RESUMO
Objetivo: Investigar aplicação de diferentes métodos de representação de textos por vetores de pesos com classificador bayesiano para classificação automática de conteúdos web de saúde em português. Métodos: Foi utilizado conjunto de 3.702 páginas web de saúde em português dividido em 19 categorias provenientes do Open Directory Project. Foram comparados desempenho de 4 métodos de representação de textos por vetores de pesos utilizados com o classificador Naive Bayes, medidos por revocação, precisão e F2, considerando da primeira à quinta posições dos rankings de relevância de categorias. Resultados: A representação dos textos por ocorrência dos termos utilizada com o classificador Naive Bayes (nb-to) atingiu 0,91 de revocação, precisão e F2 para a primeira posição do ranking de relevância de categorias; para a quinta posição os valores foram 0,98; 0,20 e 0,54, respectivamente. Estes valores colocam nb-to como o melhor classificador dos investigados para a base de dados utilizada, com diferença estatística entre este e todos os demais classificadores. Conclusão: Métodos de recuperação de informação baseados no Naive Bayes podem ser utilizados com sucesso para categorizar conteúdo web de saúde em idioma português, sendo que o classificador nb-to atingiu o melhor desempenho na tarefa de classificação.
Objective: To investigate the application of different methods of text representation by weighting vectors with a Bayesian classifier to automatically categorize health-related web pages in Brazilian Portuguese language. Methods: We used a set of 3,702 health-related web pages in Brazilian Portuguese language, separated in 19 categories, from Open Directory Project. We compared the effectiveness of 4 different methods of text representation by weighting vectors used with the Naive Bayes classifier, according to recall, precision and F2 measures and considering from the first to the fifth positions of category relevance ranking produced by the classifiers. Results: The text representation by counting the term occurrence with the Naive Bayes classifier (nb-to) reached 0.91 of recall, precision and F2 to the first position of the category relevance ranking, while to the fifth position the values were 0.98, 0.20, and 0.54, respectively. These results place nb-to as the best classifier to the database used in this work, with statistical differences between this classifier and all other. Conclusion: The information retrieval methods based on Naïve Bayes can be successfully used to categorize health-related web content in Brazilian Portuguese language and the nb-to classifier achieved the best performance at classification.
Objetivo: Investigar aplicación de diferentes métodos de representación de textos con un clasificador bayesiano para clasificación automática de contenidos web sobre salud en portugués de Brasil. Métodos: Se utilizó un conjunto de 3.702 páginas web sobre salud en portugués de Brasil, en 19 categorías y provenientes del Open Directory Project. Se comparó el desempeño de 4 métodos de representación de textos por vector de pesos utilizados con el clasificador Naive Bayes, medidos por recall, precisión y F2, considerándose de la primera a la quinta posición en los rankings de relevancia de categorías. Resultados: El clasificador Naive Bayes (nb-to) alcanzó 0,91 de recall, precisión y F2 para la primera posición en el ranking de relevancia de categorías, mientras que para la quinta posición, los valores fueron de 0,98, 0,20 y 0,54, respectivamente. Estos valores colocan el nb-to como el mejor clasificador para la base de datos utilizado, con diferencia estadística entre éste y todos los clasificadores testados. Conclusión: Los métodos de recuperación de información basados en el Naive Bayes pueden ser utilizados con éxito para categorizar contenidos web sobre salud en el idioma portugués de Brasil, pero el clasificador nb-to alcanzó el mejor desempeño al ejecutar la tarea de clasificación.
