Algoritmos de Aprendizado de Máquina para Predição de Efeitos Colaterais: Uma Análise Comparativa

A predição de efeitos colaterais de medicamentos é considerada um dos tópicos mais importantes no campo da farmácia e descoberta de medicamentos, uma vez que fábricas farmacêuticas dedicam recursos significativos a esse objetivo. Isso levou os pesquisadores a contemplar a busca por métodos mais eficazes e econômicos. O aprendizado de máquina encontrou amplas oportunidades para contribuir com este campo, apresentando resultados promissores. Nossa pesquisa propõe uma comparação entre cinco classificadores de aprendizado de máquina, ou seja, Random Forest, Decision Tree, K-Nearest Neighbor, Naive Bayes e Support Vector Machine, e um modelo de aprendizado profundo, Multi-Layer Perceptron, para prever a ocorrência de dor abdominal com base em certas propriedades dos medicamentos. Nossa pesquisa mostra que o modelo Random Forest demonstrou superioridade em todos os casos, alcançando uma precisão de até 92%. Através desta pesquisa, podemos obter uma compreensão aprofundada da eficácia de cada modelo e seu desempenho nas mesmas condições e com o mesmo conjunto de dados.