Sistema Difuso de Controle da Assistência Respiratória em Neonatos - SARE

Texto

(1)Merisandra Côrtes de Mattos. SISTEMA DIFUSO DE CONTROLE DA ASSISTÊNCIA RESPIRATÓRIA EM NEONATOS - SARE. Florianópolis – SC 2001.

(2) UNIVERSIDADE FEDERAL DE SANTA CATARINA PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO. Merisandra Côrtes de Mattos. SISTEMA DIFUSO DE CONTROLE DA ASSISTÊNCIA RESPIRATÓRIA EM NEONATOS - SARE. Dissertação submetida à Universidade Federal de Santa Catarina como parte dos requisitos para a obtenção do grau de Mestre em Ciência da Computação. Silvia Modesto Nassar, Dra. Orientadora Edson Carvalho de Souza, M.Sc. Co-orientador. Florianópolis, novembro de 2001.

(3) ii. SISTEMA DIFUSO DE CONTROLE DA ASSISTÊNCIA RESPIRATÓRIA EM NEONATOS - SARE. Merisandra Côrtes de Mattos. Esta Dissertação foi julgada adequada para a obtenção do título de Mestre em Ciência da Computação Área de Concentração Sistemas de Conhecimento e aprovada em sua forma final pelo Programa de Pós-Graduação em Ciência da Computação. _____________________________________ Fernando Álvaro Ostuni Gauthier, Dr. Coordenador do Curso. Banca Examinadora _____________________________________ Silvia Modesto Nassar, Dra. (Orientadora). _____________________________________ Edson Carvalho de Souza, M.Sc.(Co-orientador). _____________________________________ Anita Maria da Rocha Fernandes, Dra. _____________________________________ Luiz Fernando Jacintho Maia, Dr. _____________________________________ Mauricio José Lopes Pereima, Dr. _____________________________________ Rogério Cid Bastos, Dr..

(4) iii. "O pensamento lógico pode levar você de A a B, mas a imaginação te leva a qualquer parte do Universo." (Albert Einstein).

(5) iv. Dedico esta pesquisa aos meus pais Libanio e Tereza Lenir, que iluminam os meus caminhos com afeto e dedicação..

(6) v. AGRADECIMENTOS. A pesquisa de Mestrado é um processo que envolve várias pessoas. Agora chegou o momento de agradecer-lhes pela colaboração e apoio durante esta etapa da minha vida. Agradeço: A Deus por me proteger e guiar os meus passos para os caminhos certos. Aos meus pais Libanio e Tereza Lenir, pelo afeto e dedicação, eles que sempre se doam por inteiro para que eu possa realizar os meus sonhos. À minha irmã Maristane, pela amizade, companheirismo e palavras de incentivo. Sempre agradeço por ter você como irmã. Ao meu cunhado Paulo Fernando Strada, pela amizade e apoio na concepção desta pesquisa, pois foi ele, como pediatra intensivista, que teve a idéia do domínio de aplicação, ou seja, as alterações de parâmetros no ventilador mecânico. Aos meus sobrinhos Gabriel e Rafael...meninos iluminados. À Anita Maria da Rocha Fernandes, que conheci em 1997 como minha professora de Engenharia de Software na graduação, pessoa especial que se tornou uma querida amiga e incentivadora da realização deste Mestrado. À Silvia Modesto Nassar, professora orientadora e grande amiga, que me ensinou muito sobre amizade, ensino, aprender a aprender e me mostrou que existe dentro de cada um capacidades muito superior a que se pensa ter e várias possibilidades. Ao Edson Carvalho de Souza, professor co-orientador, pela paciência, capacidade de aceitar desafios fuzzy e disponibilidade sempre que precisei..

(7) vi. À Priscyla Waleska Targino de Azevedo Simões, minha colega, grande amiga, uma irmã de alma, muito obrigada por todo o apoio e incentivo durante esta pesquisa e em todos esses anos que nos conhecemos. Aos professores Masanao Ohira, Rogério Cid Bastos, Luiz Fernando Jacintho Maia, pelas colaborações para esta pesquisa. Ao Maurício José Lopes Pereima e Maria Marlene de Souza Pires, pelo carinho e amizade, conhecê-los foi um dos momentos especiais da minha existência. Ao Renato Boeing, pela paciência e pelos exercícios de alongamento que me ajudaram a suportar os dias anteriores a defesa. À Ana Paula Soares Fernandes e Elizabeth Soares Fernandes, pela amizade. Ao Departamento de Ciência da Computação da Universidade do Extremo Sul Catarinense (UNESC), em especial ao Coordenador do Curso, professor Rogério Antônio Casagrande, pela colaboração. Aos meus alunos do curso de Ciência da Computação da UNESC, pelo apoio e compreensão. Aos meus amigos e colegas Augusto José Venâncio Neto, Jeferson Pistori, Cristian Cechinel e Paulo João Martins pela amizade, incentivo e colaboração durante o curso. À Verinha e Val, pelo carinho e compreensão..

(8) vii. RESUMO. Esta pesquisa mostra a aplicação dos conjuntos difusos no controle de processos médicos, permitindo que sejam consideradas as imprecisões do raciocínio clínico presentes nos dados. Aspectos esses evidenciados no Sistema Difuso de Controle da Assistência Respiratória em Neonatos (SARE), cujo domínio de aplicação refere-se à ventilação mecânica neonatal, tendo-se a informática como uma forma de contribuir com a terapia intensiva pediátrica. O SARE é o protótipo de um sistema difuso de controle dos parâmetros da assistência respiratória em neonatos (0 a 29 dias), com base na gasometria arterial e na afecção respiratória apresentada pelo paciente. Procurando auxiliar os médicos pediatras e os residentes que trabalham numa Unidade de Terapia Intensiva. Possibilitando que o médico dedique a maior parte do seu tempo no efetivo atendimento à criança criticamente enferma. O SARE foi desenvolvido no ambiente Delphi 5.0, para trabalhar em plataforma Windows, disponibilizadas em PC’s. A modelagem do sistema foi realizada por meio da teoria de conjuntos difusos, que consiste numa contribuição às áreas da saúde e inteligência artificial, permitindo a modelagem e tratamento da imprecisão adequadamente. O SARE foi avaliado de forma qualitativa oferecendo satisfatoriamente as alterações de parâmetros a serem realizadas no ventilador mecânico..

