Classificação de Níveis de Obesidade através de Redes Neurais Multicamadas: Uma Abordagem Baseada em Hábitos de Vida e Dados Antropométricos

Abstract

A obesidade e o risco de doenças cardiovasculares representam desafios crescentes para a saúde pública global. O diagnóstico preventivo e a classificação precisa dos níveis de risco são fundamentais para intervenções médicas eficazes. Este estudo apresenta uma abordagem baseada em inteligência artificial, utilizando uma rede neural perceptron multicamadas para classificar o nível de obesidade de indivíduos com base em seus hábitos alimentares e condição física. O modelo proposto, estruturado com camadas densas, função de ativação ReLU, regularização dropout e otimizador Adam, alcançou uma acurácia geral de 94% nos dados de teste, com generalização consistente. A análise métrica demonstrou robustez notável, atingindo um F1-Score de 1,00 para a classe de Obesidade Grau III, com zero falsos negativos na categoria de maior risco.