Aplicação de Técnicas de Machine Learning na Otimização da Gestão Hospitalar

Abstract

Este trabalho tem como objetivo aplicar o algoritmo de clusterização K-Means para identificar padrões de doenças e subsidiar a tomada de decisões no Hospital do Catapa, através da integração de soluções baseadas em tecnologias emergentes, com destaque para a Inteligência Artificial e, em particular, o Machine Learning, com o intuito de aprimorar a análise de dados clínicos e otimizar a administração dos recursos de saúde. A metodologia adotada envolveu a coleta e o tratamento de 4.050 registros clínicos, contemplando variáveis como data de atendimento, bairro, gênero, idade, faixa etária, tipo de doença e agrupamento do bairro. Após o pré-processamento dos dados, aplicou-se o algoritmo K-Means, possibilitando a formação de 5 clusters compostos por pacientes com características semelhantes. A análise indicou, que o bairro Catapa (classificado como periurbano) concentra aproximadamente 58% dos casos de malária e febre. Observou-se também que a faixa etária de jovens representa 38,4,% dos registros; crianças, 32,3%; adolescentes, 14,9%; adultos, 11,8%; e idosos, 2,6%, com leve predominância do gênero masculino (50,1%) em relação ao feminino (49,9%). O bairro Catapa, isoladamente, responde por 37% dos casos registrados; Mbemba Ngango por 15%; Kindenuku por 10%; Dunga por 5%; Papelão por 3%; e os demais 34 bairros somam os 30% restantes. O mês de junho apresentou a maior incidência, com cerca de 36% do total de ocorrências, registou-se também que quanto aos tipos de bairros, o tipo Periourbano apresenta uma ocorrência de 73,6% de caso, os bairros urbanos com 24,6% e os bairros Rurais com 1.8%, conforme os dados extraídos do livro de registro do hospital.