(9) viii. ABSTRACT. This research shows the application of the fuzzy sets in the control of medical processes, permitting the imprecision of clinical reasoning present in the data to be considered. These aspects are evident in the Control Fuzzy System of the Respiratory Assistance in New-born (SARE), in which the control of application refers to neonatal mechanical ventilation, having computer science as a way to contribute to intensive pediatric therapy. SARE is the prototype of control fuzzy system of the parameters in respiratory assistance in neonates (0 to 29 days), with basses on arterial gas values and on the respiratory affection presented by the patient. Seeking to help the pediatric doctors and the intern doctors who work in an Intensive Care Unit. Making it possible for the doctor to dedicate a greater part of his time to the effective attendance of the critically ill child. SARE was developed in the environment Delphi 5.0, to work in Windows platform, available in PC’s. The modeling of the system was done by means of the fuzzy set theory, which consists of a contribution to the health field and artificial intelligence, permitting the adequate modeling and treatment of imprecision. SARE was qualitatively tested, offering satisfaction in the alterations of parameters that are to be performed in the mechanical ventilator..

(10) ix. SUMÁRIO LISTA DE FIGURAS.................................................................................................... xi LISTA DE GRÁFICOS ............................................................................................... xii LISTA DE TABELAS ................................................................................................. xiii LISTA DE SIGLAS ..................................................................................................... xiv CAPÍTULO 1 INTRODUÇÃO ................................................................................... 15 1.1 Objetivos do Trabalho ........................................................................................... 17 1.1.1 Objetivo Geral ....................................................................................................... 17 1.1.2 Objetivos Específicos ............................................................................................ 17 1.2 Justificativa do Trabalho ....................................................................................... 18 1.3 Estrutura do Trabalho .......................................................................................... 19 CAPÍTULO 2 INTELIGÊNCIA ARTIFICIAL ........................................................ 21 2.1 Definições de Inteligência Artificial ..................................................................... 23 2.2 Abordagens da Inteligência Artificial.................................................................. 24 2.3 Principais Áreas da Inteligência Artificial .......................................................... 25 CAPÍTULO. 3. CONHECIMENTO:. FORMAS. DE. RACIOCÍNIO. E. REPRESENTAÇÃO .................................................................................................... 27 3.1 Raciocínio Plausível................................................................................................ 27 3.2 Raciocínio Difuso .................................................................................................... 30 3.3 Raciocínio Qualitativo............................................................................................ 31 3.4 Raciocínio Probabilístico ....................................................................................... 31 3.5 Representação do Conhecimento .......................................................................... 32 CAPÍTULO 4 SISTEMAS ESPECIALISTAS .......................................................... 35 4.1 Componentes de um Sistema Especialista............................................................ 36 4.2 Aplicações de Sistemas Especialistas .................................................................... 38 CAPÍTULO 5 INTELIGÊNCIA ARTIFICIAL MÉDICA ...................................... 41 5.1 Histórico da Evolução da Inteligência Artificial Médica .................................... 42 5.2 Sistemas Inteligentes Desenvolvidos na Área Médica......................................... 44 5.3 Exemplos de Sistemas Desenvolvidos na Área de Ventilação Mecânica ........... 51 CAPÍTULO 6 CONJUNTOS DIFUSOS ................................................................... 54 6.1 Conceitos Gerais .................................................................................................... 55 6.2 Operações com Conjuntos Difusos....................................................................... 60.

(11) x. 6.3 Variáveis Lingüísticas ............................................................................................ 61 6.4 Etapas de Implementação de um Sistema Difuso................................................ 62 6.5 Sistema Difuso de Controle.................................................................................... 65 6.6 Algumas Ferramentas para Desenvolvimento de Sistemas Difusos .................. 67 CAPÍTULO 7 DOMÍNIO DE APLICAÇÃO ............................................................ 70 7.1 A Mecânica Respiratória ....................................................................................... 70 7.2 Assistência Respiratória......................................................................................... 71 7.2.1 Histórico da Ventilação Pulmonar Mecânica ....................................................... 72 7.2.2 Tipos e Classificação de Ventiladores Mecânicos ................................................ 73 7.2.3 O Ventilador Mecânico ........................................................................................ 74 7.2.4 Causas de Falência Respiratória e Indicações para Ventilação............................ 77 7.3 Gasometria Arterial .............................................................................................. 78 7.4 Distúrbios Respiratórios em Neonatos ................................................................. 79 CAPÍTULO 8 DESENVOLVIMENTO DE UM SISTEMA DIFUSO DE CONTROLE DA ASSISTÊNCIA RESPIRATÓRIA EM NEONATOS ................ 81 8.1 Aquisição do Conhecimento .................................................................................. 82 8.2 Modelagem Difusa do Problema ........................................................................... 83 8.2.1 Fuzificação das Variáveis...................................................................................... 83 8.2.1.1 Funções de Pertinência da pO2 ......................................................................... 84 8.2.1.2 Funções de Pertinência da pCO2 ...................................................................... 87 8.2.2 Inferência Fuzzy..................................................................................................... 89 8.2.3 Defuzificação......................................................................................................... 92 8.2.3.1 Funções de Pertinência da FiO2 ....................................................................... 93 8.2.3.2 Defuzificação pelo Método do Centro de Gravidade........................................ 97 8.3 Desenvolvimento do SARE .................................................................................. 101 8.4 Avaliação do SARE .............................................................................................. 105 CAPÍTULO 9 - CONCLUSÕES ............................................................................... 106 9.1 Trabalhos Futuros ................................................................................................ 107 BIBLIOGRAFIA ........................................................................................................ 108 GLOSSÁRIO .............................................................................................................. 115 APÊNDICE I BASE DE REGRAS DO SARE ........................................................ 116.

