Sistema preditivo para a doença de Alzheimer na triagem clínica / System predictive for Alzheimer's disease in clinical trial / Predictivo Sistema para la enfermedad de Alzheimer en ensayo clínico

RESUMO

Objetivo: Descrever uma aplicação que, utilizando-se de técnicas de mineração de dados, visa auxiliar os especialistas no processo de diagnóstico de pacientes com suspeita clínica de Alzheimer atendidos pelo Centro de Alzheimer e Parkinson no município de Campos dos Goytacazes/RJ. Método: Aplicação de técnicas relacionadas à etapa de pré-processamento dos dados, de classificação (naïve bayes, redes bayesianas e árvores de decisão) com avaliação dos resultados a partir do uso da validação cruzada estratificada k-fold, cujas implementações estão disponíveis na ferramenta Weka. Resultado: Observou-se os resultados numéricos dos modelos de acordo com as métricas acurácia, taxa de erro, sensibilidade, taxa de falsos positivos e taxa de falsos negativos, obtendo-se as taxas de 73,8%, 26,2%, 76,3%, 27,4%, 23,7%, respectivamente. Conclusão: Verificou-se que os classificadores bayesianos, em especial redes bayesianas, apresentaram os melhores resultados para o diagnóstico da doença de Alzheimer a partir das métricas supracitadas.

ABSTRACT

Objective: Describe an application that uses data mining techniques and aims to support those specialists in the Alzheimer diagnostic process which assist patients in the Alzheimer's and Parkinson's Center, located in the city of Campos dos Goytacazes, Brazil. Methods: Application of methods related with data pre-processing, classification (naïve bayes, bayesian networks and decision trees) using k-fold method for results evaluation, whose implementations are available in the Weka tool. Results: The obtained results related to the accuracy of the models were accuracy - 73.8%; error rate ­ 26.2%; sensitivity ­ 76.3%; false positive rate - 27.4%; and false negative rate - 23.7%. Conclusion: The Bayesian classifiers, more specifically Bayesian networks, presented best results for the diagnosis of Alzheimer.

RESUMEN

Objetivo: Describir una aplicación que utiliza técnicas de minería de datos, con objetivo de ayudar a los expertos en el diagnóstico de pacientes con sospecha de enfermedad de Alzheimer, que son atendidos en el Centro de Alzheimer y Parkinson en el municipio de Campos dos Goytacazes, Brasil. Método: Aplicación de técnicas para el procesamiento previo de los datos, la clasificación (naïve Bayes, redes bayesianas y rboles de decisión), aplicando el método k-fold en la evaluación de los resultados, cuyas implementaciones están disponibles en la herramienta Weka. Resultado: Los resultados obtenidos en relación con la exactitud de los modelos fueron precisión ­ 73,8%; tasa de error - 26,2%; Sensibilidad ­ 76.3%; tasa de falsos positivos - 27,4%; y tasa de falsos negativos ­ 23,7%. Conclusión: Los clasificadores bayesianos, más concretamente redes bayesianas, presentaran mejores resultados para el diagnóstico de la enfermedad de Alzheimer.