BIG DATA E MACHINE LEARNING EM HOSPITAIS: avanços significativos na gestão hospitalar

Marcelo Carletto Junior; Diego Aparecido Guariz

doi:10.31510/infa.v22i2.2338

Autores

Marcelo Carletto Junior Fatec Taquaritinga
Diego Aparecido Guariz

DOI:

https://doi.org/10.31510/infa.v22i2.2338

Palavras-chave:

Área da Saúde, Big Data, Prontuário Eletrônico, Machine Learning, Internet das Coisas, Gestão da Informação em Saúde

Resumo

Nos últimos anos, o Big Data tem se tornado cada vez mais dominante na área da saúde, devido a três razões principais: a enorme quantidade de dados disponíveis, o aumento dos custos com saúde e a atenção personalizada. O processamento de Big Data na área da saúde se refere à geração, coleta, análise e armazenamento de dados clínicos muito vastos ou complexos para serem inferidos por métodos clássicos de processamento de dados. As fontes de Big Data para a área da saúde incluem a Internet das Coisas (IoT), o Prontuário Eletrônico do Paciente (PEP), que contém o histórico médico do paciente, diagnósticos, medicamentos, planos de tratamento, alergias, resultados de exames laboratoriais e de exames, sequenciamento genômico, imagens médicas, planos de saúde e outros dados clínicos. A metodologia deste estudo segue uma abordagem estruturada para revisar o impacto de Big Data e Machine Learning (ML) na gestão de informações em saúde.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

BANDYOPADHYAY, S. et al. Data mining for censored time-to-event data: a Bayesian network model for predicting cardiovascular risk from electronic health record data. Data Mining and Knowledge Discovery, v. 29, n. 4, p. 1033-1069, 2014. Disponível em: https://doi.org/10.1007/s10618-014-0386-6. Acesso em: 24 set. 2025.

CHEN, H.; YU, Z.; KANG, W.; ZHANG, B.; LI, H.; YANG, B.; LIU, D. Evolving support vector machines using fruit fly optimization for medical data classification. Knowledge-Based Systems, v. 96, p. 61–75, 2016.

HUANG, Z.; DESTECH, P. Research on the innovation of e-business talents training mode under the background of big data. In: INTERNATIONAL CONFERENCE ON E-COMMERCE AND ECONOMIC DEVELOPMENT, 2018. DEStech Transactions on Business, Economics and Management. Anais [...]. 2018. p. 48–52.

KUMAR, N. M. S. et al. Predictive Methodology for Diabetic Data Analysis in Big Data. Procedia Computer Science, v. 50, p. 203-208, 2015. Disponível em: https://doi.org/10.1016/j.procs.2015.04.069. Acesso em: 24 set. 2025.

LIN, K. et al. Enhanced Fingerprinting and Trajectory Prediction for IoT Localization in Smart Buildings. IEEE Transactions on Automation Science and Engineering, v. 13, n. 3, p. 1294-1307, 2016. Disponível em: https://doi.org/10.1109/tase.2016.2543242. Acesso em: 24 set. 2025.

LIN, K. et al. Localization Based on Social Big Data Analysis in the Vehicular Networks. IEEE Transactions on Industrial Informatics, v. 13, n. 4, p. 1932-1940, 2017. Disponível em: https://doi.org/10.1109/tii.2016.2641467. Acesso em: 24 set. 2025.

LUSHER, S. J. et al. Data-driven medicinal chemistry in the era of big data. Drug Discovery Today, v. 19, n. 7, p. 859-868, 2013. Disponível em: https://doi.org/10.1016/j.drudis.2013.12.004. Acesso em: 24 set. 2025.

MAHADEVKAR, S. et al. A review on machine learning styles in computer vision—techniques and future directions. IEEE Access, v. 10, p. 107293–107329, 2022.

MARCOON, S. et al. HEART score to further risk stratify patients with low TIMI scores. Critical Pathways in Cardiology, v. 12, n. 1, p. 1-5, 2013. Disponível em: https://doi.org/10.1097/hpc.0b013e31827377e1. Acesso em: 24 set. 2025.

MARAJ, M. A. H. S. I.; MAHMUD, N. U. Information Systems in Health Management: Innovations And Challenges In The Digital Era. International Journal of Health and Medical, v. 1, n. 2, p. 14-25, 2024. Disponível em: https://doi.org/10.62304/ijhm.v1i2.128. Acesso em: 24 set. 2025.

MOUNIA, B.; HABIBA, C. EUSPN/ICTH - Big Data Privacy in Healthcare Moroccan Context. Procedia Computer Science, v. 63, p. 575-580, 2015. Disponível em: https://doi.org/10.1016/j.procs.2015.08.387. Acesso em: 24 set. 2025.

NAHAR, J. et al. Advanced Predictive Analytics For Comprehensive Risk Assessment In Financial Markets: Strategic Applications And Sector-Wide Implications. Global Mainstream Journal of Business, Economics, Development & Project Management, v. 3, n. 4, p. 39-53, 2024. Disponível em: https://doi.org/10.62304/jbedpm.v3i4.148. Acesso em: 24 set. 2025.

TAHA, K.; SALAH, K.; YOO, P. Clustering the dominant defective patterns in wafer maps. IEEE Transactions on Semiconductor Manufacturing, v. 31, n. 1, p. 156–165, 2025.

WANG, S. et al. Multiple Sclerosis Detection Based on Biorthogonal Wavelet Transform, RBF Kernel Principal Component Analysis, and Logistic Regression. IEEE Access, v. 4, p. 7567-7576, 2016. Disponível em: https://doi.org/10.1109/access.2016.2620996. Acesso em: 24 set. 2025.

WHITE, S. E. A review of big data in health care: challenges and opportunities. Open Access Bioinformatics, v. 6, p. 13-18, 2014. Disponível em: https://doi.org/10.2147/oab.s50519. Acesso em: 24 set. 2025.

YOUSSEF, A. E. A Framework for Secure Healthcare Systems Based on Big Data Analytics in Mobile Cloud Computing Environments. The International Journal of Ambient Systems and Applications, v. 2, n. 2, p. 1-11, 2014. Disponível em: https://doi.org/10.5121/ijasa.2014.2201. Acesso em: 24 set. 2025.

ZHANG, Y. et al. Fractal Dimension Estimation for Developing Pathological Brain Detection System Based on Minkowski-Bouligand Method. IEEE Access, v. 4, p.