Integração de Aprendizado de Máquina e Modelagem Multicritério para Avaliação de Modelos Preditivos para Diabetes

No contexto da medicina diagnóstica, o estudo em questão estabelece uma estrutura integrada de Ciência de Dados para explorar padrões e prever a ocorrência de diabetes a partir de observações clínicas de pacientes. A etapa inicial consiste na construção e organização de uma base de dados voltada à análise das relações entre variáveis associadas ao diagnóstico da doença. Em seguida, realiza-se uma análise exploratória com estatísticas descritivas e técnicas de aprendizado de máquina não supervisionado. Na etapa preditiva, são avaliados diferentes modelos supervisionados, comparados por meio de métricas de desempenho estratificadas. Para apoiar a escolha do modelo mais adequado, aplica-se o método multicritério AHP Gaussiano, que atribui pesos aos critérios com base na variabilidade das métricas observadas. Os resultados permitem identificar os modelos mais favoráveis para previsão, além de discutir a viabilidade e as limitações do framework proposto. Ao final, apresentam-se as conclusões da pesquisa e sugestões para trabalhos futuros.