Aprendizagem automática no diagnóstico do risco cardiovascular

A quantifica o exacta do risco de ASCVD essencial para uma gest o precoce e eficaz do risco cardiovascular. Os modelos convencionais baseiam-se apenas nos factores de risco tradicionais (FRT). Muitas vezes, estes n o incorporam vari veis de risco mais recentes e n o tradicionais, levando a uma potencial subestima o ou sobrestima o do risco, especialmente em popula es tnicas diversas. Este livro apresenta uma nova estrutura baseada em aprendizagem autom tica (ML) que integra TRFs com marcadores n o tradicionais baseados em ultra-sons, como a espessura da ntima-m dia da car tida (cIMT) e carater sticas da placa carot dea (cP), para melhorar a precis o preditiva. Abrange o desenvolvimento de uma arquitetura de diagn stico que utiliza modelos inteligentes h bridos optimizados atrav s de diferentes algoritmos meta-heur sticos. A estrutura escolhida tem a vantagem de poder incluir novas vari veis de risco adicionais sem reconstru o metodol gica, contribuindo assim para o desenvolvimento de solu es fi veis, eficientes e personaliz veis para a previs o do risco de ASCVD em contextos de cuidados de sa de p blicos.