SOPHIA: PLATAFORMA BASEADA EM INTELIGÊNCIA ARTIFICIAL PARA A PREDIÇÃO DE COMPLICAÇÕES DE SAÚDE NEONATAL EM PERNAMBUCO

Flávio Leandro De Morais Melo; Maria Eduarda Ferro de Mello; Stephany Paula da Silva canejo; Kátia Maria Mendes; Waldemar Brandão Neto; Patricia Takako Endo

Todos os Trabalhos

Trabalho

Título do Trabalho

SOPHIA: PLATAFORMA BASEADA EM INTELIGÊNCIA ARTIFICIAL PARA A PREDIÇÃO DE COMPLICAÇÕES DE SAÚDE NEONATAL EM PERNAMBUCO

Autores

Flávio Leandro De Morais Melo
Maria Eduarda Ferro de Mello
Stephany Paula da Silva canejo
Kátia Maria Mendes
Waldemar Brandão Neto
Patricia Takako Endo

Modalidade

Trabalho original

Área temática

Inovação em saúde

Data de Publicação

06/05/2026

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/consaude2026/1459920-sophia--plataforma-baseada-em-inteligencia-artificial-para-a-predicao-de-complicacoes-de-saude-neonatal-em-perna

ISBN

978-65-272-2368-9

Palavras-Chave

Inteligência artificial, sepse neonatal, plataforma de auxilio

Resumo

Introdução: A sepse é uma das principais causas de mortalidade neonatal, especialmente em neonatos acometidos pelo baixo peso ao nascer, prematuridade, elevada exposição a intervenções invasivas no contexto da UTIN e vulnerabilidades socioeconômicas e assistenciais das gestantes. Modelos de Inteligência Artificial (IA) têm se destacado como uma tecnologia promissora para a identificação precoce de problemas de saúde. Objetivo: Apresentar a plataforma sophIA, uma solução em desenvolvimento que integra diferentes modelos de IA, para apoiar profissionais de saúde na identificação precoce e prevenção de complicações adversas associadas à saúde neonatal no contexto da UTIN. O desenvolvimento da sophIA envolve revisão da literatura, parcerias com profissionais e pesquisadores das áreas da saúde e ciência de dados, e cooperação com hospital parceiro o CISAM. Metodologia: A coleta de dados foi aprovada pelo CEP do CISAM (CAAE: 78547524.8.0000.5191; parecer nº6.891.723, 17/06/2024). O conjunto de dados original continha 2.053 registros e 130 atributos e uma análise exploratória foi realizada para avaliação de completude, tipos e comportamento estatístico dos dados. A seleção de atributos foi realizada com base na literatura, considerando 10 publicações dos últimos 10 anos, e na expertise de profissionais da saúde neonatal, resultando na seleção de 42 atributos para treino de um modelo de IA, o Decision Tree (DT). Após o pré-processamento, o conjunto de dados resultou em 26 atributos (https://rebrand.ly/sele-atributos-a5a33f) e 2.053 registros, com 365 casos positivos para sepse e 1.688 negativos. Os dados foram balanceados utilizando a técnica Random Undersampling e divididos em 80% para treinamento e 20% para teste. O modelo DT foi configurado com critério de impureza Gini, método de divisão best, mínimo de 30 amostras para divisão interna, mínimo de 1 amostra por folha, fração mínima de peso por folha igual a 0,0 e semente aleatória 42; sendo avaliado pelas métricas de acurácia, precisão, sensibilidade, especificidade, f1-score e AUC-ROC. Resultados e Discussões: O modelo DT apresentou desempenho satisfatório na predição de sepse neonatal, alcançando acurácia de 83,56%, precisão de 83,59%, sensibilidade de 82,19%, especificidade de 84,93%, f1-score de 83,56% e AUC-ROC de 84,13%. Esses resultados indicam boa capacidade em elencar neonatos com maior probabilidade de desenvolver sepse, mantendo equilíbrio entre a identificação de casos positivos e a redução de falsos positivos. A sensibilidade obtida evidencia a boa eficácia do modelo na detecção da maioria dos casos de sepse, enquanto a especificidade contribui para minimizar casos incorretos e intervenções desnecessárias. Conclusão: O desempenho observado reforça o potencial da IA como ferramenta de apoio à tomada de decisão clínica e na identificação precoce da sepse neonatal. A sophIA propõe a integração de modelos de IA, como o apresentado nesta pesquisa, em uma plataforma clínica capaz de gerar alertas que subsidiem a tomada de decisão, favorecendo intervenções oportunas na UTIN. Os resultados apresentados são preliminares mas demonstram o potencial de IA para auxiliar a saúde materno-infantil. Como trabalhos futuros, propõe ampliação das avaliações com diferentes modelos aplicados mas não se limitando à sepse, displasia broncopulmonar, mortalidade, hipertensão pulmonar, assim como aplicação de técnicas de balanceamento, métodos de interpretabilidade, estatístico, entre outras.

Título do Evento: 3o. Congresso em Saúde do HC-UFPE
Cidade do Evento: Recife
Título dos Anais do Evento: Anais do Congresso em Saúde do Hospital das Clínicas da UFPE
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

MELO, Flávio Leandro De Morais et al.. SOPHIA: PLATAFORMA BASEADA EM INTELIGÊNCIA ARTIFICIAL PARA A PREDIÇÃO DE COMPLICAÇÕES DE SAÚDE NEONATAL EM PERNAMBUCO.. In: Anais do Congresso em Saúde do Hospital das Clínicas da UFPE. Anais...Recife(PE) Mar Hotel Conventions, 2026. Disponível em: https//www.even3.com.br/anais/consaude2026/1459920-SOPHIA--PLATAFORMA-BASEADA-EM-INTELIGENCIA-ARTIFICIAL-PARA-A-PREDICAO-DE-COMPLICACOES-DE-SAUDE-NEONATAL-EM-PERNA. Acesso em: 10/08/2026