1) O documento discute o desenvolvimento de um sistema especialista de apoio à decisão médica utilizando inteligência artificial para fornecer diagnósticos médicos.
2) O sistema usa um banco de dados relacional, redes de Bayes e classificadores Naive Bayes para representar a incerteza inerente ao processo de diagnóstico médico.
3) O objetivo é que o sistema esteja disponível online para fornecer um diagnóstico médico mais rápido e preciso, baseado na experiência de especialistas.
Este documento descreve um trabalho sobre sistemas periciais para gerir informação, realizado por um grupo de estudantes de licenciatura em Contabilidade e Auditoria. O trabalho propõe uma arquitetura de sistema pericial para gerir informação em bibliotecas, sugerindo a utilização de um analisador semântico no interface do utilizador final. O documento inclui uma introdução ao tema, uma revisão bibliográfica sobre vantagens e estruturas de sistemas periciais e uma proposta de aplicação deste tipo de sistemas em bibliotecas.
Este documento apresenta um trabalho sobre sistemas periciais para gestão da informação em bibliotecas. Propõe um modelo de sistema que reconhece o utilizador e fornece informações personalizadas sobre livros, revistas e jornais de acordo com as preferências do utilizador. O sistema guiaria o utilizador através de perguntas até encontrar a solução mais adequada para a sua pesquisa.
Curso de Pós-graduação em Business IntelligenceCaio Moreno
Este documento anuncia um curso de especialização em Tecnologias de Business Intelligence oferecido pela UNIOESTE com inscrições abertas até 20 de junho de 2011. O curso tem duração de um ano e meio com aulas aos sábados e objetiva capacitar profissionais em estratégias de recuperação e análise de dados para tomada de decisões empresariais.
Diagnóstico diferencial das cardiopatias congênitas do rngisa_legal
Este documento apresenta um sistema de apoio ao diagnóstico diferencial de cardiopatias congênitas em recém-nascidos. O sistema utiliza uma árvore de decisão com perguntas e respostas sobre sintomas, exames e achados para sugerir possíveis diagnósticos. O sistema foi desenvolvido com a ajuda de especialistas e oferece diagnósticos precisos para auxiliar médicos na detecção precoce de anomalias cardíacas.
PDF AULA 1 -LOBO - Curso de Saude DIgital -Saude 4.0 e Saude Digital.pdfProf. Lobo
O documento discute as tecnologias da Saúde 4.0 e Saúde Digital, incluindo inteligência artificial, aprendizado profundo, redes neurais, prontuários eletrônicos e telessaúde. A Saúde Digital pode melhorar o atendimento aos pacientes por meio do processamento e compartilhamento seguro de dados médicos. Sistemas de IA já mostram potencial para auxiliar no diagnóstico, mas médicos ainda são necessários para interpretar resultados e cuidar do paciente.
Formação de recursos humanos em saúde digital. pptProf. Lobo
O documento discute estratégias para a formação de recursos humanos em saúde digital no Brasil, incluindo o uso de prontuários eletrônicos, telessaúde, capacitação em novas tecnologias e a centralização das informações do paciente em um único prontuário digital.
Formação de recursos humanos em saúde digital. pptProf. Lobo
O documento discute estratégias para a formação de recursos humanos em saúde digital no Brasil, incluindo o uso de prontuários eletrônicos, telessaúde, inteligência artificial e análise de big data. Profissionais de saúde devem ser capacitados em tecnologias digitais por meio de cursos online, preceptoria e sistemas de apoio à decisão clínica. O processamento de imagens e genômica requer treinamento especializado.
O documento discute o desenvolvimento de um sistema de apoio à decisão chamado SAD-PPCE para auxiliar enfermeiros no planejamento e processo decisório. O sistema usa protocolos de cuidados de enfermagem para criar prescrições individualizadas para pacientes, ajudando enfermeiros a tomar decisões melhores. O SAD-PPCE usa metodologia de engenharia de software e foi desenvolvido para melhorar a qualidade dos cuidados de saúde.
Este documento descreve um trabalho sobre sistemas periciais para gerir informação, realizado por um grupo de estudantes de licenciatura em Contabilidade e Auditoria. O trabalho propõe uma arquitetura de sistema pericial para gerir informação em bibliotecas, sugerindo a utilização de um analisador semântico no interface do utilizador final. O documento inclui uma introdução ao tema, uma revisão bibliográfica sobre vantagens e estruturas de sistemas periciais e uma proposta de aplicação deste tipo de sistemas em bibliotecas.
Este documento apresenta um trabalho sobre sistemas periciais para gestão da informação em bibliotecas. Propõe um modelo de sistema que reconhece o utilizador e fornece informações personalizadas sobre livros, revistas e jornais de acordo com as preferências do utilizador. O sistema guiaria o utilizador através de perguntas até encontrar a solução mais adequada para a sua pesquisa.
Curso de Pós-graduação em Business IntelligenceCaio Moreno
Este documento anuncia um curso de especialização em Tecnologias de Business Intelligence oferecido pela UNIOESTE com inscrições abertas até 20 de junho de 2011. O curso tem duração de um ano e meio com aulas aos sábados e objetiva capacitar profissionais em estratégias de recuperação e análise de dados para tomada de decisões empresariais.
Diagnóstico diferencial das cardiopatias congênitas do rngisa_legal
Este documento apresenta um sistema de apoio ao diagnóstico diferencial de cardiopatias congênitas em recém-nascidos. O sistema utiliza uma árvore de decisão com perguntas e respostas sobre sintomas, exames e achados para sugerir possíveis diagnósticos. O sistema foi desenvolvido com a ajuda de especialistas e oferece diagnósticos precisos para auxiliar médicos na detecção precoce de anomalias cardíacas.
PDF AULA 1 -LOBO - Curso de Saude DIgital -Saude 4.0 e Saude Digital.pdfProf. Lobo
O documento discute as tecnologias da Saúde 4.0 e Saúde Digital, incluindo inteligência artificial, aprendizado profundo, redes neurais, prontuários eletrônicos e telessaúde. A Saúde Digital pode melhorar o atendimento aos pacientes por meio do processamento e compartilhamento seguro de dados médicos. Sistemas de IA já mostram potencial para auxiliar no diagnóstico, mas médicos ainda são necessários para interpretar resultados e cuidar do paciente.