Assuntos
Classificação , Informação de Saúde ao Consumidor , Inteligência Artificial , Internet , Teorema de BayesRESUMO
BACKGROUND: Celiac disease (CD) is a difficult-to-diagnose condition because of its multiple clinical presentations and symptoms shared with other diseases. Gold-standard diagnostic confirmation of suspected CD is achieved by biopsying the small intestine. OBJECTIVE: To develop a clinical decision-support system (CDSS) integrated with an automated classifier to recognize CD cases, by selecting from experimental models developed using intelligence artificial techniques. METHODS: A web-based system was designed for constructing a retrospective database that included 178 clinical cases for training. Tests were run on 270 automated classifiers available in Weka 3.6.1 using five artificial intelligence techniques, namely decision trees, Bayesian inference, k-nearest neighbor algorithm, support vector machines and artificial neural networks. The parameters evaluated were accuracy, sensitivity, specificity and area under the ROC curve (AUC). AUC was used as a criterion for selecting the CDSS algorithm. A testing database was constructed including 38 clinical CD cases for CDSS evaluation. The diagnoses suggested by CDSS were compared with those made by physicians during patient consultations. RESULTS: The most accurate method during the training phase was the averaged one-dependence estimator (AODE) algorithm (a Bayesian classifier), which showed accuracy 80.0%, sensitivity 0.78, specificity 0.80 and AUC 0.84. This classifier was integrated into the web-based decision-support system. The gold-standard validation of CDSS achieved accuracy of 84.2% and k=0.68 (p<0.0001) with good agreement. The same accuracy was achieved in the comparison between the physician's diagnostic impression and the gold standard k=0. 64 (p<0.0001). There was moderate agreement between the physician's diagnostic impression and CDSS k=0.46 (p=0.0008). CONCLUSIONS: The study results suggest that CDSS could be used to help in diagnosing CD, since the algorithm tested achieved excellent accuracy in differentiating possible positive from negative CD diagnoses. This study may contribute towards developing of a computer-assisted environment to support CD diagnosis.
Assuntos
Inteligência Artificial , Doença Celíaca/diagnóstico , Sistemas de Apoio a Decisões Clínicas , Algoritmos , Automação , Humanos , Curva ROCRESUMO
Objetivos: Neste trabalho foi comparada a percepção de usuários sobre a qualidade de conteúdos de websites da área da saúde e suas respectivas avaliações sobre a adequação destes websites aos critérios éticos propostos pela HON. Métodos: Uma interface web foi desenvolvida com tecnologias Web 2.0 para a avaliação dos critérios de adequação e da percepção de qualidade. Estudantes da área de informática em saúde foram selecionados para determinar a percepção de qualidade e adequação de conteúdos de 50 websites no domínio da saúde. Resultados: Participaram deste estudo 352 estudantes, que realizaram 2.277 avaliações. Cada website foi avaliado em média 36,83 vezes, e os websites avaliados tiveram uma média de adequação de 50,11% e a pontuação da percepção de qualidade foi de 49,06 em uma escala de 0 a 100. Diante dos 12 critérios propostos, apenas 3 apresentaram correlação estatisticamente significante se comparado com a percepção dos usuários sobre a qualidade do conteúdo de websites de saúde. Conclusão: Diante das análises foi possível identificar que os websites apresentaram poucos indícios de adequação (50,11) e na visão dos avaliadores mesmo com pouca adequação, os websites foram considerados bons.
Objectives: This study compared the user quality perception of health content regarding their assessments of the adequacy of the criteria for websites based on HON code recommendations. Methods: A web interface was developed with Web 2.0 technologies for this assessment of adequacy criteria. Students of health domain voted their quality perception and adequacy of content for 50 websites in the health domain, based on the criteria of adequacy defined by the HON code. Results: This study included 352 students and showed that the average adequacy assessed for the websites were 50.11 and 49.06 of perception, in a range from 0 to 100. Given the 12 criteria, only 3 showed a statistically significant correlation compared with the users? perception about the quality of health websites content. Conclusion: Against the analysis it was found that the websites showed little evidence of adequacy (50.11) and in view of the evaluators even in low adequacy, the websites were considered good.
Objetivos: Este estudio comparó la percepción de calidad de contenido del dominio de salud por usuarios com su evaluación de la adecuación dos sítios web con los criterios de recomendaciones basados en código HON. Métodos: Una interfaz web fue desarrollado con las tecnologías Web 2.0 para la evaluación de los criterios de adecuación. Estudiantes de área de salud determina su percepción de la calidad y de la adecuación de contenidos para 50 sitios web en el ámbito de la salud, con base en los criterios de adecuacion definidos por el código HON. Resultados: Este estudio incluyó 352 estudiantes que mostraron la media de la evaluación de adecuación para los sitios web de 50,11 y 49,06 de la percepción, en un rango de 0 a 100. Teniendo en cuenta los 12 criterios, sólo 3 mostraron una correlación estadísticamente significativa en comparación con la percepción de los usuarios sobre la calidad de los contenidos en sitios web en salud. Conclusión: Diante de los análisis se encontró que los sitios web mostraron pocas pruebas de adecuación (50,11) y, en opinión de los evaluadores, incluso en la aptitud baja, los sitios web se considera buenos.