(12) xi. LISTA DE FIGURAS. Figura 1 - O processo indutivo do raciocínio plausível (LINARES, 1997). ................. 28 Figura 2 - O processo de generalização do raciocínio plausível (LINARES, 1997)...... 29 Figura 3 - O processo de analogia do raciocínio plausível (LINARES, 1997). ............. 29 Figura 4 - Componentes de um sistema especialista (RABUSKE, 1997)...................... 36 Figura 5 - Estrutura funcional do simulador (CAJACURI, 1997) ................................. 52 Figura 6 - Características da função de pertinência........................................................ 58 Figura 7 - Intersecção entre conjuntos difusos ............................................................... 60 Figura 8 - União entre conjuntos difusos ....................................................................... 60 Figura 9 - Complemento de um conjunto difuso............................................................ 61 Figura 10 - Estrutura básica de um sistema difuso (LEE, 1990)................................... 63 Figura 11 - Defuzificação pelo método do centro de gravidade..................................... 64 Figura 12 - Estrutura básica de um controlador difuso (LEE, 1990). ............................ 67 Figura 13 - Tela principal do FuzzyCLIPS .................................................................... 68 Figura 14 - Interface da ToolBox Fuzzy do MATLAB................................................. 69 Figura 15 - Janela principal do UNFUZZY.................................................................... 69 Figura 16 - As fases do ciclo respiratório (DUPUIS, 1986)........................................... 75 Figura 17 - Painel frontal do respirador neonatal e pediátrico Inter3 (INTERMED) .... 77 Figura 18 - Etapas da implementação de um sistema fuzzy............................................ 81 Figura 19 - Tela dos dados pessoais ............................................................................. 102 Figura 20 - Tela do SARE de informações sobre a gasometria ................................... 103 Figura 21 - Valores atuais no ventilador mecânico ...................................................... 104 Figura 22 - Tela de sugestões das alterações no ventilador mecânico ......................... 105.

(13) xii. LISTA DE GRÁFICOS. Gráfico 1 - Funções de pertinência da pO2 ................................................................... 86 Gráfico 2 - Funções de pertinência do PCO2.................................................................. 89 Gráfico 3 - Intersecção fuzzy - regra 5............................................................................ 91 Gráfico 4 - Intersecção fuzzy - regra 8........................................................................... 92 Gráfico 5 - Funções de pertinência da FiO2 .................................................................. 95 Gráfico 6 - Funções de pertinência do TI ...................................................................... 95 Gráfico 7 - Funções de pertinência da PIP .................................................................... 96 Gráfico 8 - Funções de pertinência da FR ...................................................................... 96 Gráfico 9 - Funções de pertinência da PEEP.................................................................. 96.

(14) xiii. LISTA DE TABELAS. Tabela 1 - Variáveis lingüísticas e seus valores ............................................................. 62 Tabela 2 - Cálculo da t-norma - regra 5 ......................................................................... 90 Tabela 3 - Cálculo da t-norma – regra 8......................................................................... 92.

(15) xiv. LISTA DE SIGLAS. FiO2 – Fração de Oxigênio FR – Freqüência Respiratória IA – Inteligência Artificial IAM – Inteligência Artificial Médica pCO2 – Pressão Parcial de Dióxido de Carbono PEEP – Pressão Positiva no Final da expiração pH – Íon Hidrogênio PIP – Pressão Inspiratória pO2 – Pressão Parcial de Oxigênio SARE – Sistema Difuso de Controle da Assistência Respiratória em Neonatos SE – Sistema Especialista TE – Tempo Expiratório TI – Tempo Inspiratório UTI – Unidade de Tratamento Intensivo VM – Ventilação Mecânica.

(16) CAPÍTULO 1 INTRODUÇÃO. Muitos progressos foram realizados na construção de sistemas especialistas, desde a época em que os primeiros trabalhos foram desenvolvidos, na segunda metade da década de 60. Assim, os sistemas de apoio à decisão e controle têm sido bastante utilizados, devido ao avanço tecnológico que, associado aos novos conceitos de inteligência artificial, propiciam a elaboração de sistemas inteligentes e eficientes (RICH & KNIGHT, 1993). Uma das principais áreas de aplicação dos sistemas especialistas é a Medicina, tendo seu início na década de 70, época em que foram desenvolvidos vários sistemas de apoio à decisão médica de diferentes complexidades. Esses programas incluem aspectos importantes ao longo da atividade do médico como o diagnóstico, prognóstico e planejamento terapêutico que estão relacionados com a medicina clínica. A introdução da informática na saúde se deve a uma necessidade de ordem clínica, administrativa ou de pesquisa. Essas necessidades levam a decisão de adquirir ou desenvolver um sistema computacional impulsionado pelas melhorias que este pode proporcionar, como aumentar a qualidade, baixar o custo, disponibilizar acesso as informações a fim de evoluir o processo de cuidados com a saúde (SOUZA, 1999). Em sistemas especialistas uns dos maiores problemas é o tratamento de dados com incerteza, ou seja, como chegar a uma decisão quando não se tem disponível todas as informações necessárias. Procedimento esse bastante comum na área médica, já que as informações fornecidas pelo paciente e os testes laboratoriais podem apresentar incerteza, além do próprio raciocínio clínico. Portanto, processar essas informações para se chegar ao diagnóstico e a terapia a ser adotada fazem parte do dia-a-dia do médico..

(17) 16. Para que seja possível representar esse conhecimento com incerteza, tem-se quatro linhas matemáticas de estudo, as quais são: o Modelo Lógico; a Teoria de DempsterShafer; o Modelo Probabilístico e o Modelo Lingüístico baseado no raciocínio difuso. Os sistemas que se baseiam no modelo lingüístico para representar o conhecimento com imprecisão são os que utilizam uma série de regras condicionais difusas derivadas da base de conhecimento especialista, expressando as imprecisões e aproximações dos métodos de decisão dos especialistas, ou seja, esses sistemas fazem uso dos conjuntos difusos que são capazes de capturar informações vagas, descritas em geral numa linguagem natural e convertê-las para um formato numérico de fácil manipulação pelos computadores, suportando os modos de raciocínio que são aproximados ao invés de exatos (WANG, 1997). Nesse âmbito, tem-se os sistemas difusos de controle que utilizam a abordagem de conjuntos difusos para programar e controlar processos, proporcionando um algoritmo que pode converter a estratégia de controle lingüístico, baseado no conhecimento de um especialista, em uma estratégia de controle automática, tornando a operação de um processo mais eficiente e confortável para tarefas que envolvam temperatura, velocidade, fluxo, pressão e outros; adaptando-se à solução de problemas complexos que envolvam o pensamento intuitivo ou descritivo humano (LEE, 1990). Isto os torna ideais para aplicações médicas, onde o raciocínio é impreciso e muitas vezes intuitivo, além desses sistemas propiciarem uma menor dependência de pessoal específico. Portanto, por meio da informática, que vem facilitando diariamente a vida das pessoas, este trabalho propõe o desenvolvimento de um sistema difuso de controle na área de alterações de parâmetros em ventilação mecânica para afecções respiratórias em neonatos. Seu objetivo é fornecer aos médicos da Unidade de Tratamento Intensivo Pediátrica (UTI) uma ferramenta de apoio à tomada de decisão no que diz respeito aos parâmetros a serem modificados no ventilador mecânico, além de estabelecer procedimentos adequados por meio dos quais a complexidade e dificuldades inerentes a esse problema possam ser ultrapassadas pelo uso de novas tecnologias. Possibilitando que o médico dedique a maior parte de seu tempo no efetivo atendimento à criança.

