Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas
Osteoporosis is a silent and still underdiagnosed condition, with a mortality rate higher than several types of cancer, especially when patients suffer fractures. The gold standard equipment for the diagnosis, Dual-energy X-ray absorptiometry (DXA, or DEXA), which uses ionizing radiation and is e...
Na minha lista:
Autor principal: | |
---|---|
Outros Autores: | |
Formato: | doctoralThesis |
Idioma: | pt_BR |
Publicado em: |
Universidade Federal do Rio Grande do Norte
|
Assuntos: | |
Endereço do item: | https://repositorio.ufrn.br/handle/123456789/55342 |
Tags: |
Adicionar Tag
Sem tags, seja o primeiro a adicionar uma tag!
|
id |
ri-123456789-55342 |
---|---|
record_format |
dspace |
institution |
Repositório Institucional |
collection |
RI - UFRN |
language |
pt_BR |
topic |
Triagem de osteoporose Aprendizado de máquina Atenção primária à saúde CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
spellingShingle |
Triagem de osteoporose Aprendizado de máquina Atenção primária à saúde CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Albuquerque, Gabriela de Araújo Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas |
description |
Osteoporosis is a silent and still underdiagnosed condition, with a mortality rate higher than
several types of cancer, especially when patients suffer fractures. The gold standard
equipment for the diagnosis, Dual-energy X-ray absorptiometry (DXA, or DEXA), which uses
ionizing radiation and is expensive, is scarce in countries considered middle or low-income,
thus hindering timely access to diagnosis. In this context, a portable device, Osseus, was
developed for the screening of patients who need the densitometry exam, i.e., to qualify the
referrals of exams to the DEXA equipment. The thesis aimed to validate the Osseus device
using machine learning techniques. For this, the planning and data collection of 505 patients
who underwent the exam at DEXA and Osseus. 21.8% of them were healthy and 78.2% were
diseased (they had low bone mineral density or osteoporosis). The dataset was separated into
80% for training and validation (5-fold cross-validation) and 20% for testing. The performance
obtained in the test base with the best model (Random Forest) corresponded to
sensitivity=0.853, specificity=0.871, and F1(harmonic average of precision and sensitivity
rate)=0.859. The results showed that the most relevant variables to indicate the individual
health status were age, body mass index (BMI), and the attenuation of the signal emitted and
detected by the Osseus device.When compared to the results of DEXA scans, the model has
proven to be effective and consistent in screening individuals with osteoporosis and facilitating
early diagnosis of the disease, which consequently entails improved productivity and reduced
costs for surgery, treatment, and hospitalization. Thus, by qualifying the referral of patients
from primary care to the specialized network, Osseus can impact the reduction of waiting lines
of the Brazilian National Health System. |
author2 |
Valentim, Ricardo Alexsandro de Medeiros |
author_facet |
Valentim, Ricardo Alexsandro de Medeiros Albuquerque, Gabriela de Araújo |
format |
doctoralThesis |
author |
Albuquerque, Gabriela de Araújo |
author_sort |
Albuquerque, Gabriela de Araújo |
title |
Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas |
title_short |
Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas |
title_full |
Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas |
title_fullStr |
Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas |
title_full_unstemmed |
Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas |
title_sort |
machine learning aplicado a triagem de osteoporose: modelo baseado na atenuação de ondas eletromagnéticas |
publisher |
Universidade Federal do Rio Grande do Norte |
publishDate |
2023 |
url |
https://repositorio.ufrn.br/handle/123456789/55342 |
work_keys_str_mv |
AT albuquerquegabrieladearaujo machinelearningaplicadoatriagemdeosteoporosemodelobaseadonaatenuacaodeondaseletromagneticas |
_version_ |
1784351206453280768 |
spelling |
