Disciplina de Inteligência Artificial, Professor Munif, Unicesumar 2026

Previsão de Diabetes com SVM e Redes Neurais

Integrantes

• Caio Carneiro Germani - RA: 23155074-2
• Pedro Henrique dos Santos Manfrim - RA: 23079481-2
• Daniel Rodrigues Nardi - RA: 23159251-2
• Eduardo Escudeiro Seifert - RA: 23034738-2

---

Resumo do Projeto

Contextualização

O diabetes mellitus é uma das doenças crônicas de maior prevalência no mundo, afetando milhões de pessoas. O diagnóstico precoce é fundamental para evitar complicações graves como problemas cardiovasculares, renais e neurológicos. Técnicas de Inteligência Artificial têm se mostrado eficazes no auxílio ao diagnóstico por meio da análise de dados clínicos.

Problema

Este trabalho investiga a seguinte questão: é possível prever, a partir de dados clínicos de uma paciente, se ela possui ou virá a desenvolver diabetes?

Hipótese

Acreditamos que modelos de IA treinados com dados clínicos como glicose plasmática, IMC, idade e histórico familiar são capazes de classificar corretamente pacientes diabéticas com acurácia superior a 70%, e que a Rede Neural tende a superar o SVM por sua maior capacidade de aprender padrões não-lineares complexos.

Dataset

Utilizamos o Pima Indians Diabetes Dataset, amplamente usado em pesquisas de Machine Learning.

• Origem: UCI Machine Learning Repository / Kaggle
• Registros: 768 amostras de pacientes do sexo feminino com idade ≥ 21 anos
• Atributos: 8 variáveis de entrada + 1 variável alvo
• Variável alvo: Diabetes — 0 (não diabética) ou 1 (diabética)
• Distribuição: 500 negativos (65,1%) e 268 positivos (34,9%)

Atributos principais

Atributo	Descrição
Gravidez	Número de gestações
GlicosePlasmatica	Concentração de glicose no plasma (mg/dL)
PressaoArterial	Pressão diastólica (mm Hg)
EspessuraPeleTricepal	Espessura da dobra cutânea tricipital (mm)
Insulina	Nível de insulina sérica (µU/ml)
IMC	Índice de Massa Corporal (kg/m²)
FuncaoDiabetesPedigree	Função que pondera histórico familiar
Idade	Idade em anos

Preparação dos dados

• Valores zerados em colunas clínicas (glicose, pressão, IMC, etc.) foram substituídos pela mediana, pois zero não é biologicamente plausível.
• Divisão: 80% treino / 20% teste, com estratificação pela variável alvo.
• Normalização via StandardScaler (média 0, desvio padrão 1) antes de alimentar os modelos.

Métodos utilizados

Parte 1 — SVM (Support Vector Machine)

Método de aprendizado supervisionado que busca o hiperplano de máxima margem entre as classes. Utilizado com kernel RBF (Radial Basis Function) para capturar relações não-lineares nos dados.

Parâmetros: kernel='rbf', C=10, gamma='scale'

Parte 2 — RNA (Rede Neural Artificial / MLP)

Rede neural do tipo Perceptron Multicamadas com duas camadas ocultas (64 e 32 neurônios), função de ativação ReLU e otimizador Adam. Treinada por 150 épocas com validação cruzada.

Arquitetura: Input(8) → Dense(64, ReLU) → Dense(32, ReLU) → Output(1, Sigmoid)

---

Avaliação dos Modelos

Métricas

Métrica	SVM (Parte 1)	RNA (Parte 2)
Acurácia	71,43%	74,03%
Precisão	59,62%	65,22%
Revocação	57,41%	55,56%
F1-Score	58,49%	60,00%

Imagens dos gráficos de comparação na pasta 'Docs'

---

Comparação e Conclusão

Comparação dos resultados

A RNA obteve desempenho superior ao SVM em todas as métricas avaliadas. A maior acurácia da RNA (74,03% vs 71,43%) e precisão (65,22% vs 59,62%) indicam que a capacidade de aprendizado em múltiplas camadas permitiu capturar padrões mais complexos nos dados clínicos.

Ambos os modelos enfrentaram dificuldade com a classe positiva (diabéticas), o que é esperado dado o desbalanceamento do dataset (65%/35%). A revocação relativamente baixa (~56-57%) para a classe positiva indica que há casos de diabetes não identificados — ponto que poderia ser melhorado com técnicas de balanceamento como SMOTE.

Conclusão

A hipótese foi parcialmente confirmada: os modelos atingiram acurácia superior a 70%, com a RNA superando o SVM em todas as métricas, conforme esperado. O projeto demonstrou de forma prática o pipeline completo de uma solução de IA: coleta e preparação de dados, treinamento, avaliação com métricas e gráficos, e comparação entre modelos de diferentes paradigmas (método clássico vs. rede neural).

---

Como executar

Pré-requisitos

pip install scikit-learn pandas numpy matplotlib seaborn

Treinamento

python main.py

O script baixa o dataset automaticamente, treina os modelos, gera os gráficos em graficos/ e salva os modelos em modelos/.

Dataset

O dataset é baixado automaticamente do repositório público: https://raw.githubusercontent.com/jbrownlee/Datasets/master/pima-indians-diabetes.data.csv

Também está disponível no próprio repositório como diabetes.csv.

Modelos treinados

Os modelos são salvos automaticamente em modelos/:

• modelos/svm_modelo.pkl — modelo SVM treinado
• modelos/rna_modelo.pkl — modelo RNA treinado
• modelos/scaler.pkl — normalizador StandardScaler

---