Esta pesquisa propôs apresentar um modelo metodológico estruturado na justaposição de algoritmos de Machine Learning (ML) e Deep Learning (DL) associado a métodos de abordagens por meio da Análise Verbal de Decisão (AVD) como o ZAPROS III-i aplicados a grandes volumes de dados – Big Data. A validação da metodologia híbrida ocorre em cinco etapas: 1) aborda-se a metodologia de pesquisa com sua caracterização e suas fases de estruturação e aplicação do modelo de avaliação, contendo a definição dos critérios e dos parâmetros de classificação e priorização de pontos monitorados; 2) obtenção da base de dados; 3) análise e filtro dos dados para eliminar campos vazios ou nulos, bem como a poluição na interpretação da base; 4) aplicação dos algoritmos Naive Bayes, Random Forest, Decision Tree, Logistic Regression, Support Vector Machine, K-Nearest Neughbor, Neural Network e Multilayer Perceptron para classificar os critérios dentro dos parâmetros inseridos e realizar comparações para obter o melhor resultado dentro de cada situação problema; 5) elaboração e aplicação de um questionário com profissionais da saúde com a devida expertise da problemática para obtenção do ranqueamento por meio da Análise Verbal de Decisão (AVD) como o ZAPROS IIIi através da plataforma ARANAÚ. A pesquisa destaca a eficácia dos modelos preditivos de Machine Learning no diagnóstico precoce e tratamento de doenças, como demência em pessoas com HIV/AIDS e sintomas pós-Covid. Os modelos de Inteligência Artificial (IA), como Random Forest e Logistic Regression, mostraram precisão na detecção precoce e classificação de sintomas. A validação por questionários e preferências dos profissionais de saúde foi fundamental. A abordagem híbrida de Aprendizado de Máquina, Aprendizagem Profunda e Análise Verbal de Decisão simplificou a avaliação de características específicas para diagnósticos precoces, com destaque para a eficiência do algoritmo Random Forest na identificação das características mais relevantes. Com a validação desta metodologia, o desenvolvimento destes modelos representa avanços significativos na área da saúde e computacional, de modo multidisciplinar, evidenciando o potencial das técnicas de ML para melhorar a qualidade de vida e na redução da mortalidade social.

Palavras-chave: Método de Pesquisa; Aprendizado de Máquina; Análise Verbal de Decisão; Apoio a Decisão em Multicritério Ver menos

This research proposed to present a methodological model structured in the juxtaposition of Machine Learning (ML) and Deep Learning (DL) algorithms associated with approach methods through Verbal Decision Analysis (AVD) such as ZAPROS III-i applied to large volumes of data – Big Data. The validation of the hybrid methodology occurs in five stages: 1) the research methodology is addressed with its characterization and its phases of structuring and application of the evaluation model, containing the definition of criteria and parameters for classification and prioritization of monitored points; 2) obtaining the database; 3) analysis and filtering of data to eliminate empty or null fields, as well as pollution in the interpretation of the database; 4) application of the Naive Bayes, Random Forest, Decision Tree, Logistic Regression, Support Vector Machine, K-Nearest Neughbor, Neural Network and Multilayer Perceptron algorithms to classify the criteria within the entered parameters and perform comparisons to obtain the best result within each problem situation; 5) preparation and application of a questionnaire with health professionals with the necessary expertise in the problem to obtain the ranking through Verbal Decision Analysis (AVD) such as ZAPROS IIIi through the ARANAÚ platform. The research highlights the effectiveness of Machine Learning predictive models in early diagnosis and treatment of diseases, such as dementia in people with HIV/AIDS and post-Covid symptoms. Artificial Intelligence (AI) models such as Random Forest and Logistic Regression have shown accuracy in early detection and classification of symptoms. Validation through questionnaires and health professionals' preferences was essential. The hybrid approach of Machine Learning, Deep Learning and Verbal Decision Analysis simplified the evaluation of specific characteristics for early diagnoses, highlighting the efficiency of the Random Forest algorithm in identifying the most relevant characteristics. With the validation of this methodology, the development of these models represents significant advances in the health and computational areas, in a multidisciplinary way, highlighting the potential of ML techniques to improve quality of life and reduce social mortality.

Keywords: Methodology Survey; Machine Learning; Verbal analysis of decision; multi-criterion decision support. Ver menos