skip to main content
Visitante
Meu Espaço
Minha Conta
Sair
Identificação
This feature requires javascript
Tags
Revistas Eletrônicas (eJournals)
Livros Eletrônicos (eBooks)
Bases de Dados
Bibliotecas USP
Ajuda
Ajuda
Idioma:
Inglês
Espanhol
Português
This feature required javascript
This feature requires javascript
Primo Search
Busca Geral
Busca Geral
Acervo Físico
Acervo Físico
Produção Intelectual da USP
Produção USP
Search For:
Clear Search Box
Search in:
Produção Intelectual da USP
Or hit Enter to replace search target
Or select another collection:
Search in:
Produção Intelectual da USP
Busca Avançada
Busca por Índices
This feature requires javascript
Tipo de recurso
criteria input
qualquer lugar do registro
no título
como autor
no assunto
Data de publicação
lsr01
lsr02
lsr03
lsr04
Orientador
Show Results with:
no título
Show Results with:
qualquer lugar do registro
no título
como autor
no assunto
Data de publicação
lsr01
lsr02
lsr03
lsr04
Orientador
Mostra resultados com:
criteria input
que contêm minhas palavras de busca
com a frase exata
começa com
Mostra resultados com:
Índice
criteria input
E
OU
NÃO
This feature requires javascript
Detecção de anomalias em prescrições médicas com aprendizagem federada e gerenciamento de armazenamento em blockchain
Zutião, Gabriel Augusto
Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação 2023-08-18
Acesso online
Exibir Online
Detalhes
Resenhas & Tags
Mais Opções
This feature requires javascript
Enviar para
Adicionar ao Meu Espaço
Remover do Meu Espaço
E-mail (máximo 30 registros por vez)
Imprimir
Link permanente
Referência
EasyBib
EndNote
RefWorks
del.icio.us
Exportar RIS
Exportar BibTeX
This feature requires javascript
Título:
Detecção de anomalias em prescrições médicas com aprendizagem federada e gerenciamento de armazenamento em blockchain
Autor:
Zutião, Gabriel Augusto
Orientador:
Ueyama, Jo
Assuntos:
Aprendizado De Máquina
;
Federated Learning
;
Detecção De Fraude
;
Blockchain
;
Sistema De Saúde
;
Fraud Detection
;
Healthcare System
;
Machine Learning
Notas:
Dissertação (Mestrado)
Descrição:
Com os avanços nas capacidades de processamento e armazenamento de dados em sistemas de registros médicos eletrônicos, evidencia-se a relevância da discussão sobre a existência de um ponto de falha único nos sistemas tradicionais, nos quais todo o tratamento dos dados é feito por uma autoridade central suscetível a falhas e ataques. Os dados de registros médicos, como prescrição de medicamentos, são considerados sensíveis pois tratam de informações pessoais e por isso devem estar seguros e serem privados contra acessos indevidos. No caso de prescrições, podem ocorrer problemas como fraudes e anomalias, tais como dosagens e frequências incorretas ou maliciosas. Entre essas últimas, cita-se as feitas para adquirir medicamentos de mais difícil obtenção para revenda e a compra de medicamentos controlados sem a devida permissão de um médico autorizado para fins de uso abusivo. Algumas soluções presentes na literatura para os problemas apresentados se utilizam de redes descentralizadas para solucionar o problema do ponto único de falha. Outras se utilizam de algoritmos de aprendizado de máquina para a análise de fraudes incluindo a aprendizagem federada, que separa o treinamento do modelo entre os clientes tornando assim o processo descentralizado. Todavia, faz-se necessária a elaboração de um modelo que seja eficaz contra os dois grupos de problemas citados voltado à área de prescrições médicas e que seja eficiente, eficaz, que possa preservar a privacidade dos dados e que seja independente das tecnologias utilizadas e adaptável. Sendo assim, o presente trabalho propõe uma arquitetura de rede blockchain associada a uma rede de aprendizagem federada para o processamento de registros de prescrições médicas, utilizando regressão logística para detecção de anomalias na quantidade e na frequência da prescrição de medicamentos. Os experimentos relacionados à rede foram realizados em redes Ethereum locais criadas na ferramenta Hyperledger Besu integradas a redes de aprendizagem federada criadas com a ferramenta Flower. Os resultados obtidos nos experimentos provaram que a arquitetura foi capaz de ser escalável e os seus aspectos qualitativos justificam o aumento do tempo entre as rodadas da aprendizagem federada quando integrada à rede blockchain. A solução apresentada é independente de tecnologia, adaptável em relação ao âmbito e também à sua implementação e foi capaz de cumprir com seus propósitos, obtendo uma acurácia de 98,37% na detecção de anomalias e um tempo médio de aproximadamente 10s em cada rodada da aprendizagem em uma rede com 5 nós e aproximadamente 15s para 11 nós, o que demonstrou um aumento menos que linear do tempo.
DOI:
10.11606/D.55.2023.tde-19122023-122357
Editor:
Biblioteca Digital de Teses e Dissertações da USP; Universidade de São Paulo; Instituto de Ciências Matemáticas e de Computação
Data de criação/publicação:
2023-08-18
Formato:
Adobe PDF
Idioma:
Português
Links
Este item no Dedalus
Teses e Dissertações USP
Acesso ao doi
E-mail do orientador
This feature requires javascript
This feature requires javascript
Voltar para lista de resultados
Anterior
Resultado
6
Avançar
This feature requires javascript
This feature requires javascript
Buscando em bases de dados remotas. Favor aguardar.
Buscando por
em
scope:(USP_PRODUCAO)
Mostrar o que foi encontrado até o momento
This feature requires javascript
This feature requires javascript