Revista de Métodos de Diagnóstico Médico
Acesso livre

Abstrato

Sinergizando Aprendizado de Máquina e Blockchain para Pioneirar na Detecção Precoce de Doenças: Um Estudo Focado no Diagnóstico da COVID-19

Jayendra S. Jadhav

A detecção precoce de doenças desempenha um papel fundamental na assistência médica moderna, pois pode influenciar substancialmente o prognóstico do paciente, os custos da assistência médica e a saúde pública em geral. Os algoritmos de aprendizado de máquina servem como ferramentas indispensáveis ​​para descobrir padrões sutis, tendências e fatores preditivos presentes em fontes de dados médicos complexas, como registros de pacientes, imagens de diagnóstico e informações genômicas. A integração do aprendizado de máquina com a tecnologia Blockchain apresenta uma oportunidade substancial para avanços transformadores na assistência médica. Este documento examina várias técnicas de aprendizado de máquina, como LR, RF, GB, SVC e GNB. Ele mostra sua notável eficácia na análise de sintomas para detecção precisa de doenças, com a COVID-19 servindo como um estudo de caso primário. A aplicação da validação cruzada ofereceu uma análise sofisticada das capacidades de desempenho, revelando que os modelos Random Forest e Gradient-Boosting são particularmente eficazes, atingindo um equilíbrio vital em suas métricas, o que é vital para a detecção confiável de doenças em seu início. Além disso, esses modelos, com sua precisão significativa (0,91) e precisão (0,92), afirmaram seu status como uma ferramenta excepcional para a identificação precoce de doenças. Em última análise, a combinação de tecnologias de aprendizado de máquina e Blockchain reforça significativamente a capacidade dos sistemas de saúde de detectar e controlar doenças precocemente, melhorando nossa compreensão sobre elas e orientando medidas e estratégias de saúde pública.