Banca de DEFESA: JESAÍAS CARVALHO PEREIRA SILVA

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: JESAÍAS CARVALHO PEREIRA SILVA
DATA: 19/03/2020
HORA: 09:30
LOCAL: PROPPG - Sala 23
TÍTULO:

UM MÓDULO INTELIGENTE BASEADO EM APRENDIZADO DE MÁQUINA PARA TREINAMENTO DE ESTUDANTES DE MEDICINA NO DOCTRAINING

PALAVRAS-CHAVES:

Inteligência Artificial, Aprendizado de Máquina, Medicina, Jogo, Classificação, Múltiplos Classificadores, Comitê de classificadores, Casos clínicos, Diabetes, Doença cardíaca.

PÁGINAS: 107
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO:

Nos últimos anos, estudantes de medicina do Brasil obtiveram baixo desempenho no exame do Conselho Regional de Medicina do Estado de São Paulo. Embora a avaliação mais recente mostre melhorias, eles ainda apresentam um desempenho ruim em especialidades como casos clínicos, diabetes e infarto do miocárdio. Nesse contexto, emergem várias estratégias para melhorar o ensino e a aprendizagem dos estudantes de medicina, uma delas são os jogos sérios. No entanto, existe um problema ao tentar treinar estudantes de medicina em casos clínicos por meio de um jogo, pois há um grande número de doenças, e o processamento de um banco de dados contendo essas doenças é trabalhoso, além de que é necessário sempre estar com essas informações atualizadas. Esta pesquisa descreve um módulo inteligente de um jogo sério para o treinamento de estudantes de medicina. Este módulo possui um site para disseminação, gerenciamento e expansão de dados. As informações são disponibilizadas para o jogo sério por meio de um web service. Foram utilizados bancos de dados de casos clínicos, doença cardíaca e diabetes. Esses bancos de dados são rotulados por múltiplos classificadores de aprendizado de máquina que agregam as classificações por meio de confiança e voto majoritário. O módulo inteligente foi validado computacionalmente e com profissionais da área da medicina. Na validação computacional, os classificadores utilizaram a métrica de precisão e medida-F, por meio de divisão de porcentagem e validação cruzada. Em relação à validação com os profissionais, foi realizada uma entrevista semiestruturada com uma professora e um técnico em laboratório do curso de medicina da Universidade Federal Rural do Semi-Árido. Por meio dos resultados encontrados, foi possível observar que a combinação de classificadores melhorou os resultados iniciais. Destacando-se a combinação de Naive Bayes e Regressão logística utilizando Voto Majoritário para classificação na base de doença cardíaca; Máquina de vetores de suporte, Árvore de decisão e Regressão logística usando Voto Majoritário para classificação de Diabetes; e Máquina de vetores de suporte, K-Nearest Neighbor, Naive Bayes e Regressão logística utilizando Confiança para classificação na base de Casos Clínicos. Os profissionais demonstraram que o módulo inteligente do DocTraining pode gerenciar os dados do jogo sério, tendo potencial para evoluir e se tornar uma ferramenta capaz de auxiliar no ensino-aprendizagem dos estudantes e professores de medicina.

MEMBROS DA BANCA:
Presidente - 1631848 - ARAKEN DE MEDEIROS SANTOS
Externo à Instituição - DANIEL SABINO AMORIM DE ARAUJO - UFRN
Interno - 750.461.054-20 - FRANCISCO CHAGAS DE LIMA JÚNIOR - UERN