@MASTERSTHESIS{ 2023:1167888053,
 	title = {Intelig?ncia artificial na predi??o de risco de ventila??o mec?nica em casos graves de Covid-19},
 	year = {2023},
 	url = "https://tede2.pucrs.br/tede2/handle/tede/10753",
 	abstract = "Introdu??o: Em dezembro de 2019, a cidade de Wuhan, na China, tornou-se centro de um surto de pneumonia de causa at? ent?o desconhecida, que logo teria o novo coronav?rus, SARS-CoV-2, como causa identificada da doen?a. Em mar?o de 2020, a OMS declarou a infec??o como situa??o de pandemia. No primeiro ano da pandemia, era de suma import?ncia que fossem identificados com rapidez os pacientes com maior potencial de m? evolu??o e necessidade de ventila??o mec?nica, especialmente para organiza??o de leitos de unidade
 de terapia intensiva, os quais foram muitas vezes escassos no Brasil. Objetivo: O presente trabalho tem como objetivo determinar a acur?cia da tomografia computadorizada de t?rax, avaliada por um modelo de aprendizado de m?quina, na predi??o de necessidade de ventila??o mec?nica em pacientes hospitalizados com SRAG por COVID-19. M?todos: Trata-se de estudo de coorte retrospectivo, realizado em dois hospitais
 brasileiros. Foram inclu?das TCs de pacientes hospitalizados por s?ndrome respirat?ria aguda grave e COVID-19 confirmada por RT-PCR. Desenvolveu-se um modelo de intelig?ncia artificial, baseado em redes de convolu??es neurais. Resultados: A sensibilidade do modelo foi de 0,417, e a especificidade 0,860. A ?rea correspondente sob a curva ROC para o conjunto de teste foi de 0,68. Conclus?o: Foi criado um modelo de aprendizado de m?quina com elevada especificidade, capaz de prever de forma confi?vel pacientes que n?o precisar?o de ventila??o mec?nica.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Medicina e Ci?ncias da Sa?de},
 	note = {Escola de Medicina}
}