Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: WESCKLEY FARIA GOMES
DATA: 13/12/2023
HORA: 14:00
LOCAL: Sala de Seminários
TÍTULO: Análise Exploratória e Experimental de Aplicações de Inteligência Artificial para Classificação de Descrições Incongruentes em Compras na Área de Saúde Pública
PALAVRAS-CHAVES: Auditoria, Saúde, IA, Ciência de Dados, Compras Públicas
PÁGINAS: 70
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO:

Contexto: O setor de Órteses, Próteses e Materiais Especiais (OPME) na área da saúde apresenta uma ampla variedade de produtos e tecnologias, envolvendo tanto empresas multinacionais quanto locais. Apesar dos avanços tecnológicos, muitos serviços e sistemas de informação, especialmente no setor público, ainda utilizam descrições não estruturadas em linguagem natural de produtos, serviços ou eventos, dificultando suas classificações e análises. Todavia, para auditorias eficientes, é necessário classificar e totalizar automaticamente faturas emitidas para compra de produtos. Desta forma, a falta de padronização na nomenclatura na comercialização de OPMEs, não apenas dificulta a comparação dos produtos, seja para uniformização de preços ou padronização de uso, mas também abre espaço para possíveis atos de corrupção. Objetivo: Para mitigar o problema de padronização e codificação ineficazes, desenvolver e avaliar a eficácia e eficiência de um classificador de OPMEs, no contexto de descrições de notas fiscais eletrônicas, do ponto de vista de auditores, profissionais de saúde e cientistas de dados. Método: Inicialmente, foi realizado um Mapeamento Sistemático (MS), como forma de identificar e caracterizar as abordagens e técnicas de inteligência artificial para a classificação automática de descrições textuais incongruentes em notas fiscais. Em seguida, foi implementada uma ferramenta baseada em inteligência artificial, o OPMinEr, para classificar notas fiscais de OPMEs. Ato contínuo, foi realizado um experimento controlado para avaliar os algoritmos de Inteligência Artificial (IA) mapeados. Resultados: A estratégia de busca utilizada no mapeamento sistemático selecionou 225 artigos, os quais passaram pelos critérios de inclusão e exclusão. Dentre as abordagens encontradas para resolução do problema de descrições textuais incongruentes, o destaque foi para o aprendizado de máquina supervisionado, presente em 60% dos trabalhos. Já no experimento controlado, considerando a significância estatística, o algoritmo Linear Support Vector alcançou uma acurácia de 99% e se destacou dentre os demais. Em termos de eficiência, o algoritmo Naïve Bayes Multinomial se destacou, tendo o tempo médio de treinamento mais rápido, com 4,375 segundos. Conclusão: Os resultados mostraram que é possível identificar e classificar OPMEs em notas fiscais de forma automática. Isso permite uma análise mais precisa e eficaz de indícios tais como, por exemplo, preços anomalamente altos e quantidades de OPMEs compradas por habitante, os quais são analisados pela Auditoria do Sistema Único de Saúde (AudSUS), Ministério da Saúde - Brasil, para identificação de potenciais irregularidades e contribuição para a transparência e eficiência na gestão de recursos da área da saúde.

MEMBROS DA BANCA:
Presidente - 2227110 - METHANIAS COLACO RODRIGUES JUNIOR
Interno - 258.881.778-57 - FÁBIO GOMES ROCHA
Externo ao Programa - 1713072 - ALCIDES XAVIER BENICASA