(18) 17. criticamente enferma, ao invés de controlar o equipamento, podendo assim fornecer um melhor suporte no atendimento a essas crianças. Atualmente, há uma grande interação entre a informática e a área médica, aplicações como esta, quando desenvolvidas utilizando técnicas de inteligência artificial podem propiciar um grande benefício àquela área, pois o conhecimento de especialistas é disponibilizado em programas computacionais que podem ser acessados por faculdades, instituições e outros profissionais de saúde.. 1.1 Objetivos do Trabalho. 1.1.1 Objetivo Geral. Desenvolver o protótipo de um sistema especialista difuso de controle dos parâmetros da ventilação mecânica neonatal, SARE, com base na gasometria arterial e na afecção respiratória apresentada pelo paciente.. 1.1.2 Objetivos Específicos Este trabalho volta-se a aplicação da informática na Medicina, mais precisamente de sistemas de controle difuso em atividades médicas, a fim de auxiliar os profissionais de saúde e contribuir com a terapia intensiva pediátrica. Dentre os objetivos específicos, visa-se: a) mostrar a adequação do uso de conjuntos difusos no controle de processos aplicados à medicina; b) aplicar a função S para fuzificação das variáveis; c) aplicar o método do centro de gravidade para defuzificação das variáveis; d) desenvolver o protótipo do SARE..

(19) 18. 1.2 Justificativa do Trabalho Dentre as medidas terapêuticas utilizadas em Unidades de Tratamento Intensivo, uma das que mais desperta interesse é a assistência ventilatória, por realizar momentaneamente a mecânica respiratória, mas também por ser um dos maiores avanços da medicina intensiva nos últimos anos, sendo seguro, eficaz e um procedimento rotineiro em UTI (PIVA et al, 1997). A ventilação mecânica é uma prática recente que ganhou impulso nos últimos 30 anos. Sendo que na década de 80, intensificaram-se os estudos sobre o tema e numerosos avanços foram atingidos, tornando-a uma prática muito mais eficiente e fisiológica além de facilitar o retorno do paciente à ventilação espontânea (BORGES et al, 1999). Os resultados cada vez mais satisfatórios obtidos com a ventilação mecânica devem ser creditados a no mínimo três importantes fatores: (i) melhor conhecimento das alterações fisiopatológicas da insuficiência respiratória e suas inter-relações com as variáveis dos respiradores; (ii) o desenvolvimento de equipamentos cada vez mais adequados para tais condições; (iii) aprimoramento na técnica de manutenção e suporte dos pacientes quando em ventilação mecânica (PIVA et al, 1997). Este último fator, justifica a realização desse trabalho, pois o uso da informática, especialmente das técnicas de inteligência artificial, podem possibilitar ganhos de informação, melhora do desempenho e atendimento ao paciente. Dessa forma, a Medicina pode ter na informática uma forte aliada, no sentido de promover uma melhoria no atendimento e suporte a pacientes. Qualquer método novo voltado à saúde, por exemplo, os que envolvem o uso da informática, devem apresentar como maior vantagem a capacidade de levar o médico à beira do leito, fazendo com que se dê uma maior atenção e assistência ao paciente (PIVA et al, 1997)..

(20) 19. Trabalhos que, como este, refere-se a controle difuso têm sido de vasto interesse e estudo nas mais diversas instituições e centros de pesquisas, sendo esse um domínio de grande sucesso na utilização de conjuntos difusos. Obtendo-se também resultados bastante animadores na aplicação de conjuntos difusos no desenvolvimento de aplicações baseadas em conhecimento, já que essa teoria possibilita a modelagem e tratamento da imprecisão de forma adequada. Por outro lado, a partir desta pesquisa poderá ser desenvolvido um controlador difuso, para ser adaptado ao ventilador mecânico, o que efetivamente poderia proporcionar um melhor suporte de equipamento e, portanto, liberar os profissionais intensivistas para o atendimento de crianças criticamente enfermas.. 1.3 Estrutura do Trabalho O trabalho está estruturado em nove capítulos. No primeiro é apresentado o problema a ser estudado, especificando os objetivos e justificando a importância da realização do mesmo. O segundo capítulo enfoca a inteligência artificial, suas definições e principais áreas. O terceiro capítulo descreve o conhecimento, nas várias formas de raciocínio e de representação. No quarto capítulo define-se sistemas especialistas, seus principais componentes e suas aplicações. O quinto capítulo é um estudo realizado sobre inteligência artificial médica, comentando-se sobre diferentes pesquisas desenvolvidas na área coincidente com a da pesquisa aqui apresentada. No sexto capítulo o enfoque é sobre conjuntos difusos, incluindo as etapas de implementação de um sistema difuso, definições referentes a sistemas difusos de controle e algumas ferramentas disponíveis no mercado. Os conceitos referentes a esse capítulo serão explorados na realização deste trabalho..

(21) 20. No sétimo capítulo descreve-se o domínio de aplicação do trabalho, iniciando-se com conceitos sobre a mecânica respiratória e posteriormente é abordada a assistência respiratória. O oitavo capítulo descreve o desenvolvimento do SARE, as etapas do desenvolvimento de um sistema difuso em ambiente de programação e os resultados obtidos por meio da abordagem difusa. No capítulo 9 tem-se as conclusões e alguns trabalhos futuros que poderão ser desenvolvidos a partir desta pesquisa na área de sistemas difusos aplicados à Medicina..

(22) CAPÍTULO 2 INTELIGÊNCIA ARTIFICIAL. A inteligência artificial (IA) é um ramo da ciência da computação ao mesmo tempo recente, já que oficialmente nasceu em 1956, e muito antigo, pois foi construída a partir de idéias filosóficas, científicas e tecnológicas herdadas de outras ciências, algumas tão antigas quanto a Lógica (BITTENCOURT, 2001). Assim, tem-se há muito tempo buscado explicitar o raciocínio humano e modelá-lo da melhor maneira possível.. No decorrer da história, muitos cientistas e filósofos dedicaram-se as análises da inteligência humana, estudo esse que iniciou no campo da Filosofia e posteriormente passou a ser estudado de forma científica pela Psicologia, Pedagogia, Ciência Cognitiva, Engenharia, Neurologia, Lingüística e Computação, entre outros, visando aspectos práticos e comerciais (GANASCIA, 1993).. A inteligência artificial destaca-se na busca pela compreensão da inteligência, reunindo vários campos do conhecimento com o propósito prático de simular a inteligência. Sendo utilizada a fim de expandir a capacidade de inteligência humana e até mesmo a substituir em algumas funções, o que em parte tornou-se possível devido ao desenvolvimento dos sistemas especialistas e dos conjuntos difusos (GANASCIA, 1993). A fim de se compreender a inteligência necessário anteriormente definir o que é Assim, a seguir, apresenta-se um conjunto de vários autores, cuja maioria referencia-se humano (RABUSKE, 1995):. artificial é inteligência. definições de ao raciocínio. • Binet: “Inteligência é julgar, compreender bem, raciocinar bem”..

