IMPORTÂNCIA DO ÍNDICE FOWLKES-MALLOWS (IMF), DO COEFICIENTE DE CORRELAÇÃO DE MATTHEWS (MCC) E DO ÍNDICE YOUDEN (IY) NOS CLASSIFICADORES DE INTELIGÊNCIA ARTIFICIAL NA ÁREA DA SAÚDE

Introdução: Os classificadores utilizados nos algoritmos da inteligência artificial precisam ser avaliados com métricas que sejam capazes de aferir a confiabilidade seus outputs. A maioria deles utiliza o número valores verdadeiros positivos e negativos, além dos falsos obtidos partir matriz confusão, seja ela uma ordem nxn qualquer. Um maiores desafios do machine learning é minimizar overfitting, pois ele ocorre superestimação eficiência algoritmo. Objetivo: avaliar Índice Fowlkes–Mallows (FMI), Coeficiente Correlação Matthews (MCC) Youden (IY) em redes neurais convolucionais (CNN) K-Nearst Neighbours (KNN), Regressão Linear (RL), Random Forest (RF) cenários circunscritos identificação movimentos corporais, diagnóstico patologias no sistema locomotor humano. Métodos: foram considerados quatro investigação: 1) CNN para identificação, registros filmográficos, correr, caminhar, saltar cima agachar. 2) KNN corrida estacionária, burpee, polichinelo marcha estacionária dados cinemáticos aceleração velocidade angular. 3) desvios escolióticos patológicos na coluna lombar imagens RX. 4) classificação artrite joelho 5) KNN, RF RL ações jogo voleibol scout partidas. Todos esses fazem parte projetos doutoramentos junto ao Programa Pós-Graduação Ciências Movimento Humano (CMH) Universidade Metodista Piracicaba (UNIMEP) estão vinculados projeto integrado “Métodos Inteligência Artificial Aplicados Análise Humano”, sob protocolo CAAE 33912120.9.0000.5507 aprovada parecer 4.126.546 Comitê Ética. Resultados discussão: cenário 1, FMI=0,966; MCC=0,932; IY=0,932; tais resultados corroboram robustez acurácia, precisão, especificidade sensibilidade CNN, apresentando as melhores métricas. No 2, FMI=0,807; MCC=0,759; IY=0,673; sendo MCC<0,800 IY<0,700, consequências prováveis moderada KNN. 3, FMI=0,934; MCC=0,894; IY=0,877, segundo mais eficiente cenários, evidenciando CNN. 4, FMI=0,877; MCC=0,864; IY=0,913, se constatou um equilíbrio entre atestando algoritmo classificar joelho. 5, KNN=1,00; RF, FMI=0,980; RL, FMI=0,980, robustos; nesse não calculados MCC IY dada impossibilidade matemática decorrente fato VN=FN=0,00 RL. Conclusão: As FMI, devem calculadas sempre possível inteligentes, vez conseguem identificar fruto provável overfitting capacidade preditiva destes convolucionais.