Assuntos
Controle de Qualidade , Informática Médica , Internet , Padrões de Referência , Percepção , Sistemas de InformaçãoRESUMO
Objetivos: Este trabalho propõe o desenvolvimento de um classificador de padrões baseado no método Cervical Vertebral Maturation (CVM), que auxilia o profissional ortodontista na determinação do período ideal para o tratamento de uma série de deformidades dentofaciais. Métodos: Para o desenvolvimento do classificador, foram coletadas 187 radiografias cefalométricas laterais e um especialista em ortodontia realizou a avaliação da idade óssea manualmente em cada imagem. Por meio de um programa computacional desenvolvido para este fim, um segundo especialista marcou os pontos de interesse das vértebras nas imagens, formando assim uma base de dados para avaliação do classificador. Algoritmos de classificação foram então avaliados por meio do software Weka. Resultados: Seis classificadores foram obtidos com base no algoritmo Bayesiano Ingênuo, um para cada estágio cervical. Os resultados da avaliação da área sob a curva ROC (AUC) para os classificadores foram: CS1, 0,88; CS2, 0,74; CS3, 0,86; CS4, 0,76; CS5, 0,82; CS6, 0,92. O software de marcação de pontos mostrou ser útil ao ortodontista, armazenando dados em longo prazo podendo ser reproduzidos de forma exata a qualquer momento. Conclusão: Os resultados indicam que o classificador de padrões obtido auxilia o ortodontista a identificar o estágio cervical em que um indivíduo se encontra.
Objectives: This paper proposes the development of a pattern classifier based on the Cervical Vertebral Maturation (CVM) method, which helps the orthodontist to determine the optimal period for treatment of a variety of dentofacial deformities. Methods: For the development of the pattern classifier, 187 lateral radiographs were taken. Then, an orthodontist did the bone age assessment in each image manually. Through a computer program developed for this purpose, a second specialist pointed the landmarks on the vertebrae in each image resulting in a database for evaluate the classifier. Classification algorithms were then evaluated using Weka software. Results: Six classifiers were obtained based on Naive Bayes algorithm, one for each cervical stage. The results of the evaluation of the area under the ROC curve (AUC) for the classifiers were: CS1, 0,88; CS2, 0,74; CS3, 0,86; CS4, 0,76; CS5, 0,82; CS6, 0,92. The landmark pointer software proved to be useful for the orthodontist, storing data for long term and be accurately reproduced at any time. Conclusion: The results indicate that a pattern classifier assists the orthodontist to identify the cervical stage an individual is.
Objetivo: En este trabajo se propone el desarrollo de un clasificador de patrones sobre la base de la maduración cervical vertebral (CVM), el cual ayuda al ortodoncista para determinar el período óptimo para el tratamiento de una variedad de deformidades dentofaciales. Método: Para el desarrollo de lo clasificador de patrones, 187 radiografías laterales fueron tomadas. Entonces, un ortodoncista hizo la evaluación de la edad ósea en cada imagen de forma manual. A través de un programa informático desarrollado para este propósito, el segundo especialista señaló los puntos de referencia en las vértebras en cada imagen en la base de datos resultante para evaluar los clasificadores. Algoritmos de clasificación utilizando el software WEKA fueron evaluados. Resultados: Seis clasificadores se obtuvieron sobre la base de algoritmo Naive Bayes, uno para cada estadio cervical. Los resultados de la evaluación del área bajo la curva ROC (AUC) para los clasificadores son: CS1, 0,88; CS2, 0,74; CS3, 0,86; CS4, 0,76; CS5, 0,82; CS6, 0,92. El software para la puntuación demostró ser útil para el ortodoncista, el almacenamiento de datos en el largo plazo puede ser reproducido con exactitud en cualquier momento. Conclusión: Los resultados indican que lo SADC ayuda al ortodoncista para identificar lo estadio cervical que una persona es.