(23) 22. • Tearman: “A capacidade de conceituar e de compreender o seu significado”.. • Vernon: “Capacidade geral de pensamento” ou “eficiência mental”.. • Burt: “Habilidade inata, geral e cognitiva”.. • Helm: “A atividade inteligente consiste na compreensão do essencial de uma. situação e numa resposta reflexa apropriada”. • Wechsler: “A capacidade agregada ou global de um indivíduo agir com. propósito de pensar racionalmente, e de se adaptar eficientemente ao ambiente”. • Piaget: “Adaptação ao ambiente físico e social”.. Inúmeras pesquisas estão sendo realizadas com relação a inteligência, como resultado sabe-se que é a combinação harmoniosa de diversas habilidades, tais como, a memória, motivação e capacidade de suportar esforços mentais. Na realidade, a inteligência é uma abstração feita com base em certos comportamentos, a partir dos quais pode-se deduzir inteligência. Aspecto este que é de fundamental importância para a computação, pois se observa o comportamento do sistema que resolve problemas e faz inferências (RABUSKE, 1995). Deve-se destacar que a inteligência artificial permite que as máquinas possam realizar tarefas complexas no lugar do ser humano, liberando-o assim de atividades enfadonhas ou que de certa forma sejam inseguras, possibilitando também uma maior interação das pessoas com equipamentos que sejam sofisticados. Além disso, a inteligência artificial permite que o conhecimento seja compartilhado pelas pessoas, não havendo a necessidade de permanentes consultas a especialistas (NASCIMENTO JR & YONEYAMA, 2000)..

(24) 23. 2.1 Definições de Inteligência Artificial Segundo RABUSKE (1995), existe muita discussão em busca de uma definição ideal para inteligência artificial, sendo que algumas das definições correntes estão reproduzidas a seguir: • “ Inteligência. artificial. é. a. parte. da. Ciência. da. Computação que compreende o projeto de sistemas computacionais que exibam características associadas, quando presentes no comportamento inteligência” (BARR & FEIGENBAUM, 1981).. humano,. a. • “ Inteligência artificial é o estudo de conceitos que. permitem aos computadores (WINSTON, 1984). • “ Inteligência. serem. inteligentes”. artificial é o estudo das faculdades. mentais com o uso de modelos (CHARNIAK & McDERMOTT, 1985).. computacionais”. • “ Inteligência artificial é o estudo de como fazer os. computadores realizarem coisas que, no momento, pessoas fazem melhor” (RICH & KNIGHT, 1993).. as. Analisando-se as definições citadas, pode-se dizer que inteligência artificial é o resultado da aplicação de técnicas e recursos, principalmente de ordem não-numérica o que viabiliza a solução de problemas que exijam dos seres humanos um determinado grau de raciocínio e perícia. Dessa forma, a inteligência artificial caracteriza-se como uma nova era da computação, ou seja, a do processamento não-numérico (RABUSKE, 1995)..

(25) 24. 2.2 Abordagens da Inteligência Artificial Em inteligência artificial existem três correntes de pensamento denominadas de abordagem simbólica, conexionista e evolucionária (BITTENCOURT, 2001). Na inteligência artificial simbólica o comportamento inteligente é simulado com base nos princípios da Psicologia Cognitiva. Devendo essa abordagem ser utilizada quando se tem o domínio do problema bem definido, sabe-se como resolvê-lo e como encontrar a sua solução. Segundo BARRETO (1997), programas de jogar xadrez, diagnósticos e monitorização, entre outros, são produtos resultantes da abordagem simbólica. Fazendo uso de ferramentas como lógica, regras SE-ENTÃO e técnicas de aquisição de conhecimento de especialistas. A inteligência artificial conexionista visa investigar a possibilidade de simulação de comportamentos inteligentes por meio de modelos baseados na estrutura e funcionamento do cérebro humano, apresentando um desempenho melhor quando o problema não é bem definido, ou seja, quando não se sabe explicitamente como realizar a tarefa (BITTENCOURT, 2001). A abordagem evolucionária é baseada nos mecanismos evolutivos encontrados na natureza, como a auto-organização e o comportamento adaptativo, tendo-se os algoritmos genéticos como uma das áreas de aplicação do conceito evolucionário (BITTENCOURT, 2001)..

(26) 25. 2.3 Principais Áreas da Inteligência Artificial Existem muitos campos de estudo que compreendem o desenvolvimento da inteligência artificial, porém sendo uma ciência relativamente nova ainda há muito que ser explorada, assim nos próximos anos novas áreas de pesquisa e aplicações devem surgir. As aplicações da inteligência artificial são todas importantes para a computação, mas segundo (RABUSKE, 1995), algumas se destacam devido a vários fatores, como os esforços dedicados ao seu desenvolvimento ou pela importância que a aplicação assume. Assim, pode-se destacar: • Sistemas especialistas: sistemas que fornecem conclusões sobre assuntos. especializados, a principal aplicação desses sistemas é na área médica. São também aplicados nas demais áreas de conhecimento como na Matemática, Química e Engenharia, entre outros. • Processamento de linguagem natural: visa aperfeiçoar a comunicação entre. as pessoas e os computadores, voltando-se, portanto a construção de programas que possam compreender a linguagem natural e gerar textos. • Reconhecimento de padrões: essa capacidade possibilita ao programa. reconhecer, por exemplo, a fala em linguagem natural, os caracteres digitados e a escrita. • Robótica: volta-se ao desenvolvimento de métodos de construção de máquinas. que possam interagir com o meio, ou seja, ver, ouvir e reagir a estímulos sensoriais. Sendo utilizados na execução de atividades em ambientes hostis aos humanos, como em viagens espaciais e na prospecção de petróleo. • Bases de dados inteligentes: se uma base de conhecimento capaz de fazer. raciocínios e produzir resultados difíceis de serem conseguidos de outra forma,.

