Inteligência Artificial como Ferramenta de Auxílio à
Conduta no Paciente com Dor Torácica
Roberto Tsuneo Cervato Sato, Ivo Rodrigues de Oliveira, Luciana Schleder Gonçalves
Kobus, Emilton Lima Júnior, Bráulio Coelho Ávila, João da Silva Dias
Programa de Pós-Graduação em Tecnologia em Saúde – PPGTS Pontifícia Universidade Católica do Paraná – PUCPR – Brasil
Resumo – Raciocinadores baseados em casos (CBR) é uma pratica relativamente nova na área de saúde. Este
artigo apresenta uma aplicação de inteligência artificial em saúde, especificamente o Raciocínio Baseado em Casos aplicado no auxílio à conduta no paciente com dor torácica. Utilizando uma ferramenta chamada CBR-Works, que busca casos armazenados semelhantes aos propostos, espera-se diminuir as chances de uma escolha errada das rotas de dor torácica.
Palavras-chave: Informática Médica, Dor Torácica, Inteligência Artificial, Raciocínio Baseado em Casos, CBR.
Abstract – Reasoners case based (CBR) is one relatively new practice in the area of health. This article presents
an application of artificial intelligence in health, specifically the case based reasoning applied in the aid to the conduct in the patient with thoracic pain. Using a called tool CBR-Works, that looks for stored cases similar to those proposed, it hopes to diminish the chances of a wrong choice of the decision routes of thoracic pain. Key-words: Medical Informatics, Chest Pain, Artificial Intelligence, Case Based Reasoning, CBR
Introdução
A dor torácica é um dos problemas mais comuns na clínica médica, e uma das causas mais prevalentes de internação. Ocorrem 3 a 6 milhões de atendimento por dor no peito em emergência por ano nos EUA [1].
Cerca de 5 a 10 % dos pacientes do total de atendimentos na emergência são devido à dor torácica. Destes, 20 a 35% têm uma Síndrome Coronariana Aguda (SCA) [2].
A dor torácica pode ter origem em outros órgãos, não somente ser originária do coração, como[3] :
• Intra-Torácicas: Aorta, árvore brônquica, pleura, mediastino, esôfago, diafrágma.
• Cervical ou Parede Torácica.
• Subdiafragmáticas: estômago, duodeno, pâncreas, vesícula biliar.
Somente 10-15% dos pacientes com dor no peito resultam em infarto agudo do miocárdio (IAM).
Ao se dispor de uma ferramenta de auxílio à decisão na avaliação da dor torácica, o que se propõe é uma redução na liberação equivocada do paciente para casa, ao se subestimar o estado do paciente. O que pode representar uma elevada taxa de mortalidade. E por outro lado, ajudar a evitar que o paciente fique internado, até mesmo em Unidade Coronariana ou realizando exames desnecessários, por superestimar a gravidade da dor torácica no paciente.
A avaliação inicial do paciente, normalmente nos primeiros 10 minutos, deve definir basicamente se há e qual é o tipo de alteração no eletrocardiograma (ECG) e qual a característica da dor. O que acaba por definir qual rota será tomada, no sentido de propor exames subseqüentes e definir a gravidade do caso, ou mesmo a não gravidade, figura 1. As Tabelas I e II, demonstram como deve ser a avaliação imediata e a classificação da dor torácica, respectivamente. Já a avaliação do ECG está exemplificada na Tabela III. Estes itens são importantes na definição das rotas a serem seguidas na conduta do paciente.
Tabela I – Avaliação imediata.
Avaliação Imediata (< 10 Minutos):
Anamnese e exames físicos breves e direcionados (identificar candidatos à reperfusão)
Dados vitais / Monitorização cardíaca contínua. Saturação de oxigênio
ECG 12 derivações Acesso IV
Exames laboratoriais: marcadores cardíacos, eletrólitos e coagulação.
Rx de tórax
Tabela II - Inicialmente deve-se avaliar com cuidado as características da dor torácica.
Classificação da dor torácica: Tipo A - Dor definitivamente anginosa:
A dor é muito sugestiva, definitivamente anginosa. Leva a quase certeza do diagnóstico, independente dos exames.
Tipo B - Dor provavelmente anginosa:
A isquemia é a principal hipótese, exigindo porém, exames complementares para confirmação.
Tipo C - Dor provavelmente não anginosa:
A isquemia não é a principal hipótese, porém exige exames para excluir o diagnóstico.
Tipo D - Dor definitivamente não anginosa:
A isquemia não faz parte do diagnóstico diferencial.
Tabela III – Avaliação das alterações o ECG.
Avaliação do ECG: Supradesnível de ST:
Nova ou presumivelmente nova elevação do ST no
ponto J em duas ou mais derivações contíguas, 2mm nas derivações V1, V2 ou V3 e 1mm nas outras derivações.