Assuntos
Humanos , Anormalidades Maxilofaciais/prevenção & controle , Determinação da Idade pelo Esqueleto , Ossos Faciais , Sistemas de Apoio a Decisões Clínicas , Software , Vértebras Cervicais/crescimento & desenvolvimentoRESUMO
Objective: There has been a considerable growth of the architecture and complexity of digital repositories in Health Informatics (HI). For information retrieval different information treatment and representation, such as automatic content classification, are required. The purpose of this study is to present the results of a procedure for automatic classification of scientific articles in HI using a specific thesaurus. Design: Statistical, vector, and artificial intelligence methods were applied to classify HI-related content. Articles extracted from the HI and Health journals and a specialized HI thesaurus were used for method application and result evaluation. Measurements: Statistical procedures and measures of accuracy, precision, recall, area under the ROC curve, and combination of precision and recall (F1 measure) were performed to measure the degree of similarity between terms of the specialized HI thesaurus and the selected articles. Results: The percentage of accuracy achieved was 0.87, F1 measure was 0.87 and the area under the ROC curve was 0.94. Conclusion: The results were positive, showing that the use of a specialized thesaurus on Health Informatics in conjunction with the methods used allows the classification of articles in the areas of Health Informatics and Health.
Objetivo: Há um crescimento considerável na arquitetura e complexidade dos repositórios digitais em Informática em Saúde (IS). A recuperação de informação neste cenário requer diferentes tratamentos e representações, como a classificação automática de conteúdo. O propósito deste estudo é apresentar os resultados de um processo automatizado para a classificação de artigos científicos de Informática em Saúde, utilizando um tesauro especializado neste domínio de conhecimento. Métodos: Métodos estatísticos, vetoriais e de inteligência artificial foram aplicados para classificar conteúdo relacionado à Informática em Saúde. Artigos científicos publicados em revistas de Saúde e Informática em Saúde, bem como um tesauro especializado em Informática em Saúde foram utilizados para a aplicação dos métodos e avaliação dos resultados.Avaliação: Métodos estatísticos e medidas de acurácia, precisão, revocação, área sob a curva ROC e F1-measure foram realizadas para medir o grau de similaridade entre os termos do tesauro especializado e os artigos selecionados. Resultados: O percentual de acurácia obtido foi de 0.87, F1-measure foi 0.87 e a área sob a curva ROC foi 0.94. Conclusão: Os resultados obtidos foram positivos, mostrando que a utilização de um tesauro especializado em Informática em Saúde em conjunto com os métodos aplicados possibilita a classificação de artigos nos domínios da Informática em Saúde e Saúde.
Objetivo: Hay un aumento considerable de la complejidad y la arquitectura de los repositorios digitales en Informática de la Salud (IS). La recuperación de la información en este escenario requiere diferentes tratamientos y actuaciones, como la clasificación automática de contenidos. El propósito de este estudio es presentar los resultados de un proceso automatizado para la clasificación de artículos científicos sobre Informática en Salud, utilizando un diccionario de sinónimos en la misma área de interés. Métodos: Los métodos estadísticos, el vector y la inteligencia artificial han sido aplicados para clasificar los contenidos relacionados con la Informática en Salud. Artículos publicados en revistas de Salud y de Informática en Salud, así como un diccionario especializado en Informática en Salud se utilizó para la aplicación de métodos y la evaluación de los resultados. Clasificación: Métodos estadísticos y medidas de la exactitud, precisión, cobertura, área bajo la curva ROC y F1 mediciones se realizaron para medir el grado de similitud entre los términos del diccionario de sinónimos y artículos especializados seleccionados. Resultados: El porcentaje de precisión obtenido fue de 0,87, F1-medida fue de 0,87 y el área bajo la curva ROC fue de 0,94. Conclusión: Los resultados fueron positivos, demostrando que el uso de un tesauro especializado en Informática en Salud en relación con los métodos que permite la clasificación de los artículos en las áreas de Informática en Salud y Salud.
Assuntos
Análise de Dados , Informática Médica , Inteligência Artificial , Publicações Periódicas como Assunto , Sistemas Computacionais , Vocabulário ControladoRESUMO
Objetivo: Descrever as experiências recentes com a aplicação de sistemas de apoio à decisão clínica em gastroenterologia, de forma a estabelecer o nível de desenvolvimento, testes e vantagens conferidas à prática médica com a introdução desses softwares. Métodos: Foi realizada busca nas bases de dados PubMed, LILACS e ISI Web of Knowledge, utilizando termos relacionados à sistemas de apoio à decisão e à gastroenterogia, incluindo artigos originais publicados no período entre 2005 e 2010. Foram recuperadas 104 publicações, na busca inicial e, após a aplicação dos critérios de inclusão e exclusão, foram eleitos nove estudos para leitura do texto completo. Resultados: Os sistemas de apoio à decisão clínica apresentam grande multiplicidade de problemas clínicos e investigação de doenças. Em 89% dos casos, são descritos modelos experimentais para o desenvolvimento de sistemas de apoio à decisão clínica. A descrição dos resultados obtidos por técnicas de inteligência artificial em 78% das publicações. Em dois dos estudos foram realizadas comparações com o médico e em apenas uma publicação um estudo controlado foi descrito, mostrando evidências de melhorias na prática médica. Conclusão: Os estudos mostram potenciais benefícios dos sistemas de apoio à decisão clínica à prática médica, porém, estudos controlados em ambiente real devem ser realizados para comprovar esta perspectiva.