(27) 26. for associada ao DBMS (Database Management System), tem-se uma base de dados inteligente. Possibilitando aumento de produtividade e funcionalidade dos sistemas computacionais. • Prova de teoremas: é uma aplicação Matemática, mas que é interessante como. metodologia de solução de problemas. Requer habilidade de levantar hipótese e perícia intuitiva na busca de resultados que foram provados anteriormente, auxiliando assim a prova do teorema principal. • Jogos: a ciência encontrou nos jogos um campo propício para testes da teoria,. tornando-se interessantes para a exploração da inteligência da máquina, porque eles constituem uma tarefa estruturada, sendo fácil medir o sucesso ou fracasso. • Raciocínio Baseado em Casos: busca a solução para uma situação atual. baseando-se em casos semelhantes que aconteceram anteriormente. A pesquisa realizada nesta dissertação focaliza-se na área de sistemas especialistas, constituindo-se no desenvolvimento de um sistema especialista difuso aplicado à área médica..

(28) CAPÍTULO 3 CONHECIMENTO: FORMAS DE RACIOCÍNIO E REPRESENTAÇÃO. O raciocínio é a capacidade humana de chegar a conclusões, partindo-se de conhecimentos ou informações sobre um problema. Existem algumas formas de raciocínio, que possibilitam a visualização de como as informações que apresentam incerteza e imprecisão são tratadas. Informações essas que constituem a base do processo de raciocínio. Na resolução de problemas, percebe-se que as pessoas não utilizam apenas uma forma de raciocínio, usam-se várias formas simultaneamente ou uma após a outra, conforme o problema a ser resolvido (LINARES, 1997). A seguir, são apresentadas as formas de raciocínio, para que dentre elas se possa escolher a melhor para modelar o problema em questão.. 3.1 Raciocínio Plausível O raciocínio plausível é o modo de se chegar a uma conclusão, partindo-se do conhecimento de evidências sobre o fato que se está analisando. Esse tipo de raciocínio consiste de conjecturas, pressentimentos e suposições; apresenta controvérsias; é transitório; envolve o aprendizado de algo novo sobre o mundo, sendo portanto de interesse no dia a dia; seus padrões são claros (POLYA, 1990). O objetivo principal do raciocínio plausível é distinguir uma suposição de outra, ou seja, uma suposição mais razoável de outra menos razoável, constituindo-se numa.

(29) 28. habilidade prática que proporciona a aprendizagem por imitação e método (LINARES, 1997). O raciocínio plausível envolve processos como (LINARES, 1997): • Experiência: conhecimento pela observação, que altera o comportamento.. • Indução: inicia-se com a observação, levando ao raciocínio que possibilita. uma conclusão genérica do fato observado (Figura 1). FATO. OBSERVAÇÃO. EXPERIÊNCIA. CONHECIMENTO. CONCLUSÃO GENÉRICA. Figura 1 - O processo indutivo do raciocínio plausível (LINARES, 1997). • Generalização: é passar de um conjunto de objetos para outro conjunto maior,. mas que contém o anterior. Por exemplo, um médico generaliza quando passa dos sintomas para uma doença que contenha esses sintomas (Figura 2). • Especialização: é passar de um conjunto de objetos a um conjunto menor que. esteja contido no anterior. Por exemplo, um médico realiza esse processo quando ele passa dos sintomas das doenças respiratórias aos sintomas específicos que caracterizam cada doença desse tipo..

(30) 29. SINTOMAS. OBSERVAÇÃO. EXPERIÊNCIA. CONHECIMENTOS BÁSICOS. GENERALIZAÇÃO. Figura 2 - O processo de generalização do raciocínio plausível (LINARES, 1997). • Analogia: quando se observa um fato novo que é similar a outro já conhecido e. se tem uma opinião, então se pode ter uma opinião sobre o novo fato baseado na experiência adquirida anteriormente (Figura 3). FATO. OBSERVAÇÃO INFORMAÇÃO BASEADA NA EXPERIÊNCIA. EXPERIÊNCIA ADQUIRIDA ANTERIORMENTE. CONHECIMENTO. CONCLUSÃO POR ANALOGIA. Figura 3 - O processo de analogia do raciocínio plausível (LINARES, 1997). O raciocínio médico para tomada de decisão, por exemplo, é um raciocínio plausível, pois se baseia em evidências que levam a conjecturas, o diagnóstico, percorrendo processos desde a indução (médico iniciante) até a analogia (médico especialista)..

(31) 30. 3.2 Raciocínio Difuso O raciocínio difuso foi formalizado após a publicação do artigo “Fuzzy Sets” de Lofthi Zadeh no anos 60, quando criou a Teoria dos Conjuntos Difusos. Teoria que foi originada pelas discussões das diferenças entre os conceitos de imprecisão e incerteza, que na época eram tratados da mesma forma. A imprecisão da linguagem natural é uma conseqüência lógica da necessidade de expressar informação de forma resumida (ZADEH, 1978). Segundo DUBOIS & PRADE (1980), “aproximar” é equivalente a raciocínio difuso e representa os processos pelos quais uma conclusão imprecisa é deduzida a partir de premissas imprecisas. Esse raciocínio é mais de natureza qualitativa do que quantitativa, portanto está fora da aplicabilidade da lógica clássica. Assim, o raciocínio difuso pode ser definido como uma forma de raciocínio que se baseia em dados imprecisos que são representados por graus de pertinência a um conjunto difuso, levando a uma conclusão e sendo caracterizado por distribuições de possibilidade. No raciocínio difuso trabalha-se com funções de pertinência, grau de pertinência, variáveis lingüísticas, domínio e universo de discurso; envolvendo processos como de fuzificação e defuzificação. Conceitos estes que serão abordados no Capítulo VI, já que no desenvolvimento dessa pesquisa a modelagem do raciocínio foi realizada pela forma difusa..