Formação de recursos humanos em saúde digital. pptProf. Lobo
O documento discute estratégias para a formação de recursos humanos em saúde digital no Brasil, incluindo o uso de prontuários eletrônicos, telessaúde, capacitação em novas tecnologias e a centralização das informações do paciente em um único prontuário digital.
Formação de recursos humanos em saúde digital. pptProf. Lobo
O documento discute estratégias para a formação de recursos humanos em saúde digital no Brasil, incluindo o uso de prontuários eletrônicos, telessaúde, inteligência artificial e análise de big data. Profissionais de saúde devem ser capacitados em tecnologias digitais por meio de cursos online, preceptoria e sistemas de apoio à decisão clínica. O processamento de imagens e genômica requer treinamento especializado.
O documento discute o desenvolvimento de um sistema de apoio à decisão chamado SAD-PPCE para auxiliar enfermeiros no planejamento e processo decisório. O sistema usa protocolos de cuidados de enfermagem para criar prescrições individualizadas para pacientes, ajudando enfermeiros a tomar decisões melhores. O SAD-PPCE usa metodologia de engenharia de software e foi desenvolvido para melhorar a qualidade dos cuidados de saúde.
O documento discute o big data e a ciência de dados na enfermagem. Apresenta definições de termos-chave como big data, ciência de dados e machine learning. Descreve quatro modelos básicos de machine learning e exemplos de suas aplicações na saúde. Também discute a importância do especialista de domínio no contexto da ciência de dados.
Uma Proposta de Protótipo para Apoiar o Processo de Administração de Medicame...Priscila Alcântara
O documento descreve uma proposta de protótipo para apoiar o processo de administração de medicamentos em hospitais utilizando design centrado no usuário. O objetivo é conceber uma interface gráfica para um sistema de informação que torne a administração de medicamentos mais segura para a equipe de saúde. A pesquisa envolveu entrevistas e observações com profissionais de saúde para entender suas necessidades e fluxos de trabalho.
O documento discute a história da informação, indicadores de saúde e sistemas de informação em saúde no Brasil. Ele descreve como a informação evoluiu desde pictogramas até a imprensa de Gutenberg e como os indicadores de saúde são usados para medir resultados. Também explica os principais sistemas de informação em saúde no Brasil, como o DATASUS, e como eles fornecem dados sobre saúde pública.
Tecnologias emergentes como genética, robótica e registros de saúde eletrônicos estão mudando a prática da enfermagem. Enfermeiros precisam adquirir habilidades como o uso de tecnologia para facilitar cuidados, experiência em aquisição e distribuição de conhecimento e compreensão de genômica. O impacto dessas tecnologias representa tanto oportunidades quanto desafios para a profissão de enfermagem.
Revolução na Medicina: Como a Inteligência Artificial Está Redefinindo o Diag...vasconcelosjaira74
Você já imaginou como seria se a tecnologia pudesse agir como uma aliada crucial na prevenção e no tratamento de doenças? Bem-vindo ao mundo da inteligência artificial (IA) na medicina, onde essa tecnologia revolucionária está moldando o futuro dos diagnósticos médicos. Embora alguns possam hesitar em confiar em algoritmos e máquinas para cuidados de saúde tão vitais, a verdade é que a IA está se mostrando uma ferramenta poderosa e promissora para médicos e pacientes. Nesta jornada, vamos explorar como a IA está transformando a medicina, oferecendo diagnósticos mais precisos, tratamentos personalizados e um cuidado mais eficiente. Prepare-se para descobrir o emocionante potencial da IA para revolucionar a saúde e o bem-estar.
Transformando a Saúde com IA: Diagnóstico Médico Automatizado e Precisovasconcelosjaira74
Você já se perguntou como os médicos conseguem diagnosticar doenças com tanta precisão? Com os avanços recentes na inteligência artificial, estamos testemunhando uma revolução na medicina. Neste artigo, vamos explorar como a IA está aprimorando o diagnóstico médico, proporcionando insights valiosos e revolucionando o campo da saúde. Prepare-se para descobrir como a tecnologia está transformando a prática médica!
O Poder da IA na Saúde: Como a Análise de Imagens Médicas Está Sendo Aprimoradavasconcelosjaira74
Você já parou para pensar no potencial revolucionário da tecnologia para salvar vidas e transformar a maneira como lidamos com a saúde? Bem-vindo ao mundo da inteligência artificial na medicina, onde os limites da inovação estão sendo constantemente desafiados. Apesar das possíveis preocupações, a IA está emergindo como uma poderosa aliada dos profissionais de saúde, oferecendo diagnósticos mais rápidos, precisos e personalizados. Nesta jornada pela vanguarda da medicina, vamos explorar como a IA está abrindo novos horizontes e apresentando oportunidades emocionantes para o futuro da saúde. Prepare-se para se maravilhar com as possibilidades e desafios desta revolução tecnológica no campo médico.
O documento discute a Saúde 4.0 e a Saúde Digital, incluindo: (1) Saúde 4.0 visa incorporar tecnologias para melhorar a prevenção, diagnóstico e tratamento de doenças; (2) A inteligência artificial pode ajudar no diagnóstico usando grandes volumes de dados para propor soluções; (3) A saúde digital inclui prontuários eletrônicos, telemedicina e dispositivos vestíveis que podem melhorar a eficiência e acesso aos cuidados de saúde.
O documento discute a Saúde 4.0 e a Saúde Digital, incluindo: (1) Saúde 4.0 visa incorporar tecnologias para melhorar a prevenção, diagnóstico e tratamento de doenças; (2) A inteligência artificial pode ajudar no diagnóstico usando reconhecimento de padrões em grande volume de dados; (3) A saúde digital inclui prontuários eletrônicos, telessaúde e o uso de dispositivos móveis para apoiar a decisão clínica.
