Automatização do Processo de Diagnóstico

Atualmente com o avanço tecnológico, o processo de diagnóstico, seja em que área for, tem sido aprimorado através dos Sistemas Baseados em Conhecimento que buscam a segurança e a eficiência na tomada de decisão (MINCHIN et al., 2006; FENZA et al., 2008; SWE e KHAM, 2009; GARCÍA-CRESPO et al., 2010).

Neles, uma grande quantidade de dados e informações levantados pelo profissional, que até então ficava armazenada em fichários na forma de papel, hoje em dia sendo colocada em fichários eletrônicos aguardando o momento oportuno para ser utilizada como fonte de pesquisa e aprimoramento científico.

Ainda uma meta a ser alcançada é proporcionar meios que possibilitem a utilização destas fontes de conhecimento, dentro do processo de diagnóstico, de forma que o profissional possa estar sempre se atualizando e contribua, através de seu exercício, para o avanço da ciência.

O uso de máquinas para auxiliar no processo de diagnóstico tem sido almejado pelos profissionais mesmo antes do início da era

computacional (MUSEN, SHAHAR e SHORTLIFFE, 2006). Os primeiros artigos sobre esta utilização apareceram por volta de 1950 e, logo em seguida, os primeiros protótipos experimentais.

Tomando-se como ponto de partida para os sistemas que auxiliam na tomada de decisão, na saúde o sistema de Dombal et al. (1972), apoiado no teorema de Bayes (1763), foi concebido para realizar o diagnóstico em 304 pacientes com dor abdominal. Expressando relações de causa e efeito, este modelo Bayesiano associa valores de probabilidade entre as variáveis de um determinado domínio do conhecimento em que os dados destes pacientes tornaram-se os atributos para a classificação em uma das sete patologias propostas para tratamento.

Os resultados obtidos pelo sistema mostraram que 91,8% obtiveram acerto nas indicações, em contraste com o diagnóstico efetuado pelos médicos, que acusou um índice de acerto variando entre 65 a 80% (MUSEN, SHAHAR e SHORTLIFFE, 2006).

Na sequência, os Sistemas Especialistas começaram a ser desenvolvidos para resolver problemas em um determinado domínio cujo conhecimento utilizado é obtido a partir de especialistas naquele domínio (LUGER, 2009).

A figura 2 representa o desenvolvimento de um Sistema Especialista onde o Engenheiro do Conhecimento obtém as informações de um Especialista no Domínio, para formar a base de conhecimento (conhecimento estático). Uma máquina de inferência (regras – conhecimento dinâmico do sistema) associada à base de conhecimento elabora a tomada de decisão.

Figura 2 - Componentes de um SE Fonte: adaptado de Gennari et al. (2003)

Salienta-se que esta forma de trabalhar com o conhecimento de um domínio específico não corresponde à conceituação atual da EC. Adiante no item 2.3.1, correspondente à EC, será visto que várias etapas compõem a construção de um Sistema Baseado em Conhecimento.

Dando continuidade, Edward Shortliffe (1976) desenvolveu um Sistema Especialista para a área médica (MYCIN), o qual teve um papel fundamental no desenvolvimento dos futuros Sistemas Especialistas. O sistema MYCIN foi concebido para resolver o problema do diagnóstico e tratamento de doenças infecciosas do sangue através de um conjunto de regras (SHORTLIFFE, 1976).

O conhecimento de doenças infecciosas no MYCIN foi representado através de regras de produção, conforme quadro 1, cada uma contendo um “pacote” de conhecimento derivado a partir de discussões com a colaboração de especialistas. Embora o programa nunca tenha sido usado clinicamente, ele “pavimentou” o modo de pesquisa e desenvolvimento nos anos 80 (MUSEN, SHAHAR e SHORTLIFFE, 2006).

Regra 507 Se:

1. A infecção que requer terapia é meningite,

2. Não foram vistos organismos na marcha da cultura, 3. O tipo de infecção é por bactéria,

4. O paciente não tem um dano detectado na cabeça, e 5. A idade do paciente está entre 15 anos e 55 anos

Então: Os organismos que podem estar causando a infecção são diplococcus-pneumoniae e neisseria- meningitidis

Quadro 1 - Regra típica do sistema MYCIN

Fonte: adaptado de MUSEN, SHAHAR e SHORTLIFE (2006)

Segundo Buchanan e Duda (1983), diversos problemas apareceram no desenvolvimento dos sistemas especialistas. Iniciando pela dificuldade que o engenheiro do conhecimento tinha para modelar o conhecimento do especialista e a necessidade da sua participação em todas as fases (Identificação, conceitualização, formalização, implementação, teste e revisão) para a construção do sistema.

Ampliando o conceito dos sistemas especialistas, os SBC foram desenvolvidos com o objetivo de separar explicitamente o conhecimento de domínio do resto do sistema. Através da codificação simbólica de conceitos derivados de especialistas em um campo, formava-se uma base de conhecimento utilizada para prover o tipo de análise de problema e conselho que um especialista pode realizar.

A rápida evolução do conhecimento médico tornou a manutenção da base de conhecimento um importante problema. Pesquisadores desenvolveram um programa de computador com Linguagem de

Programação Algébrica (OPAL) para facilitar a interação direta entre a base de conhecimento e o especialista, sem a necessidade de um programador de computador (ERICSSON & MUSEN, 1993; LANZOLA et al., 1995).

O Sistema Oncocin (1981) foi um dos primeiros SBC que tentou modelar decisão e sequenciar ações ao longo do tempo (figura 3). Utilizado em recomendações para terapia de doenças cancerígenas baseadas em protocolo, envolveu o uso de representação do conhecimento, em particular a representação do protocolo de tratamento clínico baseado em regras “se – então” (GENNARI et al., 2003; MINCHIN et al., 2006).

Figura 3 - Sistema Baseado em Conhecimento “Oncocin” Fonte: adaptado de Gennari et al. (2003)

O projeto de abordagem baseada em componentes EON, apresentado na figura 4, veio dar continuidade ao sistema Oncocin, sendo considerado como a segunda geração de Sistema Baseado em Conhecimento. Este projeto é composto por vários programas que planejam a terapia baseada em protocolo e determinam se um paciente é potencialmente qualificado para determinado protocolo de tratamento. O modelo EON, como diretriz de raciocínio, é bastante geral e pode ser usado para qualquer diretriz de tratamento médico (MUSEN et al., 1996).

Figura 4 - Projeto EON

Fonte: adaptado de MUSEN et al. (1996)

Para a avaliação e o tratamento da hipertensão, foi projetado o sistema Athena (2000) utilizando a arquitetura do modelo EON para controle da pressão sanguínea. ATHENA tem dois componentes principais: uma base de conhecimento que modela o conhecimento da hipertensão independentemente de seu uso e uma diretriz intérprete que cria interface específica para recomendação de tratamento do paciente. O objetivo foi separar o conhecimento declarativo do conhecimento procedural (GOLDSTEIN et al., 2000).