Modelo preditivo sensível para detecção de diabetes tipo II em screening

Abstract

Este estudo teve como objetivo avaliar o desempenho de diferentes algoritmos de machine learning na detecção do diabetes tipo II. As métricas analisadas incluíram sensibilidade (recall), especificidade, valor preditivo positivo (VPP), valor preditivo negativo (VPN) e a média ponderada do recall. A sensibilidade e o VPN foram destacadas como métricas cruciais, uma vez que são essenciais para identificar corretamente a maioria dos casos de diabetes e garantir maior precisão ao classificar resultados negativos, minimizando falsos negativos e possibilitando diagnósticos precoces. Os algoritmos avaliados foram rede neural, SVM, floresta aleatória, árvore de decisão e regressão logística. Os resultados mostraram que a regressão logística foi o modelo mais eficaz para a triagem inicial do diabetes, principalmente devido à sua alta sensibilidade e VPN, além de um VPP superior em comparação à rede neural, que apresentou baixo VPP. No entanto, futuras melhorias devem focar no aumento do VPN.