O documento discute as tecnologias de informação em saúde, o ePatient, o prontuário eletrônico do paciente e seus aspectos éticos e de segurança. Em particular, aborda a necessidade de criação de um intercampo de informação e informática em saúde para integrar os sistemas fragmentados do SUS e facilitar o fluxo de informações entre os diferentes espaços envolvidos no cuidado do paciente.
A carreira de cientista de dados para a saúde digitalMauro Pichiliani
Este documento descreve a carreira de um cientista de dados na área da saúde digital. Ele detalha seu histórico acadêmico e profissional, incluindo pesquisas em grandes empresas de tecnologia e agora na Philips. O documento também explica conceitos como ciência de dados, saúde digital, inteligência artificial na saúde e projetos em Unidades de Terapia Intensiva remotas.
Trabalho envolvendo as disciplinas de Engenharia de Software para Web, Banco de dados e Internet, Acessibilidade e Programação de Sítios e Internet. Sobre um software para ajudar com o controle de medicamentos.
Análise de requisitos de um sistema para administração de medicamentosPriscila Alcântara
Artigo apresentado no INFOBRASIL 2013 em Fortaleza sobre levantamento de requisitos para um sistema de administração de medicamentos utilizando métodos de design centrado n usuário.
SISTEMA INFORMATIZADO PARA OTIMIZAÇÃO DOS PROCESSOS EM CLÍNICAS DE FISIOTERAPIADiego Felipe Maia
O documento descreve o desenvolvimento de um sistema chamado SystemFisio para clínicas de fisioterapia com o objetivo de otimizar os processos de avaliação e acompanhamento de pacientes de forma informatizada, permitindo emissão de relatórios e gráficos. Uma pesquisa identificou a falta de sistemas para esta finalidade, tornando viável o desenvolvimento deste.
1. O documento discute o que é estatística, suas definições, aplicações e métodos. 2. A estatística é uma ferramenta para análise de dados que pode ser usada em diversas áreas como saúde, negócios e educação. 3. Há diferentes tipos de pesquisa estatística como observacional, experimental e de coorte que auxiliam no planejamento e análise de estudos científicos.
V2. Inteligência Cognitiva e Saúde Digital (4).pptxProf. Lobo
O documento discute inteligência cognitiva e saúde digital, definindo cognição como a capacidade de integrar conhecimentos presentes e passados para resolver problemas. Também aborda como a inteligência artificial e as tecnologias digitais, como prontuários eletrônicos e dispositivos vestíveis, podem apoiar a saúde e a medicina.
O documento discute o potencial do Centro de Integração de Dados e Conhecimentos para Saúde (CIDACS) para integrar grandes bases de dados de saúde no Brasil e permitir novas pesquisas. O CIDACS planeja construir plataformas para estudos longitudinais em saúde pública, vigilância de doenças como Zika, e avaliação de programas sociais usando os dados do Cadastro Único. No entanto, existem desafios como acesso, integração e privacidade de dados que precisam ser superados.
As classes de modelagem podem ser comparadas a moldes ou
formas que definem as características e os comportamentos dos
objetos criados a partir delas. Vale traçar um paralelo com o projeto de
um automóvel. Os engenheiros definem as medidas, a quantidade de
portas, a potência do motor, a localização do estepe, dentre outras
descrições necessárias para a fabricação de um veículo
O documento discute o big data e a ciência de dados na enfermagem. Apresenta definições de termos-chave como big data, ciência de dados e machine learning. Descreve quatro modelos básicos de machine learning e exemplos de suas aplicações na saúde. Também discute a importância do especialista de domínio no contexto da ciência de dados.
Uma Proposta de Protótipo para Apoiar o Processo de Administração de Medicame...Priscila Alcântara
O documento descreve uma proposta de protótipo para apoiar o processo de administração de medicamentos em hospitais utilizando design centrado no usuário. O objetivo é conceber uma interface gráfica para um sistema de informação que torne a administração de medicamentos mais segura para a equipe de saúde. A pesquisa envolveu entrevistas e observações com profissionais de saúde para entender suas necessidades e fluxos de trabalho.
O documento discute a história da informação, indicadores de saúde e sistemas de informação em saúde no Brasil. Ele descreve como a informação evoluiu desde pictogramas até a imprensa de Gutenberg e como os indicadores de saúde são usados para medir resultados. Também explica os principais sistemas de informação em saúde no Brasil, como o DATASUS, e como eles fornecem dados sobre saúde pública.
Tecnologias emergentes como genética, robótica e registros de saúde eletrônicos estão mudando a prática da enfermagem. Enfermeiros precisam adquirir habilidades como o uso de tecnologia para facilitar cuidados, experiência em aquisição e distribuição de conhecimento e compreensão de genômica. O impacto dessas tecnologias representa tanto oportunidades quanto desafios para a profissão de enfermagem.
Revolução na Medicina: Como a Inteligência Artificial Está Redefinindo o Diag...vasconcelosjaira74
Você já imaginou como seria se a tecnologia pudesse agir como uma aliada crucial na prevenção e no tratamento de doenças? Bem-vindo ao mundo da inteligência artificial (IA) na medicina, onde essa tecnologia revolucionária está moldando o futuro dos diagnósticos médicos. Embora alguns possam hesitar em confiar em algoritmos e máquinas para cuidados de saúde tão vitais, a verdade é que a IA está se mostrando uma ferramenta poderosa e promissora para médicos e pacientes. Nesta jornada, vamos explorar como a IA está transformando a medicina, oferecendo diagnósticos mais precisos, tratamentos personalizados e um cuidado mais eficiente. Prepare-se para descobrir o emocionante potencial da IA para revolucionar a saúde e o bem-estar.
Transformando a Saúde com IA: Diagnóstico Médico Automatizado e Precisovasconcelosjaira74
Você já se perguntou como os médicos conseguem diagnosticar doenças com tanta precisão? Com os avanços recentes na inteligência artificial, estamos testemunhando uma revolução na medicina. Neste artigo, vamos explorar como a IA está aprimorando o diagnóstico médico, proporcionando insights valiosos e revolucionando o campo da saúde. Prepare-se para descobrir como a tecnologia está transformando a prática médica!