ri-123456789-553422023-11-14T23:23:19Z Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas Albuquerque, Gabriela de Araújo Valentim, Ricardo Alexsandro de Medeiros https://orcid.org/0000-0003-3983-796X http://lattes.cnpq.br/2881597530431714 http://lattes.cnpq.br/3181772060208133 Morais, Antonio Higor Freire de Campos, Antonio Luiz Pereira de Siqueira http://lattes.cnpq.br/1982228057731254 Gusmão, Cristine Martins Gomes de Machado, Guilherme Medeiros Santos, João Paulo Queiroz dos Petrella, Lorena Itati Triagem de osteoporose Aprendizado de máquina Atenção primária à saúde CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA Osteoporosis is a silent and still underdiagnosed condition, with a mortality rate higher than several types of cancer, especially when patients suffer fractures. The gold standard equipment for the diagnosis, Dual-energy X-ray absorptiometry (DXA, or DEXA), which uses ionizing radiation and is expensive, is scarce in countries considered middle or low-income, thus hindering timely access to diagnosis. In this context, a portable device, Osseus, was developed for the screening of patients who need the densitometry exam, i.e., to qualify the referrals of exams to the DEXA equipment. The thesis aimed to validate the Osseus device using machine learning techniques. For this, the planning and data collection of 505 patients who underwent the exam at DEXA and Osseus. 21.8% of them were healthy and 78.2% were diseased (they had low bone mineral density or osteoporosis). The dataset was separated into 80% for training and validation (5-fold cross-validation) and 20% for testing. The performance obtained in the test base with the best model (Random Forest) corresponded to sensitivity=0.853, specificity=0.871, and F1(harmonic average of precision and sensitivity rate)=0.859. The results showed that the most relevant variables to indicate the individual health status were age, body mass index (BMI), and the attenuation of the signal emitted and detected by the Osseus device.When compared to the results of DEXA scans, the model has proven to be effective and consistent in screening individuals with osteoporosis and facilitating early diagnosis of the disease, which consequently entails improved productivity and reduced costs for surgery, treatment, and hospitalization. Thus, by qualifying the referral of patients from primary care to the specialized network, Osseus can impact the reduction of waiting lines of the Brazilian National Health System. A osteoporose é uma condição silenciosa e ainda subdiagnosticada, com uma taxa de mortalidade superior a diversos tipos de câncer, principalmente, quando os pacientes sofrem fraturas. O equipamento "padrão ouro" para o diagnóstico, o Dual Energy X-Ray Absorptiometry (DEXA), que utiliza radiação ionizante e possui custo elevado, é escasso em países considerados de renda média ou baixa, aspectos que podem dificultar o acesso oportuno ao diagnóstico. Neste contexto, um dispositivo portátil, Osseus, foi desenvolvido para a triagem de pacientes que necessitam do exame de densitometria, ou seja, para qualificar as solicitações dos exames para o DEXA. A tese teve como objetivo validar o dispositivo Osseus utilizando técnicas de aprendizado de máquina. Para isso, foi realizado o planejamento e coleta de dados de 505 pacientes que realizaram o exame no DEXA e no Osseus. Destes, 21,8% estavam saudáveis e 78,2% estavam doentes (apresentavam baixa densidade mineral óssea ou osteoporose). A base de dados foi separada em 80% para treino e validação (usando validação cruzada com k fold = 5) e 20% para teste. O desempenho obtido na base de teste com o melhor modelo (Floresta Aleatória - Random Forest) correspondeu a sensibilidade = 0.853, especificidade = 0.871 e F1 (média harmônica da precisão e da sensibilidade) = 0.859. Os resultados evidenciaram que as variáveis de maior relevância para indicar a condição de saúde do indivíduo foram idade, índice de massa corporal e a atenuação do sinal emitido e detectado pelo dispositivo Osseus. Quando comparado com os resultados dos exames DEXA, o modelo mostrou-se efetivo para realizar a triagem de indivíduos com osteoporose e facilitar o diagnóstico precoce da doença, o que implica na redução de custos com cirurgias, tratamento e hospitalizações. Assim, ao qualificar o encaminhamento dos pacientes da atenção primária para a rede especializada, o Osseus pode impactar na diminuição de filas de densitometria no Sistema Único de Saúde no Brasil. 2023-11-14T23:22:44Z 2023-11-14T23:22:44Z 2023-09-21 doctoralThesis ALBUQUERQUE, Gabriela de Araújo. Machine Learning Aplicado a Triagem de Osteoporose: modelo baseado na atenuação de ondas eletromagnéticas. Orientador: Dr. Ricardo Alexsandro de Medeiros Valentim. 2023. 88f. Tese (Doutorado em Engenharia Elétrica e de Computação) - Centro de Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2023. https://repositorio.ufrn.br/handle/123456789/55342 pt_BR Acesso Aberto application/pdf Universidade Federal do Rio Grande do Norte Brasil UFRN PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA E DE COMPUTAÇÃO |