Memorial de projetos : aplicação de redes neurais no suporte a indicação de antibióticos para o tratamento de infecções bacterianas

Abstract

Resumo: O presente trabalho tem como objetivo principal investigar e demonstrar a aplicabilidade de redes neurais artificiais como ferramenta de apoio à decisão na indicação de antibióticos para o tratamento de infecções bacterianas. A crescente preocupação com a resistência antimicrobiana, decorrente do uso inadequado ou excessivo de antibióticos, torna essencial o desenvolvimento de soluções tecnológicas que possam auxiliar profissionais de saúde na escolha terapêutica mais assertiva. Este memorial de projetos, elaborado no âmbito da Especialização em Inteligência Artificial Aplicada da UFPR, apresenta a concepção, o desenvolvimento e os testes de modelos de redes neurais capazes de correlacionar dados clínicos e microbiológicos com tratamentos previamente bem-sucedidos, buscando prever a indicação mais adequada para novos casos. Para isso, foram utilizados conjuntos de dados estruturados contendo informações como tipo de infecção, perfil do paciente, resultados de exames laboratoriais e histórico de prescrição. O modelo proposto foi avaliado quanto à sua acurácia, sensibilidade e capacidade preditiva em relação aos antibióticos sugeridos, além de ser comparado com abordagens tradicionais de recomendação médica. A implementação do projeto seguiu os princípios éticos do uso de dados em saúde e contou com validações clínicas preliminares para assegurar a viabilidade de sua futura integração em ambientes hospitalares ou sistemas de prescrição digital. Os resultados obtidos indicam que a aplicação de redes neurais pode representar um avanço significativo no apoio à decisão médica, contribuindo para a racionalização do uso de antibióticos e o enfrentamento da resistência bacteriana

Abstract: This project aims to analyze and demonstrate the applicability of artificial neural networks as a decision support tool in recommending antibiotics for the treatment of bacterial infections. The growing concern with antimicrobial resistance, driven largely by the inadequate or excessive use of antibiotics, has made the development of intelligent solutions an urgent need in the healthcare sector. This work, part of the Postgraduate Specialization in Applied Artificial Intelligence at the Federal University of Paraná (UFPR), describes the conception, development, and evaluation of neural network models capable of correlating clinical and microbiological data with effective past treatments. The model was trained with structured datasets containing information such as infection type, patient profile, laboratory results, and prescription history. The performance of the neural networks was assessed in terms of accuracy, sensitivity, and predictive capacity, and the results were compared with traditional methods of medical recommendation. Ethical guidelines for health data usage were strictly followed, and preliminary clinical validation was conducted to verify the feasibility of integrating the solution into hospital systems or digital prescription platforms. The results show that the application of neural networks can significantly enhance clinical decision-making, optimizing the use of antibiotics and contributing to the fight against bacterial resistance