O Poder da IA na Saúde: Como a Análise de Imagens Médicas Está Sendo Aprimoradavasconcelosjaira74
Você já parou para pensar no potencial revolucionário da tecnologia para salvar vidas e transformar a maneira como lidamos com a saúde? Bem-vindo ao mundo da inteligência artificial na medicina, onde os limites da inovação estão sendo constantemente desafiados. Apesar das possíveis preocupações, a IA está emergindo como uma poderosa aliada dos profissionais de saúde, oferecendo diagnósticos mais rápidos, precisos e personalizados. Nesta jornada pela vanguarda da medicina, vamos explorar como a IA está abrindo novos horizontes e apresentando oportunidades emocionantes para o futuro da saúde. Prepare-se para se maravilhar com as possibilidades e desafios desta revolução tecnológica no campo médico.
O documento discute a Saúde 4.0 e a Saúde Digital, incluindo: (1) Saúde 4.0 visa incorporar tecnologias para melhorar a prevenção, diagnóstico e tratamento de doenças; (2) A inteligência artificial pode ajudar no diagnóstico usando grandes volumes de dados para propor soluções; (3) A saúde digital inclui prontuários eletrônicos, telemedicina e dispositivos vestíveis que podem melhorar a eficiência e acesso aos cuidados de saúde.
O documento discute a Saúde 4.0 e a Saúde Digital, incluindo: (1) Saúde 4.0 visa incorporar tecnologias para melhorar a prevenção, diagnóstico e tratamento de doenças; (2) A inteligência artificial pode ajudar no diagnóstico usando reconhecimento de padrões em grande volume de dados; (3) A saúde digital inclui prontuários eletrônicos, telessaúde e o uso de dispositivos móveis para apoiar a decisão clínica.
O documento discute as tecnologias de informação em saúde, o ePatient, o prontuário eletrônico do paciente e seus aspectos éticos e de segurança. Em particular, aborda a necessidade de criação de um intercampo de informação e informática em saúde para integrar os sistemas fragmentados do SUS e facilitar o fluxo de informações entre os diferentes espaços envolvidos no cuidado do paciente.
A carreira de cientista de dados para a saúde digitalMauro Pichiliani
Este documento descreve a carreira de um cientista de dados na área da saúde digital. Ele detalha seu histórico acadêmico e profissional, incluindo pesquisas em grandes empresas de tecnologia e agora na Philips. O documento também explica conceitos como ciência de dados, saúde digital, inteligência artificial na saúde e projetos em Unidades de Terapia Intensiva remotas.
Trabalho envolvendo as disciplinas de Engenharia de Software para Web, Banco de dados e Internet, Acessibilidade e Programação de Sítios e Internet. Sobre um software para ajudar com o controle de medicamentos.
Análise de requisitos de um sistema para administração de medicamentosPriscila Alcântara
Artigo apresentado no INFOBRASIL 2013 em Fortaleza sobre levantamento de requisitos para um sistema de administração de medicamentos utilizando métodos de design centrado n usuário.
SISTEMA INFORMATIZADO PARA OTIMIZAÇÃO DOS PROCESSOS EM CLÍNICAS DE FISIOTERAPIADiego Felipe Maia
O documento descreve o desenvolvimento de um sistema chamado SystemFisio para clínicas de fisioterapia com o objetivo de otimizar os processos de avaliação e acompanhamento de pacientes de forma informatizada, permitindo emissão de relatórios e gráficos. Uma pesquisa identificou a falta de sistemas para esta finalidade, tornando viável o desenvolvimento deste.
1. O documento discute o que é estatística, suas definições, aplicações e métodos. 2. A estatística é uma ferramenta para análise de dados que pode ser usada em diversas áreas como saúde, negócios e educação. 3. Há diferentes tipos de pesquisa estatística como observacional, experimental e de coorte que auxiliam no planejamento e análise de estudos científicos.
V2. Inteligência Cognitiva e Saúde Digital (4).pptxProf. Lobo
O documento discute inteligência cognitiva e saúde digital, definindo cognição como a capacidade de integrar conhecimentos presentes e passados para resolver problemas. Também aborda como a inteligência artificial e as tecnologias digitais, como prontuários eletrônicos e dispositivos vestíveis, podem apoiar a saúde e a medicina.
O documento discute o potencial do Centro de Integração de Dados e Conhecimentos para Saúde (CIDACS) para integrar grandes bases de dados de saúde no Brasil e permitir novas pesquisas. O CIDACS planeja construir plataformas para estudos longitudinais em saúde pública, vigilância de doenças como Zika, e avaliação de programas sociais usando os dados do Cadastro Único. No entanto, existem desafios como acesso, integração e privacidade de dados que precisam ser superados.
As classes de modelagem podem ser comparadas a moldes ou
formas que definem as características e os comportamentos dos
objetos criados a partir delas. Vale traçar um paralelo com o projeto de
um automóvel. Os engenheiros definem as medidas, a quantidade de
portas, a potência do motor, a localização do estepe, dentre outras
descrições necessárias para a fabricação de um veículo
A linguagem C# aproveita conceitos de muitas outras linguagens,
mas especialmente de C++ e Java. Sua sintaxe é relativamente fácil, o que
diminui o tempo de aprendizado. Todos os programas desenvolvidos devem
ser compilados, gerando um arquivo com a extensão DLL ou EXE. Isso torna a
execução dos programas mais rápida se comparados com as linguagens de
script (VBScript , JavaScript) que atualmente utilizamos na internet
1. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página59
Inteligência Artificial Aplicada à Medicina
Ademar Rosa de Souza, Anderson Francisco Talon
Departamento de Computação
Faculdade de Tecnologia de Bauru (FATEC) – Bauru, SP – Brasil
ademaroza@gmail.com, anderson.talon@fatec.sp.gov.br
Abstract. Given the large increase in scientific knowledge in medicine, where, it is not
always possible for most physicians to assimilate them, the aim of this project is the
creation of an expert system to support medical decision, based on the use of one relational
database (MySQL), the use of Bayes networks and artificial intelligence techniques. In
order to get a broader and faster dissemination of human knowledge, the system will be
available on the Internet. It was noted a good operability of the system with their lists of
differential diagnoses that should be remembered and analyzed by the attending physician.
