carlos Cosmi Filho

Mateus Sobrinho Menines

Sumário

Base de dados
Instalação
Resultados
Licença

Base de dados

A base de dados utilizada nesse projeto corresponde a um questionário chamado Behavioral Risk Fator Surveillance System (BRFSS) de 2015 realizado pelo CDC (Central Disease Control) disponível na plataforma UCI Machine Learning Repository como CDC Diabetes Health Indicators. A base de dados é composta por 3 arquivos, sendo eles:

diabetes_binary_health_indicators_BRFSS2015.csv
diabetes_binary_5050split_health_indicators_BRFSS2015.csv
diabetes_012_health_indicators_BRFSS2015.csv

Nesse trabalho, serão utilizados os dados diabetes_binary_health_indicators_BRFSS2015.csv que corresponde a um problema de classificação binária para o diagnóstico de diabetes, os atributos presentes na base de dados são:

Atrbiuto	Descrição	Valores
Diabetes_binary	você tem diabetes?	Sim (1) ou não(0)
HighBP	você tem pressão alta?	Sim (1) ou não(0)
HighChol	você tem colesterol alto?	Sim (1) ou não(0)
CholCheck	você realizou exame de colesterol nos últimos cinco anos?	Sim (1) ou não(0)
BMI	qual seu índice de massa muscular?	Número inteiro
Smoker	você é fumante?	Sim (1) ou não(0)
Stroke	você já teve um AVC?	Sim (1) ou não(0)
HeartDiseaseorAttack	você tem doença coronariana (DCC) ou infarto do miocárdio?	Sim (1) ou não(0)
PhysActivity	você praticou atividade física nos últimos 30 dias?	Sim (1) ou não(0)
Fruits	você consume uma ou mais frutas por dia?	Sim (1) ou não(0)
Veggies	você consume uma ou mais verduras por dia?	Sim (1) ou não(0)
HvyAlcoholConsump	você consume grandes quantidades de álcool (homens adultos que bebem mais de 14 drinques por semana e mulheres adultas que bebem mais de 7 drinques por semana)?	Sim (1) ou não(0)
AnyHealthcare	você tem algum plano de saúde?	Sim (1) ou não(0)
NoDocbcCost	houve algum momento nos últimos 12 meses em que você precisou consultar um médico, mas não pôde por causa do custo?	Sim (1) ou não(0)
GenHlth	você diria que, em geral, o quão boa é a sua saúde?	Escala de 1 à 5
MentHlth	sobre sua saúde mental, que inclui estresse, depressão e problemas emocionais, por quantos dias durante os últimos 30 dias sua saúde mental não foi boa?	Escala de 0 à 30
PhysHlth	sobre sua saúde física, que inclui doenças e lesões físicas, por quantos dias durante os últimos 30 dias sua saúde física não foi boa?	Escala de 0 à 30
DiffWalk	você tem muita dificuldade para andar ou subir escadas?	Sim (1) ou não(0)
Sex	qual o seu sexo?	Feminino (0) ou masculino (1)
Age	qual a sua idade?	Escala de 0 à 14
Education	qual o seu nível de escolaridade	Escala de 1 à 6
Income	qual a sua renda familiar anual?	Escala de 1 à 8

📝 Nota: Para execução do projeto, os dados devem ser baixados no link disponibilizado acima e colocados na pasta data.

Instalação

As instruções de instalação a seguir são apresentadas para o sistema operacional Ubuntu.

⚠️ Aviso: Testado apenas no Ubuntu 22.04.

Ambiente virtual

O pacote python3-venv é necessário para criar ambientes virtuais Python. Para instalá-lo no Ubuntu 22.04, execute o seguinte comando:

sudo apt-get install python3-venv

Obtendo o projeto

Agora, vamos clonar um repositório Git e criar um ambiente virtual Python:

# Baixe o projeto
git clone https://github.com/intel-comp-saude-ufes/2024-1-P1-classificador-diabetes.git

# Entre na pasta do projeto
cd 2024-1-P1-classificador-diabetes/

# Crie um ambiente virtual com nome '.venv'
python3 -m venv .venv

# Ative o ambiente virtual
source .venv/bin/activate

Instalando as dependências

Uma vez no ambiente virtual, instale as dependências do projeto usando pip. Caso você não o tenha instalado em seu computador, basta executar:

sudo apt-get install python3-pip

Então, você pode prosseguir com a instalação das dependências do projeto:

pip3 install -r requirements.txt

Abrindo o projeto

Para abrir os Jupyter Notebooks que contém o projeto, basta utilizar o projeto JupyterLab computational environment (já consta como dependência desse trabalho). Para executá-lo, basta digitar no terminal:

jupyter-lab

Então, abra o browser em: http://localhost:8888/. O arquivo notebooks/project que contém todo o código desenvoldido do projeto.

Resultados

A apresentação do projeto foi disponibiliza no YouTube no seguinte link:

Além disso, o relatório/artigo descrevendo o projjeto pode ser encontrado em results/report.pdf. Nele é realizada uma discussão do problema, trabalhos relacionados, metodologia, resultados e trabalhos futuros. As curvas ROC e PR dos melhores classificadores avaliados sobre a base de dados podem ser observadas a seguir.

Curva ROC	Curva PRC

Os resultados mostram que a utilização de qualquer um dos classificadores em uma aplicação em produção apresentariam resultados semelhantes. Apesar disso, algoritmo Extreme Gradient Boosting apresentou um melhor desempenho quando comparado aos outros (melhor média harmônica F1, maior área sobre a curva ROC e curva PRC). Assim, poderia-se utilizar o algoritmo como um indicador ao risco de desenvolver diabetes do tipo 2, alertando ao usuário sobre o risco de desenvolver a doença com base no indicadores utilizados pela base de dados.

Licença

Este projeto é licenciado sob os termos da licença MIT e está disponível gratuitamente.