Diagnóstico auxiliado por computação para identificação de infecções bacterianas

O diagnóstico preciso de infecções bacterianas a partir de exames de hemograma é um desafio clínico significativo, com implicações diretas na saúde pública, como o uso indiscriminado de antibióticos. Este artigo apresenta uma abordagem inovadora utilizando Redes Neurais Artificiais para auxiliar profissionais de saúde na identificação dessas infecções. Foram desenvolvidos e avaliados três modelos de Perceptron de Múltiplas Camadas treinados com o algoritmo Backpropagation, utilizando um dataset de 121 hemogramas. Os resultados demonstraram taxas de acurácia entre 96% e 100%, superando a média da literatura e oferecendo uma ferramenta robusta para cenários de incerteza diagnóstica, especialmente em casos de opiniões médicas divergentes. A solução proposta é computacionalmente eficiente e tem o potencial de otimizar o processo decisório clínico, contribuindo para um diagnóstico mais rápido e preciso.