Neves Leitão, BeatrizVinga, SusanaFaustino, Paula2026-03-032026-03-032025-02-03http://hdl.handle.net/10400.18/11071A prevalência mundial da anemia é estimada em 24,8% e de entre as suas possíveis causas sobressaem a carência nutricional em ferro (anemia ferropénica) e algumas doenças genéticas (hemoglobinopatias como, por exemplo, beta-talassémia e alfa-talassémia). O diagnóstico da etiologia das anemias microcíticas requer métodos laboratoriais caros e morosos, mas é fundamental para a decisão clínica referente ao tratamento e, quando apropriado, para o aconselhamento genético. Neste trabalho aplicaram-se algoritmos de aprendizagem automática (machine learning) para diferenciação das referidas anemias microcíticas usando apenas as informações obtidas no hemograma, um dos exames laboratoriais mais comuns em medicina. Os resultados destacaram o excelente desempenho dos classificadores desenvolvidos com o algoritmo de florestas aleatórias (random forests), tanto na classificação binária quanto na multiclasse, demonstrando o potencial da inteligência artificial na identificação da etiologia dessas anemias.engDoenças GenéticasAlgoritmosAnemiaTalassémiaMachine Learningconference object