Nossa solução: O Endo.AI é uma ferramenta inteligente, acessível e preventiva criada para ajudar na identificação precoce de possíveis casos de diabetes. Com base em respostas simples feitas em um questionário, nosso modelo de machine learning analisa padrões e estima a probabilidade de risco — tudo isso a partir de uma base de dados sólida e criteriosamente treinada.

Mais do que números, oferecemos consciência. Sabemos que 1 em cada 3 pessoas com diabetes sequer sabe que tem a condição. Por isso, nosso objetivo não é diagnosticar, mas acender um alerta: será que está na hora de olhar com mais atenção para a sua saúde?

O Endo.AI convida o usuário a se conhecer melhor e, a partir do resultado, buscar um profissional de saúde, realizar exames e adotar hábitos mais saudáveis. É um passo simples — mas pode ser o começo de uma grande mudança.

Protótipo do treinamento:

Até o momento, chegamos a treinamentos com bons resultados de precisão, recall e acurácia utilizando as técnicas de KNN e Random Forest para fazer o treinamento do nosso modelo com base em nossa Base de dados. Todo o nosso processo de treinamento e análises se encontra em nosso google colab, e nossa documentação detalhada está no relatório presente no nosso drive.

Até o momento, obtivemos resultados sólidos de precisão, recall e acurácia ao treinar nosso modelo com as técnicas de KNN e Random Forest, utilizando a base de dados disponível. Todo o pipeline de treinamento e as análises estão publicados no Google Colab, e a documentação completa pode ser consultada nos documentos armazenados em nosso Drive.

Próximos passos:

Temos como meta desenvolver uma interface amigável e intuitiva, baseada em um questionário simples. O usuário responde a perguntas sobre seus hábitos e saúde e recebe, em segundos, o risco calculado pelo nosso modelo. O design minimalista será pensado para manter a simplicidade e aumentar a acessibilidade aos mais diversos tipos de usuários.

Outro passo planejado para o futuro é a otimização do tempo de resposta e a melhoria dos valores das métricas em nosso modelo de aprendizado de máquina.
Além disso, disponibilizamos o link para o nosso formulário no Google, que utilizaremos para trabalhar com as respostas referentes ao segundo checkpoint: link do formulário.