O aluno Ferdinand de Paula da Silva apresentou a pesquisa Aplicação de Técnicas de Aprendizado de Máquina Supervisionado na Detecção de Infecção Hospitalar em um Hospital Universitário, que teve orientação do professor Francisco Ícaro do Nascimento Ribeiro (CESAR School) e co-orientação de Wilamis Kleiton Nunes da Silva, contou com o avaliador interno Felipe Silva Ferraz (CESAR School) e avaliador externo Rafael de Albuquerque Ribeiro – Ministério Público de Pernambuco – DEMPRO – Departamento Ministerial de Produção.
Resumo: A Infecção Relacionada à Assistência à Saúde ou apenas Infecção Hospitalar é aquela adquirida após a admissão do paciente e que se manifesta durante a internação, ou após a alta quando relacionada com procedimentos hospitalares. Infecção Hospitalar é um importante problema, seja pela morbidade e mortalidade associadas ou pelo uso excessivo de recursos hospitalares para o tratamento. Desse modo o controle e a prevenção de infecções hospitalares são essenciais para a redução de custos, bem como para a melhoria dos cuidados prestados em uma instituição de saúde. No intuito de ajudar no combate de Infecção Relacionada à Assistência à Saúde este trabalho aplicou e avaliou técnicas de aprendizado de máquina supervisionado na detecção de infecção hospitalar em um hospital universitário. Como auxílio neste trabalho foi utilizada a ferramenta WEKA onde 20 classificadores foram aplicados utilizando base de dados criada a partir de um sistema de gestão hospitalar. A base continha informações de exames e de controles de sinais vitais dos pacientes, a escolha das informações para compor a base de dados considerou os critérios de diagnóstico da doença estabelecidos pela Agência de Vigilância Sanitária do Brasil. Os classificadores foram usados para prever resultado do exame de cultura de urina, exame responsável por determinar casos de infecção hospitalar do trato urinário. A infecção do trato urinário é o tipo de infecção mais recorrente no hospital estudado. O classificador com melhor desempenho frente aos algoritmos avaliados nesta pesquisa foi o LMT do grupo de classificadores Trees que obteve taxa de erro em torno de 10,16%.
Palavras-chave: Infecção Hospitalar; Tecnologia em Saúde; Aprendizado de Máquina Supervisionado; Classificação; WEKA.