Abordagens de aprendizado profundo para decisões de judicialização da saúde em Mariana - MG.

Abstract

A presente pesquisa buscou desenvolver e validar uma estratégia destinada a orientar as decisões relacionadas à judicialização da saúde, integrando os princípios da teoria da decisão judicial e Aprendizado Profundo (Deep Learning). Para tanto, foram analisados os processos judiciais ligados à saúde pública do Município de Mariana-MG. A abordagem adotada envolveu a utilização de Redes Neurais com uma arquitetura que incorpora uma memória de curto e longo prazo (LSTM), visando a classificação precisa dos resultados casos jurídicos em questão. Também foram aplicados métodos provenientes da Descoberta de Conhecimento em Dados (KDD) e do Processamento de Linguagem Natural (PLN), que juntos desempenharam um papel crucial ao proporcionar informações que enriqueceram a compreensão do perfil dessas ações legais. Embora a análise dos dados de Mariana-MG não tenha contemplado sentenças que dispensam o relatório, 30 testes realizados com o modelo de rede neural obtiveram como resultado um valor médio de acurácia de 85% para o conjunto dados de testes. A inclusão da técnica de gradientes integrados, adicionalmente, contribuiu para demostrar como a rede neural escolheu cada classificação.