Objective: This study aimed at describing the recent experience acquired with the implementation and use of clinical decision support system in gastroenterology in order to determine the level of development, tests used and advantages that such a system can offer to the medical practice. Methods: A search in the PubMed, LILACS and ISI Web of Knowledge databases for studies in decision-making support systems in gastroenterology including original papers produced from 2005 to 2010 was performed. A total of 104 scientific papers were retrieved initially. These were analyzed using inclusion and exclusion criteria, thus yielding nine studies for further analysis. Results: The clinical decision support system analyzed in the present study showed a great variety of clinical problems regarding the investigation of a disease and the determination of a diagnosis. Eighty-nine per cent of the studies showed experimental models for clinical decision support system development. Seventy-eight per cent of the studies described the outcomes obtained with artificial intelligence technique. Two studies compared the clinical decision support system performance with that of a doctor, and only one research work described a controlled study evidencing improvements in the medical practice. Conclusion: The studies analyzed showed evidence of potential benefits that clinical decision support system can bring to the clinical practice. However, further controlled studies performed in medical day-to-day conditions and environment should be performed in order to provide more clear evidence of the usefulness of clinical decision support system in the medical practice.
Objetivo: Describir la experiencia reciente con la aplicación de los sistemas de apoyo a la toma de decisiones clínicas en gastroenterología, y establecer el nivel de desarrollo, pruebas y beneficios concedidos a la práctica médica con la introducción de dicho software. Métodos: Se realizó una búsqueda en bases de datos PubMed, LILACS e ISI Web of Knowledge el uso de términos relacionados con los sistemas de apoyo a toma de decisiones y gastroenterología, incluyendo artículos originales publicados entre 2005 y 2010. Se recuperaron 104 publicaciones en la búsqueda inicial y después de la aplicación de criterios de inclusión y exclusión, nueve estudios fueron elegidos para leer el texto completo. Resultados: Hay una gran variedad de sistemas de apoyo a la toma de decisiones clínicas sobre los más diversos problemas clínicos y de investigación de las enfermedades. En el 89% de los casos se describen los modelos experimentales para el desarrollo de los sistemas de apoyo a la toma de decisiones clínicas. En el 78% de las publicaciones hay descripción de los resultados obtenidos por técnicas de inteligencia artificial. En dos estudios, las se hicieron comparaciones del sistema con el médico y solamente una única publicación, un estudio controlado describe la evidencia de las mejoras en la práctica médica. Conclusión: Estos estudios muestran los beneficios potenciales de los sistemas de apoyo a la toma de decisión clínica a la práctica médica, sin embargo, estudios controlados en un entorno real debe llevarse a cabo para confirmar este punto de vista.
Assuntos
Gastroenterologia , Inteligência Artificial , Sistemas de Apoio a Decisões ClínicasRESUMO
INTRODUCTION: Internet users are increasingly using the worldwide web to search for information relating to their health. This situation makes it necessary to create specialized tools capable of supporting users in their searches. OBJECTIVE: To apply and compare strategies that were developed to investigate the use of the Portuguese version of Medical Subject Headings (MeSH) for constructing an automated classifier for Brazilian Portuguese-language web-based content within or outside of the field of healthcare, focusing on the lay public. METHODS: 3658 Brazilian web pages were used to train the classifier and 606 Brazilian web pages were used to validate it. The strategies proposed were constructed using content-based vector methods for text classification, such that Naive Bayes was used for the task of classifying vector patterns with characteristics obtained through the proposed strategies. RESULTS: A strategy named InDeCS was developed specifically to adapt MeSH for the problem that was put forward. This approach achieved better accuracy for this pattern classification task (0.94 sensitivity, specificity and area under the ROC curve). CONCLUSIONS: Because of the significant results achieved by InDeCS, this tool has been successfully applied to the Brazilian healthcare search portal known as Busca Saúde. Furthermore, it could be shown that MeSH presents important results when used for the task of classifying web-based content focusing on the lay public. It was also possible to show from this study that MeSH was able to map out mutable non-deterministic characteristics of the web.