Bloqueio de ramo esquerdo:
Complexos QRS > 120ms com morfologia Qs ou rS em V1 e ausência de q em D1 , V5 ou V6.
Infradesnível do ST ou inversão da onda T:
Desvio negativo do ponto J > 0.5 mm em pelo menos 2 derivações contíguas, ou
Inversão da onda T > 2 mm simétrica em pelo menos 2 derivações contíguas.
Normal ou inespecífico:
Alteração de repolarização, áreas eletricamente inativas, normal ou inespecífico.
Figura 1 – Algoritmo de Dor Torácica.
Metodologia
Usou-se para a validação da solução uma base de dados, da Santa Casa de Misericórdia de Curitiba PUCPR [4], com 350 pacientes, atendidos
no serviço de dor torácica, em que foram avaliados 11 itens, os quais se denominaram atributos, que são:
Dosagem sérica da enzima CPKmb (Cretinofosfoquinase ligada ao miocárdio), qual foi o diagnóstico, o diagnóstico final, a intensidade da dor, o eletrocardiograma (ECG), ecocardiograma, a idade do paciente, se findou em óbito, qual foi a classificação da rota de conduta, o sexo do paciente e teste ergométrico.
Uma parte importante do processo de caracterização de um problema no CBR é o nível de abstração. Deve ser o mais próximo possível da realidade do contexto analisado.
Antes da inserção de dados numa aplicação de CBR, há necessidade de se entender os conceitos inerentes à aplicação antes da modelagem do problema.
Na construção de uma aplicação no sistema CBR-Works, usa-se uma terminologia especifica para identificar elementos da modelagem. A equipe interdisciplinar deve dominar conceitos como o Domínio, significa a abrangência do contexto da aplicação, a Base de casos, é a base de dados onde são armazenados os dados dos casos e o Modelo, que contém todas as informações descrevendo as relações entre os dados dos casos e a terminologia do domínio.
O raciocínio baseado em casos é baseado na idéia de que novos problemas podem ser resolvidos usando soluções passadas. Visa buscar uma solução semelhante para um problema atual através do estabelecimento do grau de similaridade com uma experiência passada, armazenada em uma base de dados de casos [6].
O modelo de raciocínio baseado em casos se dá em 4 etapas, conforme figura 2:
• Recupera um caso relevante;
• Avalia como o caso recuperado se aplica à nova situação;
• Adapta o caso para a aplicação;
• Aprende armazenando sucessos e falhas como novos casos.
Base de Casos Casos anteriores Novo Caso Aprendizado de caso Caso recuperado Caso testado Caso Solucionado Problema Solução
Confirmada SugeridaSolução
Recuperar
Reuso
Revisão Retenção
Figura 2 – Conceituação dos modelos
Aprendizado
A retenção de novos casos, equivale a aprendizado de novos casos ou de conhecimento relevantes abstraídos de casos individuais [7]. O CBR aprende armazenando novas soluções usando-as para futura utilização e por aprendizado por falhas, para que em situações futuras possam ser evitadas [6].
O maior grau de similaridade se dá quanto mais casos são armazenados, tornando-o mais eficiente e eficaz.
Índices
A definição dos atributos que será necessário para a comparação entre um caso e a situação presente é uma parte importante para que se possa recuperar os casos similares. Esses atributos são chamados de índices.
Índices são entidades de informação de um caso que são relevantes para a determinação da similaridade entre um caso e a pergunta ou problema [7].
A experiência do especialista é demasiado importante nesse momento, pode-se tomar como exemplo um especialista que possui um paciente que apresenta um conjunto de sintomas. Esse conjunto de sintomas é o responsável pela determinação do diagnóstico provável para o problema apresentado pelo paciente. O índice que mais prediz será formado por este conjunto de sintomas.
Índices úteis são aqueles que referenciam adequadamente a meta de recuperação presente, ou seja, devem diferenciar um caso como útil à solução [7].
Similaridade
A medida de similaridade define como será calculada a similaridade entre a situação atual e um determinado caso na base de casos [7]. Cada atributo do problema é atribuído um valor de importância e um valor de similaridade para a posterior recuperação. Os casos na base de casos são ordenados de acordo com seu valor de similaridade e os casos mais similares são sugeridos como solução potencial para o problema presente.
Recuperação de casos
O processo de recuperação de casos é iniciado com uma descrição parcial do problema atual e termina quando um caso ou conjunto de casos prévios que satisfaz a busca é encontrado [7]. O usuário insere um conjunto mínimo de dados, para poder gerar sua primeira busca. O sistema usa os valores de similaridades e peso pré-definidos para a busca na base, retornando os casos suficientemente similares aos da consulta.
Resultados
Neste trabalho, foram usados os valores
default do sistema, ou seja, não foi atribuído grau
de importância para cada um dos atributos, todos foram considerados como peso 1 (um), o especialista, no momento da modelagem do domínio, irá determinar este peso de acordo com o grau de importância do conjunto de sintomas.
