Design and Evaluation of a Multimodal Medical Device-Based Framework for COVID-19 Inference and Risk Classification Based on the Manchester Triage System
Nome: LETICIA ARAÚJO SILVA
Data de publicação: 15/08/2025
Banca:
Nome |
Papel |
|---|---|
| SRIDHAR KRISHNAN | Coorientador |
| TEODIANO FREIRE BASTOS FILHO | Presidente |
Páginas
Resumo: A classificação rápida e precisa de pacientes em contextos de emergência é essencial para otimizar a tomada de decisões clínicas e a alocação de recursos. Este trabalho apresenta uma estrutura baseada em sinais multimodais para triagem médica inteligente, abrangendo duas aplicações complementares: (i) a detecção automática da COVID-19 e (ii) a classificação de níveis de risco clínico de acordo com o Protocolo de Triagem de Manchester. Ambas as tarefas baseiam-se na análise de sons respiratórios e sinais vitais, adquiridos a partir de bases de dados de referência e validados com o uso do Assistente Médico Portátil Integrado
(IPMA), um dispositivo médico portátil desenvolvido para a coleta de dados multimodais. Para isso, diferentes estratégias de pré-processamento e extração de características foram empregadas, seguidas pelo treinamento e avaliação de modelos de machine learning. Os modelos foram inicialmente validados com bases públicas e, em seguida, testados com dados reais coletados por meio do dispositivo IPMA. O desempenho foi avaliado por métricas como acurácia e F1-score. Testes estatísticos foram aplicados para comparar classificadores e validar melhorias. Os resultados demonstraram alto desempenho tanto na detecção de COVID-19 quanto na classificação de risco baseada em Manchester, com modelos alcançando acurácia competitiva e robustez mesmo quando treinados com dados limitados e heterogêneos. A análise de usabilidade, baseada na System Usability Scale (SUS) e no Post Study System Usability Questionnaire (PSSUQ), indicou forte aceitação e satisfação dos usuários com a interface do sistema. A estrutura proposta reforça a viabilidade de uma triagem assistida por máquina utilizando soluções portáteis e de baixo custo, especialmente em cenários com acesso limitado à infraestrutura de saúde.