(32) 31. 3.3 Raciocínio Qualitativo O raciocínio qualitativo baseia-se em informações qualitativas para chegar a uma conclusão, envolvendo os valores que podem ser adotados pelas variáveis no espaço quantitativo, e o tempo qualitativo ou tempo no qual os valores qualitativos são válidos (BARRETO, 1990). Esta forma de raciocínio é útil para a modelagem de sistemas quando não se tem informação completa. A representação qualitativa da informação, não é conveniente, por exemplo, para ser aplicada às informações médicas, pois apresenta mudanças abruptas, o que não acontece na Medicina. No entanto, os conjuntos difusos possibilitam uma transição menos abrupta, representando melhor alguns conceitos médicos (LINARES, 1997).. 3.4 Raciocínio Probabilístico O raciocínio probabilístico se apóia em informações probabilísticas sobre fatos de um domínio, chegando a uma conclusão sobre um novo caso. Sendo proveitoso para modelar sistemas onde há informações que apresentam incerteza, por aleatoriedade que conduz a um vetor de probabilidades. A base de conhecimento de sistemas que utilizam o raciocínio probabilístico deve ser representada como uma Rede Bayesiana, possuindo informações verossímeis, relevantes e com relações causais. As redes Bayesianas são estruturas gráficas que representam sistemas baseados em conhecimento, sendo composta por duas partes, uma qualitativa e outra quantitativa. Apesar das probabilidades serem expressas em números, a sua vantagem consiste em proporcionar um meio para articular e manipular relações qualitativas, que segundo PEARL (1988) são consideradas primitivas básicas, as quais são:.

(33) 32. • Verossimilhança: as decisões dependem dessa relação qualitativa para considerar os resultados da aplicação de uma regra ou adquirir mais informações. • Condicional: Thomas Bayes fez sua contribuição à teoria da probabilidade pela associação da frase “...dado que se conhece C” com o teorema de Bayes, que é um método quantitativo para a revisão de probabilidades conhecidas, com base em nova informação amostral, sendo fundamental para se analisar um conjunto de informações disponíveis e se chegar a uma conclusão objetiva, expressa numericamente (KOEHLER, 1998). • Relevância: relação que demonstra uma mudança potencial de crença decorrente de uma alteração no conhecimento, podendo ser definida em termos de verossimilhança e condicional. • Causal: analisa-se estruturas de relações relevantes, com o objetivo de separar o relevante do supérfluo, identificando-se a causa direta de um evento. Num domínio de aplicação podem existir mais de uma forma de raciocínio, assim num sistema computacional deve-se buscar a representação de conhecimento mais adequada.. 3.5 Representação do Conhecimento Quando se pretende uma ação inteligente, deve-se analisar aspectos relacionados à aquisição e desenvolvimento da inteligência, sendo o conhecimento que possibilita o seu encadeamento e desenvolvimento (RICH & KNIGHT, 1993). Segundo RABUSKE (1995) trabalhar com conhecimento é uma tarefa complicada, principalmente quando se dispõe de mecanismos artificiais, como os.

(34) 33. computadores. Assim, a manipulação do conhecimento exige formas de representação e o entendimento de como ele é estruturado. O conhecimento, conforme FISCHLER & FIRSCHEIN (1986), “pode ser definido como a informação armazenada, ou os modelos usados pela pessoa ou máquina para interpretar, predizer e responder apropriadamente ao mundo exterior”. Conceito este que contempla as idéias computacionais relacionadas a representação de conhecimento. Para a estruturação do conhecimento num sistema computacional, utiliza-se a representação do conhecimento, que segundo RICH & KNIGHT (1993) apresenta as seguintes características: • é generalizável, necessitando-se de vários pontos de vista do mesmo conhecimento para ser atribuído a diferentes situações e interpretações; • como o conhecimento está em constante mudança, a sua representação deve possibilitar atualização e correção; • deve ser robusta, permitindo a sua utilização mesmo quando todas as possíveis situações não são abordadas; • deve ser compreensível ao ser humano, permitindo a sua interpretação para avaliação do estado de conhecimento do sistema. A representação do conhecimento é realizada por meio dos métodos de IA que modelam o conhecimento para organizarem a informação exigida, visando que o programa possa acessá-lo para solucionar os problemas..

(35) 34. Segundo RICH & KNIGHT (1993), existem vários métodos de representação do conhecimento, dentre os quais: • Conhecimento. procedural:. representação. em. forma. de. funções/procedimentos. • Lógica: modo de declaração que representa o conhecimento, empregando a lógica proposicional e a de predicados. • Árvores de decisão: organiza-se os conceitos em forma de árvores. • Redes semânticas: o conhecimento é modelado por um conjunto de nós que representam um objeto, situações ou conceitos, que são ligados por meio de arcos que exprimem as relações entre estes elementos. • Frames: são estruturas semelhantes as redes semânticas, sendo que cada nó representa conceitos e/ou situações, possuindo propriedades que podem ser especificadas ou herdadas por padrão. • Casos: utiliza experiência passada, reunindo casos e procurando descobrir por similaridade soluções para outros problemas. • Processamento paralelo distribuído: utiliza modelos conexionistas. • Esquemas híbridos: emprega a combinação de diferentes esquemas de representação do conhecimento. No trabalho desenvolvido, o conhecimento foi representado por meio da teoria de conjuntos difusos, utilizando-se regras SE-ENTÃO..

(36) CAPÍTULO 4 SISTEMAS ESPECIALISTAS. Os sistemas especialistas são aqueles que resolvem problemas de forma bastante semelhante a do especialista humano, esses sistemas possuem um conhecimento específico profundo sobre campos restritos do conhecimento (RABUSKE, 1995). Esses sistemas caracterizam-se por um conhecimento poderoso e amplo, o que torna o armazenamento da informação de extrema importância. Também os sistemas especialistas devem explicar o que realizam e qual a finalidade. Constituindo-se assim, em importantes ferramentas de treinamento. Segundo SABBATINI (1993), os sistemas especialistas possuem algumas facilidades que aumentam a sua flexibilidade e eficiência como: (i) possibilidade para construção de regras; (ii) tomada lógica de decisões mediante ausência ou imprecisão de informações; (iii) podem recuperar novos fatos e regras, utilizando-os sem modificar a estratégia de busca. Conforme MAUS (1991), um sistema especialista que reúne o conhecimento de um ou mais especialistas humanos, tem sua essência mais aparente se alguns atributos básicos se fizerem presentes: (i) o sistema tem separado o conhecimento específico do especialista e a metodologia de solução de problemas; (ii) a transferência interativa de conhecimento pode minimizar o tempo necessário para transferir o conhecimento do especialista para uma base de conhecimento; (iii) a estratégia de controle pode ser simples e transparente ao usuário, ou seja, ele é capaz de compreender e prever os efeitos de adição, alteração e exclusão de itens na base de conhecimento..