Alimentando-se as opções dos atributos, Figura 3, nos espaços indicados como Query, propõe-se um Novo Caso, que pode ser um paciente real que acaba de ser admitido na Unidade de Dor Torácica. Não há necessidade de alimentar todos os espaços, ficando sem preenchimento os atributos “diag” e “óbito”, neste caso, mas quanto mais atributos são levados em consideração, maior o grau de precisão de similaridade.
Ao se executar o software, conseguiu-se um grau de similaridade de 94,1%, como observado no caso 42, conforme a base de dados empregada, entre o Novo Caso, e um caso da base de dados, e que foi utilizado a rota 2, e o que destoou foram a idade e o nível de CPKmb – Caso 44 da base de dados.
Ainda neste exemplo observa-se um grau de similaridade de 93,0%, similaridade um pouco menor do que o primeiro caso levantado, quando comparado com o Novo Caso, e que foi adotada a
rota 3, e o que destoou foram a idade e o nível de
CPKmb – Caso 42 da base de dados.
Figura 3 – Atributos empregados em um Novo Caso.
Chamando a atenção do especialista para a
rota empregada em casos passados, e como se
desenvolveram os casos similares, e qual foi o diagnóstico, o que auxilia na tomada de decisão.
Discussão e Conclusões
O CBR tem demonstrado ser uma ferramenta valiosa no diagnóstico precoce da dor torácica, como demonstrado na figura 2, onde na comparação de dois casos similares, um foi classificado para a rota 2 e o outro para rota 3. Nota-se uma diferença mínima nos valores, mas crucial quando deve-se decidir qual melhor rota, sem detrimento da qualidade de atendimento. Isto implica numa economia sem precedentes na unidade de dor torácica.
Os recursos da Tecnologia da Informação estão cada vez mais sendo utilizados para minimizar possíveis erros humanos nos serviços prestados na área de saúde.
Implementação de algoritmos inteligentes é uma premissa nos sistemas de tecnologia em
saúde, onde a massa de dados é muito grande e as variações de comportamento dos dados é mínima, deixando escapar pequenos detalhes, mas cruciais quando tratamos da saúde humana.
A reutilização de casos se mostra extremamente útil para seres humanos e máquinas que tenham a sua disposição informações sobre experiências prévias. Isto porque a reutilização dessas informações poderá evitar a repetição de grande parcela do esforço necessário para se obter uma determinada solução.
O CBR, em particular através do software CBR-Works, torna-se uma ferramenta de auxílio confiável agregando conhecimento ao especialista na tomada de decisões, não só no diagnóstico da dor torácica como em qualquer “situação” na medicina e em outras áreas, que disponha de uma base de dados real.
O software CBR-Works permite ajustar o domínio do problema de acordo com as necessidades de cada instituição, pois não depende de protocolos prontos. A resistência por parte dos profissionais envolvidos na resolução de um problema é um fator que deve ser considerado. Por exemplo, ao se adquirir um Sistema Hospitalar de informatização que não se adapta com o protocolo da instituição compradora, corre-se o risco da não adesão dos profissionais e perda do investimento, o que não ocorre com o CBR, só dependendo de uma base de dados sólida e confiável.
A revisão dos atributos, atribuição de pesos diferenciados para cada atributo, atribuição de grau de similaridade, inserção de novas bases de casos será tema de novo trabalho.
Referências
Bassan R, Pimenta L, Leães PE, Timerman A (2002). Sociedade Brasileira de Cardiologia. I Diretriz de Dor Torácica na Sala de Emergência.
Arq Bras Cardiol; 79 (supl II): 1.
Braunwald E, Zipes D, Libby P (2001). Heart Disease – A Textbook of Cardiovascular Medicine, 6ª ed. WB Saunders, Philadelphia.
Ryan TJ, Antman EM, Brooks NH, Califf RM, Hillis LD, Hiratzka LF, Rapaport E, Riegel B, Russell RO, Smith EE III, Weaver WD (1999). 1999 update: ACC/AHA guidelines for the management of patients with acute myocardial infarction: executive summary and recommendations: a report of the American College of Cardiology/American Heart Association Task Force on Practice Guidelines
(Committee on Management of Acute Myocardial Infarction). Circulation. 100: 1016 –1030.
Alpert And Thygesen, Et Al. (2000). Myocardial Infarction Redefined. JACC. Vol. 36, No. 3, September: 959–6.
Tecinno GmbH. (1999), Manual do software CBR – Works 4, revision 1.0.
Freitas R L.(1998). Sistemas Baseado em Casos, PUC – Campinas.
Von Wangenheim, CG (2003). Raciocínio Baseado
em Casos, 1ª Ed. Editora Manole.
Contatos
Roberto Tsuneo Cervato Sato -
Ivo Rodrigues de Oliveira, Analista de Sistemas [email protected]
Bráulio Coelho Ávila - [email protected] João da Silva Dias – [email protected]