Resumo. Tendo em vista o grande aumento do conhecimento científico na medicina, onde,
nem sempre, é possível para a maioria dos médicos assimilá-los, objetivou-se com este
projeto a criação de um sistema especialista de apoio à decisão médica, baseado na
utilização de um banco de dados relacional (MySQL), no uso das Redes de Bayes e em
técnicas de inteligência artificial. Com o intuito de obter uma maior abrangência e rapidez
na disseminação do conhecimento humano, o sistema estará disponível na internet. Notou-
se uma boa operacionalidade do sistema com suas listas de diagnósticos diferenciais que
devem ser lembrados e analisados pelo médico assistente.
2. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página60
1. Introdução
Com o avanço da medicina, o conhecimento científico ganha proporções gigantescas, onde, nem
sempre, é possível para a maioria dos médicos assimilá-los.
O conhecimento sobre qualquer patologia pode ser facilmente encontrado na internet, mas
dificilmente encontra-se algum mecanismo que faça o raciocínio e a análise entre os dados obtidos de
um mesmo paciente e chegue a uma conclusão para o problema.
Em nosso cotidiano, existe uma necessidade crescente de diagnósticos médicos rápidos e
precisos, em virtude de uma maior demanda na área da saúde. Nesse contexto, espera-se que a
inteligência artificial (apoiada num banco de dados com informações médicas) possa contribuir de
forma significativa.
Atualmente, existem várias pesquisas tentando aplicar a inteligência artificial na área médica
através dos sistemas de apoio à decisão médica. Apesar disso, estes sistemas ainda não estão sendo
utilizados de forma rotineira. Existem várias justificativas: necessidade prévia de um sistema
informatizado de registros médicos; programas com interface não amigável entre o usuário e o
sistema; excessiva perda de tempo no fornecimento dos dados iniciais do paciente contrastando com a
necessidade de respostas rápidas nos ambientes médicos. [Westphal 2003].
Em virtude disso, pretende-se desenvolver um sistema especialista de apoio à decisão médica
utilizando técnicas de inteligência artificial e funcionando via internet, tornando o sistema totalmente
simples de operar e compreender.
O objetivo deste projeto será unir duas áreas do conhecimento humano, medicina e
informática, com o intuito de otimizar e agilizar de forma confiável os diagnósticos médicos.
2 Inteligência Artificial (IA)
A Inteligência Artificial (IA) nasceu oficialmente em 1956, durante uma conferência de verão em
Dartmouth College, nos Estados Unidos. Ela surgiu do desejo de fazer com que os programas de
computadores utilizassem metodologias baseadas na forma como os seres humanos pensam e
resolvem problemas, assim, utilizam mecanismos que simulam a inteligência humana.
Segundo Haykin (2008), um sistema de IA deve ser capaz de: armazenar conhecimento;
aplicar o conhecimento armazenado para resolver problemas e adquirir novo conhecimento através da
experiência.
2.1 Sistemas Especialistas (SE)
Os SE atuam na forma de sistemas interativos, respondendo questões, solicitando ou fornecendo
esclarecimentos e recomendações, podendo também auxiliar o usuário na tomada de decisões. De
modo geral, podem simular o raciocínio humano ao fazer inferências, julgamentos ou projetar
resultados [Linares 1997].
São utilizados quando um problema não pode ser algoritmizado (não possua regras ou
processos claramente definidos), ou sua solução conduza a um processamento muito demorado.
Dentre seus objetivos, está o de preservar e transmitir o conhecimento de algum especialista em
determinada área [Rosso 2002].
3. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página61
O primeiro SE elaborado com sucesso para a área médica foi o MYCIN (início de 1970 na
Universidade de Stanford), cujo propósito foi prover diagnósticos e terapias em doenças infecciosas.
Este aconselhamento é bastante útil, pois nem sempre se tem acessível um médico especialista em
infecções.
O sistema do MYCIN continha 450 regras em sua base de dados e possibilitava explicar o
raciocínio adotado na conclusão do seu diagnóstico.
Os SE possuem o seu mecanismo baseado em regras heurísticas, que são uma implicação
lógica da forma: SE <condição> ENTÃO <conseqüência>
2.1.1 Vantagens da Utilização de Sistemas Especialistas (SE)
Um sistema baseado em conhecimento pode interagir com o usuário, buscando apenas as informações
que são úteis na resolução de problemas específicos, reduzindo o tempo de busca.
Pelo fato do sistema possuir inteligência e conhecimento, existem algumas vantagens
diferentes em relação aos modelos tradicionais [Mendes 1997], tais como: o conhecimento do
especialista pode ser distribuído, pode ser utilizado por um grande número de pessoas; melhora a
produtividade e desempenho de seus usuários devido ao vasto conhecimento; reduz o grau de
dependência que as organizações mantêm quando falta um especialista; considerada ferramenta
adequada para treinamento de grupos de pessoas; não é influenciado por elementos externos a ele,
eliminando erros devido à pressão do ambiente.
De maneira geral, um SE é formado por alguns elementos básicos (Figura 1), a interface de
aquisição de conhecimento para obtenção do conhecimento do especialista; base de conhecimento
contendo fatos e dados que representam o conhecimento do especialista; mecanismo de inferência
para busca do conhecimento podendo utilizar heurísticas, esquemas de raciocínio, inferências e
interface com o usuário com linguagem natural, explanação, ou seja, esquema de interação com o
usuário final.
4. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página62
Figura 1. Esquema clássico de um sistema especialista, típico de numerosas áreas de
aplicação da inteligência artificial. Adaptado de Mendes (1997).
3. Material e Métodos
De origem grega, a palavra diagnóstico significa discernir ou distinguir.
