Modelo computacional aplicado a identificação de diabetes mellitus

Abstract

Este trabalho descreve o projeto e implementação de um modelo computacional capaz de classificar indivíduos com suspeita de Diabetes Mellitus. O modelo foi desenvolvido através de redes neurais artificiais e utiliza para treinamento um banco de dados fornecido por uma rede de laboratórios de análises clínicas. Utilizando a arquitetura de rede Multilayer Perceptron foi possível testar diferentes estruturas de redes neurais, variando funções de ativações, camadas, número de neurônios, taxas de aprendizado e otimizadores. É proposto um modelo computacional que simula o resultado do exame de hemoglobina glicada e classifica indivíduos em saudáveis ou com suspeita de diabetes. A rede neural artificial utiliza 26 parâmetros de entrada que correspondem a idade, glicose em sangue, hemogramas, colesteróis, creatinina e triglicerídeos e possui acurácia final de 81,8% na classificação de indivíduos com suspeita de diabetes.

Abstract: This work describes the design and implementation of a computational model that classifies people with Diabetes Mellitus suspect. The model was developed using artificial neural networks. For the training of the model it was used databases provided by a clinical laboratory. Using the Multilayer Perceptron network architecture it was possible to test different neural network structures, varying functions of activation, layers, number of neurons, learning rates and optimizers. It is proposed a computational model that simulates the results of the glycated hemoglobin test and classifies people in healthy or with diabetes suspect. The artificial neural network uses 26 input parameters that correspond to age, blood glucose, hemograms, cholesterols, creatinine and triglycerides and has a final accuracy of 81.8% in the classification of people with diabetes suspect.