Assuntos
Internet , Informática Médica/métodos , Medical Subject Headings , Brasil , Atenção à Saúde , Armazenamento e Recuperação da Informação , MEDLINERESUMO
OBJECTIVE: This study aimed at describing the recent experience acquired with the implementation and use of clinical decision support system in gastroenterology in order to determine the level of development, tests used and advantages that such a system can offer to the medical practice. METHODS: A search in the PubMed, LILACS and ISI Web of Knowledge databases for studies in decision-making support systems in gastroenterology including original papers produced from 2005 to 2010 was performed. A total of 104 scientific papers were retrieved initially. These were analyzed using inclusion and exclusion criteria, thus yielding nine studies for further analysis. RESULTS: The clinical decision support system analyzed in the present study showed a great variety of clinical problems regarding the investigation of a disease and the determination of a diagnosis. Eighty-nine per cent of the studies showed experimental models for clinical decision support system development. Seventy-eight per cent of the studies described the outcomes obtained with artificial intelligence technique. Two studies compared the clinical decision support system performance with that of a doctor, and only one research work described a controlled study evidencing improvements in the medical practice. CONCLUSION: The studies analyzed showed evidence of potential benefits that clinical decision support system can bring to the clinical practice. However, further controlled studies performed in medical day-to-day conditions and environment should be performed in order to provide more clear evidence of the usefulness of clinical decision support system in the medical practice.
RESUMO
Introdução: Complicações associadas ao transplante de rim e imunossupressão podem ser prevenidas ou tratadas efetivamente quando são diagnosticadas em fases iniciais com o monitoramento pós-transplante. Objetivo: O objetivo deste estudo exploratório é comparar classificadores automáticos de padrões utilizando diferentes técnicas de inteligência artificial para prever eventos de nefrotoxicidade e rejeição celular aguda (RCA) em pacientes com até um ano do transplante renal. Métodos: Foram realizados testes estatísticos de incidência e regressão logística nas variáveis em relação à nefrotoxicidade e RCA. Foram utilizados diferentes classificadores (redes neurais, support vector machines (SVM), árvores de decisão, inferência bayesiana, e vizinhos mais próximos) com o objetivo de prever RCA e nefrotoxicidade. Os classificadores foram avaliados segundo o valor de sensibilidade, especificidade e área sob a curva ROC (AUC). Resultados: A incidência de RCA foi de 31,0% e de nefrotoxicidade de 26,9%. A técnica que apresentou o melhor valor de sensibilidade foi a SVM (algoritmo LIBSVM) com sensibilidade 0,87 (taxa de acerto 79,86%; especificidade 0,70; AUC 0,79). A técnica que apresentou o melhor valor de AUC para prever nefrotoxicidade ou RCA foi a de inferência bayesiana (algoritmo NaiveBayes) com AUC 0,80 (taxa de acerto 75,92%). Conclusão: Os resultados são animadores, com taxas de tentativa e erro condizentes com a determinação de rejeição celular aguda e nefrotoxicidade.
Background: Complications associated with kidney transplantation and immunosuppression can be prevented or treated effectively if diagnosed in early stages with monitoring post-transplant. Objective: The objective of this exploratory study is compare automatic classifiers using different techniques of artificial intelligenceáto predict events of nephrotoxicity and acute cellular rejection (ACR), with up to one year of renal transplantation Methods: The incidence and the statistical test logistic regression have been calculated in variables regarding nephrotoxicity and ACR.áWe used different classifiers (neural networks, support vector machines (SVM), decision trees, Bayesian inference, and closest neighbors) in order to provide ACR and nephrotoxicity. The classifiers were evaluated according to the value of sensitivity, specificity and area under ROC curve (AUC). Results: The prevalence of acute cellular rejection was 31.0% and 26.9% of nephrotoxicity. The technique had the highest sensitivity value prediction for the submission to the transplanted kidney biopsy was SVM (LIBSVM algorithm) with sensitivity rates of 0.87 (accuracy rate 79.86; specificity 0.70; AUC 0.79). The technique had the highest AUC for predicting nephrotoxicity and ACR was bayesian inference (NaiveBayes), with AUC rates of 0.8 (accuracy rate 75.92).Conclusion: The results are encouraging, with rates of accuracy and error consistent with the determination of acute cellular rejection and nephrotoxicity.