Dentro do contexto médico, é “uma série de procedimentos de ordem intelectual e operacional
através dos quais se obtém uma resposta a um problema clínico” conforme definido por Mason
(citado por Andrade 1999).
Segundo Linden (2012) os problemas do mundo real podem ser resolvidos através de técnicas
de busca, bastando definir onde o problema se inicia e o objetivo aonde se deseja chegar.
Basicamente, tudo que existe na mente humana possui uma relação, e tudo que existe no
mundo possui uma relação no tempo e espaço.
“O conhecimento depende da distinção entre os atributos dos objetos do mundo. Sem a
distinção, sem o relacionamento, não há conhecimento. Relação define, portanto, conhecimento!”
[Krepsky 1999]
Dentro deste contexto, optou-se por trabalhar neste projeto com banco de dados relacionais,
os quais possuem em sua estrutura a possibilidade de se criar relacionamentos entre os objetos, além
de mecanismos de busca muito eficazes e poderosos.
5. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página63
3.1 Banco de Dados
Um banco de dados é um aplicativo que pode armazenar uma grande quantidade de informações e
recuperar estes dados de maneira muito rápida.
O modelo mais usado atualmente é o de Banco de Dados Relacional [Dias Neto Online], o
qual surgiu em meados da década de 1970. Nesse modelo, um banco de dados pode ser composto por
várias tabelas, onde os dados de uma tabela podem estar ligados com os dados de outra através de
relacionamentos (Figura 2).
Figura 2. Esquema de um banco de dados relacional, mostrando como seria o
relacionamento entre a tabela “Doenças” e a tabela “Sintomas”.
3.2 Imprecisão e Incerteza
A modelagem do processo de decisão clínica é uma tarefa complexa, em virtude da imprecisão das
informações iniciais e da incerteza das hipóteses diagnósticas.
Hipótese, para a estatística, é o termo utilizado para alguma proposição da qual sua verdade
ou falsidade não é conhecida, mas está assegurada com base em alguma evidência.
Um requisito esperado nos SE de apoio à decisão médica é que estes
consigam representar a incerteza e imprecisão que se encontram inerentes no
processo de diagnóstico (por exemplo: anamnese, testes laboratoriais, etc.), e
assim possam se aproximar ou representar mais fidedignamente o raciocínio
médico, de modo que possa chegar ao resultado, que é o diagnóstico, com um
grau de certeza tanto quanto o especialista é capaz de fazê-lo [Linares 1997].
Tendo em vista que o raciocínio médico é mais baseado em probabilidades [Andrade 1999] e
que existem métodos para representar a imprecisão e/ou incerteza, optou-se por adotar o uso das
Redes de Bayes, visando uma inferência mais aproximada em relação à realidade.
6. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página64
3.3 Redes de Bayes
Também chamadas de redes de crença, redes probabilísticas ou redes causais, podem ser vistas como
um modelo de distribuição de probabilidades para representar uma situação, suas variáveis e estados,
e a partir disto realizar inferências. São compostas por várias variáveis de entrada e uma variável de
saída [Kubo 2011].
As Redes Bayesianas (RB) foram desenvolvidas pelo professor Thomas Bayes em 1763 com o
intuito de auxiliar o trabalho de predição. São elaboradas a partir de modelos e bases de incertezas e
baseiam-se na utilização de fórmulas matemáticas para o cálculo de probabilidades [Kubo 2011]. É
uma base atraente para um sistema de raciocínio sob incerteza [Linares 1997].
“As RB são grafos acíclicos e direcionados que permitem a representação da distribuição de
probabilidades conjunta de um conjunto de variáveis aleatórias.” [Karcher 2009], figura 3.
Figura 3. Exemplo de Rede Bayesiana aplicada no diagnóstico médico. [Karcher 2009]
Segundo Russell e Norvig (2004), as inferências sobre as redes Bayesianas podem ser
realizadas de quatro maneiras distintas: 1) Diagnósticos: partindo dos efeitos para as causas; 2)
Causa: partindo das causas para os efeitos; 3) Intercausal: entre causas de um efeito comum; 4)
Mistas: combinação de dois ou mais tipos descritos acima.
Quando aplicadas em problemas de classificação de dados passam a ser chamadas de
Classificadores Bayesianos, os quais têm como objetivo descrever e distinguir classes: pode ser obtido
um sistema de pesos ou escores, sendo atribuídos escores positivos para testes ou achados clínicos em
função principalmente da especificidade (se presentes ou positivos) e escores negativos em função da
sensibilidade (se ausentes ou negativos) [Andrade 1999].
Esta proposta de se fazer diagnósticos através de escores é vista com simpatia, pois é muito
familiar aos clínicos.
Segundo Russell e Norvig (2004), “A principal vantagem de raciocínio probabilístico sobre
raciocínio lógico é fato de que agentes podem tomar decisões racionais mesmo quando não existe
informação suficiente para se provar que uma ação funcionará”.
Probabilidade condicional é a probabilidade de ocorrer um evento, na condição de que outro
evento já tenha ocorrido, conforme a equação 1:
P(a|b) = x (1)
A equação 1 pode ser interpretada como: "Dado o evento b, a probabilidade do evento a é
x". Sendo assim, a Regra de Bayes pode ser dada utilizando a equação 2:
7. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página65
(2)
Um exemplo de aplicação da Regra de Bayes no diagnóstico médico pode ser exemplificado
pelo diagnóstico da meningite. Um médico sabe que a meningite (M) causa torcicolo (T) em 50% dos
casos. Porém, o médico também conhece algumas probabilidades incondicionais que dizem que, um
caso de meningite atinge 1/50000 pessoas e, a probabilidade de alguém ter torcicolo é de 1/20.
Aplicando a regra de Bayes, equação 3, é possível obter o valor de P(M|T) igual a 0,0002.
Esta é a probabilidade de que a pessoa tenha meningite, baseado apenas no sintoma torcicolo.
(3)
3.4 Classficador Naive Bayes
Dentre os classificadores Bayesianos, o classificador Naive Bayes é o mais conhecido, em virtude de
sua simplicidade e eficiência, destacando-se pelos sucessos obtidos em diversos problemas, mesmo se
comparado com outros classificadores mais complexos.
