• Informações do Trabalho

Titulo Predição de Insuficiência Cardíaca em Tempo Real: Uma Abordagem para Ambientes de Vida Assistida Subtítulo Autor LUCAS DUARTE CHAVES Orientador LUCIANA CONCEICAO DIAS CAMPOS Resumo Este trabalho de conclusão de curso investiga o uso de modelos de aprendizado de máquina para a predição de insuficiência cardíaca em tempo real, com foco na realidade do sistema de saúde brasileiro. O objetivo principal é treinar e avaliar modelos preditivos utilizando uma base de dados que reflita os parâmetros clínicos adotados nacionalmente. A solução considera o uso de computação de borda para realizar o processamento local dos sinais vitais, reduzindo a dependência de conexão contínua com a internet e a latência na geração de alertas. Os resultados demonstraram que o modelo \textit{XGBoost} obteve o melhor desempenho geral, com acurácia de 82\% e \textit{F1-Score} de 83\%, enquanto o modelo SVM destacou-se pela maior sensibilidade (86\% de \textit{recall}). A implementação em dispositivos móveis validou a eficiência da computação de borda, reduzindo a latência de inferência em 99,3\% em comparação ao processamento remoto e garantindo respostas imediatas para o monitoramento de pacientes. Palavras-Chave Heart failure prediction, Edge computing, Machine learning, Internet of Things (IoT), Health monitoring, Mobile applications, Real-time systems, Privacy and security in healthcare