Investigando o Uso de Aprendizado Federado na Detecção e Controle de Diabetes

Abstract

A redução da mortalidade por doenças crônicas, como a diabetes, é um dos desa- fios da Agenda 2030 da OMS. O diagnóstico precoce é uma abordagem promissora, pois, em muitos casos, o tratamento na fase inicial da doença pode reverter a situ- ação sem grandes impactos na vida do paciente. Este trabalho investiga o uso de aprendizado federado na detecção e monitoramento de diabetes por biomarcadores fisiológicos. Utilizou-se um conjunto de métodos para seleção de dados, preprocessa- mento e treinamento de algoritmos, incluindo redes neurais e florestas randômicas, avaliados com métricas de desempenho. Os resultados indicaram alta precisão (0.999) para classificação, demonstrando a eficácia do modelo global, além de comprovada a possibilidade de personalização dos modelos locais. Conclui-se que o aprendizado federado é promissor para aplicações na saúde, apesar da necessidade de dados mais robustos e generalizáveis.