A segurança do paciente constitui um dos grandes desafios dos cuidados de saúde
do século XXI. Deste modo um fator importante para estabelecer diagnósticos clínicos e
prevenção de erros é a comunicação médico-doente.
Diariamente os profissionais de saúde são procurados por pacientes, motivados pela
vontade de permanecer saudável, realizando inúmeros diagnósticos que podem estar errados
por diversos motivos.
O objetivo principal desta dissertação é desenvolver uma aplicação com o intuito de
evitar erros no diagnóstico médico, auxiliando assim os profissionais de saúde nos procedimentos
de diagnóstico. A aplicação ProSmartHealth é baseada em treinar e testar
um procedimento de aprendizagem com o conjunto de dados de saúde para identificar
clusters e padrões nos sintomas humanos. No início terá um questionário integrado, onde
os profissionais de saúde preenchem perguntas chave com os resultados dos pacientes e,
no final, a aplicação indicará uma sugestão de diagnóstico. Até agora, a ProSmartHealth
considera o diagnóstico associado a doença cardíaca, cancro da mama e demência.
A ProSmartHealth utiliza o algoritmo de classificação Support Vector Machine, do
Supervised Learning, para treinar e testar as sugestões de diagnóstico.
Neste estudo obteve-se uma precisão média de 84% na identificação das doenças estudadas.