Os Classificadores Naive Bayes levam em conta que todos os atributos são condicionalmente
independentes, figura 4, ou seja, uma característica não é relacionada com a outra; embora esta
hipótese raramente se verifique no mundo real. De qualquer modo eles têm apresentado um bom
desempenho se as variáveis preditoras não forem fortemente correlacionadas [Karcher 2009].
Figura 4. Estrutura do Classificador Naive Bayes com 5 atributos e uma classe. Fonte:
Karcher (2009)
A probabilidade incondicional da classe pode ser obtida por meio do conhecimento de um
especialista ou atribuindo probabilidades iguais para todas as classes.
A função de um Classificador Naive Bayes neste projeto é a filtragem das hipóteses
diagnósticas de maior probabilidade (a partir das hipóteses pré-selecionadas pelo banco de dados
relacional), tornando o modelo mais parcimonioso (com menor número de variáveis) e mais poderoso,
aumentando o desempenho do sistema e auxiliando no aumento das taxas de acerto das previsões.
8. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página66
3.5 Dicionário de sinônimos
Com o intuito de facilitar a interatividade com o usuário, a estrutura do projeto foi elaborada
permitindo a utilização de palavras sinônimas.
Exemplo 1: Catapora = Varicela.
Exemplo 2 (regra utilizando sinônimos):
SE (cão/cachorro) E (mordeu/mordida/mordedura)
ENTÃO doença provável = Raiva (Probabilidade = x%)
3.6 Dicionário de semelhantes
Visando englobar o maior leque possível de doenças a partir dos dados ou sintomas fornecidos pelo
usuário, também foi elaborado um dicionário de itens semelhantes.
Por exemplo, se o usuário digitar que o paciente possui o sintoma "febre", o sistema procurará
também por doenças que apresentem quaisquer um dos seguintes sintomas: "febre com calafrios",
"febre não especificada" ou "febre persistente". Neste caso, os sintomas são semelhantes, porém não
iguais (não são sinônimos). Algumas vezes, podem até serem interpretados como graduações de um
mesmo item.
3.7 Fluxograma dos processos realizados pelo sistema
Na Figura 5 é apresentado o fluxograma dos processos utilizados pelo sistema.
1) O usuário fornecerá os dados de entrada (sinais e sintomas)
2) Busca em largura: o banco de dados, através de seus relacionamentos, fará a seleção de todas as
doenças que possam apresentar qualquer um dos sinais ou sintomas.
3) Busca em profundidade: As doenças serão classificadas ou ordenadas de acordo com o número
de achados ou escores obtidos. De modo geral, será feita uma filtragem das doenças mais
prováveis (Classificador Naive Bayes). Nesta fase, pode ser estipulado o número máximo de
doenças a serem classificadas ou o tempo máximo para a execução desta tarefa.
4) Exibição dos diagnósticos mais prováveis em ordem decrescente de probabilidade.
3.8 Do Ponto de Vista Ético
É vedado ao médico prescrever tratamentos sem exame direto do paciente. A exceção acontece em
casos de urgência e, mesmo assim, a consulta deve acontecer assim que terminado o impedimento. A
determinação está no artigo 37 do Código de Ética Médica e foi enfatizada na Resolução 1.974/11,
do Conselho Federal de Medicina (CFM), que atualiza regras para divulgação de serviços prestados.
“A relação médico-paciente é insubstituível. Interferências podem induzir a conclusões
errôneas” [Cenço 2011].
Portanto, o sistema especialista é apenas um Sistema de Apoio à Decisão Médica (SADM) e
não um sistema de decisão. Não é destinado a substituir qualquer médico especialista em determinada
área, mas sim auxiliar o médico clínico geral de alguma pequena cidade (distante do especialista) a
diagnosticar corretamente uma doença.
9. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página67
“Quanto menos avançado é o centro médico, mais se precisa de apoio à decisão”, diz Sigulem
(citado por Cardoso, Online).
3.9 Tecnologias utilizadas no projeto
Foi adotada a plataforma .NET, ou seja, as páginas na internet foram elaboradas em ASP.NET em
combinação com a linguagem Visual Basic.
Foi adotado o banco de dados relacional MySQL, por ser voltado para a internet e com
suporte a múltiplas conexões. É um banco livre e gratuito, sendo seu código fonte aberto, além de ser
fácil de usar e com melhorias contínuas. Possui uma grande capacidade de armazenamento, além de
possibilitar a incorporação de arquivos de áudio e vídeo, dentre outros.
Figura 5. Fluxograma dos processos a serem realizados pelo sistema.
4 Resultados
Na Figura 6 pode ser visualizada a modelagem do banco de dados.
10. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página68
Figura 6. Modelagem do banco de dados, mostrando o relacionamento entre as tabelas do
sistema.
Visando uma maior abrangência e rapidez na disseminação do conhecimento humano, o
sistema estará disponível através da internet.
Estarão disponíveis para acesso público algumas páginas, tais como: "Dicionário", contendo
todas as palavras utilizadas pelo sistema; "Sintomas" e todas as "Doenças" contidas na Classificação
Internacional de Doenças (CID 10), num total de 12.422 itens cadastrados.
Para os usuários médicos cadastrados e devidamente liberados, estará disponível uma página
de "Consulta", onde podem ser informados os sintomas e/ou sinais clínicos do paciente. Ocorrerá uma
seleção das doenças mais prováveis, sendo exibidas em ordem decrescente de probabilidade.
Para os especialistas médicos, estarão disponíveis outras páginas, contendo as "Variáveis",
onde poderão ser informadas ou cadastradas quaisquer tipos de variáveis a serem utilizadas pelo
sistema; uma página de "Semelhantes", onde poderão ser informados os dados considerados
semelhantes, sejam eles sintomas, doenças, exames ou medicamentos; e outra página contendo as
"Regras", onde serão informadas ao sistema as mais variadas regras encontradas na medicina.
