Herb-drug interactions: a decision support system with biometric auhtentication

• Autor(a) principal: Martins, Andreia Sofia Teles
• Data de Publicação: 2023
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10400.22/23509
• topic: Interações entre Ervas e Medicamentos; Sistemas de Suporte à Decisão; Inteligência Artificial; Sistemas Baseados em Regras; Aprendizagem Máquina; Cuidados de Saúde; Herb-Drug Interactions; Decision Support Systems; Artificial Intelligence; Rule-Based Systems; Machine learning; Healthcare

O uso simultâneo de medicina complementar e alternativa com medicamentos convencionais pode levar a interações prejudiciais entre ervas e fármacos, podendo até causar fatalidades em alguns casos. Portanto, é crucial melhorar a compreensão e a consciencialização sobre o uso de ervas e suplementos permitindo, assim, aos profissionais de saúde fornecer orientações adequadas aos pacientes. Os sistemas de suporte à decisão são ferramentas poderosas que podem ajudar os farmacêuticos a tomar decisões diagnósticas e de tratamento. Neste trabalho, um sistema de suporte à decisão foi implementado para identificar interações entre ervas e fármacos ajudando, assim, os farmacêuticos a converter dados científicos em conhecimento aplicável a pacientes. Por outro lado, a cibersegurança tornou-se cada vez mais importante na área da saúde, à medida que a tecnologia é adotada para melhorar o atendimento aos pacientes. Uma área de preocupação prende-se com a autenticação do utilizador em sistemas de informação. A autenticação multi-fator é aplicada para aumentar a segurança e a proteção contínua de dispositivos eletrónicos e serviços críticos. Os dados biométricos, como os padrões de escrita, desempenham um papel fundamental na autenticação, exigindo que os utilizadores comprovem a sua identidade através destas características únicas e individuais. Este trabalho avaliou a aplicabilidade de um novo conjunto de dados de padrões de escrita no desenvolvimento de um sistema de autenticação biométrico inteligente com o objetivo de proteger serviços de saúde. Envolveu duas abordagens de classificação, nomeadamente multi-classe e binária, aplicando três algoritmos de aprendizagem máquina (k-Nearest Neighbors, Random Forest e LightGBM). O algoritmo LightGBM apresenta o melhor desempenho na tarefa de classificação binária, minimizando a rejeição de utilizadores genuínos enquanto evita a aceitação de potenciais atacantes. Este equilíbrio é essencial para assegurar um processo de autenticação eficientes e uma boa experiência ao utilizador. No geral, o trabalho serve como base de referência para investigações futuras, abrindo caminho para soluções avançadas de autenticação biométrica.