Nesta fase inicial do projeto, estarão disponíveis apenas as doenças com seus respectivos
sintomas. As informações serão gradativamente inseridas no sistema através de pesquisa em livros
médicos ou qualquer outra fonte segura de informação da área médica (artigos científicos, sites
confiáveis, etc.).
Na Figura 7 pode ser visualizada uma patologia com os seus respectivos sintomas.
11. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página69
Figura 7. Hipercalcemia e seus respectivos sintomas.
Encontrar fontes médicas contendo as probabilidades dos sintomas ou das doenças foi uma
das grandes dificuldades encontradas para se formular sistemas baseados em probabilidades. Neste
projeto, quando estes dados não são informados, padronizou-se que o sistema adotará
automaticamente o valor de 50%.
Na Figura 8 pode ser visualizada uma simulação de uma consulta, onde são informados
aleatoriamente alguns sintomas e o sistema sugere as prováveis hipóteses diagnósticas.
Figura 8. Exemplo fictício de um paciente e seus sintomas, com uma lista de prováveis
doenças em ordem decrescente de probabilidade.
Como projeto futuro, pretende-se inserir módulos contendo protocolos médicos, fluxogramas
ou rotinas de condutas médicas, lista de medicamentos disponíveis (com seus respectivos efeitos e
interações medicamentosas), exames complementares, além de fotos e vídeos sobre qualquer tópico
da área médica.
12. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página70
Pretende-se com isso criar uma grande interação entre o usuário e o computador, onde o
sistema poderá sugerir ou interrogar por exames/procedimentos tentando tornar o diagnóstico mais
fidedigno.
5. Conclusão
Mesmo estando o projeto em fase inicial, nota-se um sistema intuitivo e totalmente fácil de operar,
gerando pelo menos uma ampla lista de diagnósticos diferenciais que devem ser lembrados ou
analisados pelo médico assistente; atendendo ao propósito de ser um sistema de apoio à decisão
médica.
À medida em que forem inseridas ou cadastradas mais informações médicas no sistema, isto o
tornará cada vez mais confiável.
13. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página71
Referências
Andrade, P. J. N. (1999) "Sistemas Especialistas de Apoio ao Diagnóstico em Medicina: Relações
com o Teorema de Bayes e com a Lógica do Raciocínio Diagnóstico", Arq Bras Cardiol.; v. 73, n.
6, p. 537-544.
Cardoso, F. A "inteligência do chip: softwares que imitam o raciocínio humano", Disponível em: <
http://super.abril.com.br/tecnologia/inteligencia-chip-softwares-imitam-raciocinio-humano-
440972.shtml>. Acesso em: 08 out. 2011.
Cenço, B. (2011) "A consulta no carrinho virtual", Revista da APM. Edição 626, p. 36-37.
Dias Neto, A. C. Banco de Dados Relacionais - Artigo Revista SQL Magazine 86. Disponível em
:<http://www.devmedia.com.br/bancos-de-dados-relacionais-artigo-revista-sql-magazine-
86/20401>. Acesso em 19 mai. 2013
Haykin, S. (2008) Introdução. In Redes neurais: princípios e práticas. 2. ed. São Paulo-SP: Artmed
Editora. p. 27-74.
Karcher, C. (2009) "Redes Bayesianas aplicadas à análise do risco de crédito", Dissertação (Mestrado
em Sistemas Eletrônicos) - Escola Politécnica, Universidade de São Paulo, São Paulo. Disponível
em: <http://www.teses.usp.br/teses/disponiveis/3/3142/tde-25052009-162507/>. Acesso em:
2012-07-18.
Krepsky, W. (1999) "Protótipo de um interpretador para um ambiente de programação lógica", 70f.
Trabalho de conclusão de curso em Ciências da Computação. Universidade Regional de Blumenau,
Blumenau.
Kubo, A. Y. (2011) "Rede Bayesiana Aplicada à Tomada de Decisão na Produção do Leite Bovino",
Sapere; v. 3, n. 1. Disponível em:
<http://www.revistasapere.inf.br/download/quarta/ADRIANA_MARCELO_SIDNEI.pdf>. Acesso
em: 10 jul. 2012.
Linares, K. S. C. (1997) "Sistema Especialista Nebuloso para Diagnóstico Médico", 116f. Dissertação
(Mestrado em Engenharia Elétrica). Universidade Federal de Santa Catarina, Florianópolis-SC.
Linden, R. (2012) Algoritmos Genéticos. 3. ed. Rio de Janeiro-RJ: Ciência Moderna. 475p.
Mendes, R. D. (1997) "Inteligência Artificial: Sistemas especialistas no gerenciamento da
informação", Brasília: Ciência da Informação, v. 26, n. 1, jan./apr. Disponível em:
<http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-
19651997000100006&lng=en&nrm=iso&tlng=pt>. Acesso em: 23 jun. 2011.
Robredo, J. (2004) "Organização dos documentos ou organização da informação: uma questão de
escolha", Porto Alegre, Rio de Janeiro, DataGramaZero - Revista da Ciência da Informação, v. 5,
n. 1, fev. Disponível em: <http://www.dgz.org.br/fev04/Art_05.htm>. Acesso em: 10 mar. 2012.
Rosso, M. (2002) Sistema Especialista de Apoio à Decisão em Ventilação Mecânica. In VIII
Congresso Brasileiro de Informática em Saúde, Natal. Anais eletrônicos do VIII Congresso
Brasileiro de Informática em Saúde. Disponível em:
<http://www.sbis.org.br/cbis8/programacao.htm> Acesso em 23 ago. 2011.
Russel, S.; Norvig, P. (2004) Inteligência artificial. 2. ed. Rio de Janeiro-RJ: Elsevier. 1021p.
14. Caderno de Estudos Tecnológicos
Faculdade de Tecnologia de Bauru volume 01 – número 01 – julho/2013
Página72
Westphal, J. T. (2003) "Modelagem difusa de um sistema especialista médico: avaliação dos fatores
de internação em crianças queimadas", 123f. Dissertação (Mestrado em Ciência da Computação).
Universidade Federal de Santa Catarina, Florianópolis.