(37) 36. 4.1 Componentes de um Sistema Especialista Segundo RABUSKE (1995), um sistema especialista possui basicamente cinco componentes (Figura 4) os quais são: máquina de inferência, base de conhecimento, subsistema de aquisição de conhecimento, subsistema de explicação e interface do usuário.. BASE DE CONHECIMENTO. MÁQUINA DE INFERÊNCIA. SUBSISTEMA DE. SUBSISTEMA. INTERFACE COM. AQUISIÇÃO DO. DE. O USUÁRIO. CONHECIMENTO. EXPLICAÇÃO. USUÁRIO. Figura 4 - Componentes de um sistema especialista (RABUSKE, 1997) •. Base de conhecimento A base de conhecimento fornece as características de funcionamento do sistema e. armazena os fatos e as regras a serem utilizadas. Vários sistemas especialistas usam regras para sua operação, enquanto outros utilizam redes semânticas ou frames para a representação do conhecimento..

(38) 37. A representação por regras, uma das mais utilizada em sistemas especialistas, consiste na representação do conhecimento por pares de condição-ação, como regras SE-ENTÃO, estruturadas da seguinte forma: SE <condição> ENTÃO <ação> Segundo BITTENCOURT (2001), o tipo de encadeamento é definido normalmente conforme o problema a ser resolvido. Pode-se usar encadeamento progressivo (forward chaining) quando se tem problemas de planejamento, projeto e classificação; enquanto o encadeamento regressivo (backward chaining) é utilizado em problemas de diagnóstico, ou seja, quando há algumas saídas possíveis e um grande número de estados iniciais. Pode-se ainda ter encadeamento misto, onde os dois tipos se alternam, em decorrência do desenvolvimento da solução do problema e da disponibilidade dos dados. Como no sistema especialista a base de conhecimento é separada da máquina de inferência, consegue-se alterar com relativa facilidade o conhecimento presente na base, por meio da inserção, alteração ou remoção de regras. •. Máquina de inferência. A máquina de inferência é o mecanismo que procura as respostas na base de conhecimento, indicando a operação a ser realizada sobre o conhecimento contido no sistema especialista, para isso busca as regras necessárias a serem avaliadas, ordena-as de uma maneira lógica e direciona o processo de inferência (JACKSON, 1991). A estrutura da máquina de inferência relaciona-se diretamente com a natureza do problema envolvendo, por exemplo, método de raciocínio e representação de incerteza (Conjuntos Difusos, Método Bayesiano e outros)..

(39) 38. •. Subsistema de aquisição do conhecimento O subsistema de aquisição do conhecimento é utilizado para alimentar a base de. conhecimento, podendo-se introduzir novos conhecimentos e alterar ou eliminar conhecimentos antigos, de acordo com a necessidade (MAUS, 1991). •. Subsistema de explicação. O subsistema de explicação elucida a linha de raciocínio que o sistema especialista usa para chegar a uma conclusão. Este mecanismo é bastante interessante em situações instrucionais (MAUS, 1991). •. Interface com o usuário. Estabelece um meio de comunicação entre o usuário e sistema, exibindo todas as perguntas, respostas resultados de consultas, e imprimindo relatórios. interface pode ser em forma de menus, perguntas representações gráficas.. o e A e. Segundo BITTENCOURT (2001), algumas características interessantes para a interface são: (i) interfaces de diferentes tipos, conforme o tipo de usuário; (ii) interrupção da execução do sistema sem necessidade de reprocessamento ao executá-lo novamente; (iii) mensagens de erro claras; (iv) capacidade de alterar certas entradas e comparar os resultados; (v) possibilidade de armazenar telas de execução.. 4.2 Aplicações de Sistemas Especialistas A aplicação dos sistemas especialistas ocorre em quase todos os tipos de situações em que se necessita de raciocínios formais para sua solução, como por.

(40) 39. exemplo,. diagnósticos. médicos. e. de. defeitos. em. equipamentos,. previsões. meteorológicas e outros que possuam um número grande de variáveis. O propósito desses sistemas não é substituir o especialista, mas ampliar e organizar a sua experiência e conhecimento. Já a medida que novas situações forem sendo identificadas, o acervo da base de conhecimento é realimentado, tornando as novas informações disponíveis para toda a organização, podendo incrementar a produtividade e o conhecimento (CUER & HIRABARA, 1997). Os sistemas especialistas aplicam-se em quase todas as áreas do conhecimento, como na administração, advocacia, agricultura, computação, eletrônica, engenharia, física, geologia, matemática, química e medicina, entre outros. Segundo BITTENCOURT (2001), os sistemas especialistas mais conhecidos são: • MYCIN: trata-se do primeiro sistema especialista que teve sucesso, sendo o mais conhecido no mundo. É um sistema para diagnóstico e terapia de doenças infecciosas, desenvolvido pelos Departamentos de Ciência da Computação e de Medicina da Universidade de Stanford (EUA). A base do sistema é formada por 450 regras, que lhe permite diagnosticar e prescrever tratamentos para bacteremia, meningite e cistite infecciosa. A partir, do MYCIN foi desenvolvida uma shell denominada EMYCIN, utilizada para implementar outros sistemas especialistas. • DENDRAL: é um projeto desenvolvido na Universidade de Stanford (EUA), a partir de 1965, para desenvolver programas capazes de inferir a composição molecular de compostos desconhecidos. Desde 1968 o sistema DENDRAL tem sido utilizado em várias pesquisas sobre química orgânica, apresentando resultados bastante satisfatórios. O uso de sistemas especialista possibilita benefícios como a velocidade na determinação dos problemas; decisão baseada em conhecimento; segurança; estabilidade; menor dependência de pessoal específico e flexibilidade..

(41) 40. Ocasionando-se a proliferação desses sistemas na Medicina, que necessita de informações rápidas e seguras (MÜLLER, 1997)..

(42) CAPÍTULO 5 INTELIGÊNCIA ARTIFICIAL MÉDICA. A aplicação da informática na Medicina tem se difundido em vários países, como Estados Unidos, Itália, Grécia, Alemanha, Irlanda e Reino Unido, entre outros, que realizam projetos entre si e difundem a informática médica em suas universidades, visando o desenvolvimento de sistemas de apoio à prática e ensino médico (FERNANDES, 1997). Dentre. os. vários. momentos. da. moderna. história. da. informática, o surgimento da inteligência artificial cativou cientistas e médicos pelo potencial que esta tecnologia poderia ter se aplicada à Medicina, auxiliando médicos em tarefas como o diagnóstico. A partir dessas motivações, um pequeno e talentoso grupo de cientistas da computação e profissionais médicos de vários centros de pesquisas dos Estados Unidos, organizaram um programa de pesquisa para uma nova área denominada de Inteligência Artificial Médica (IAM). Estes pesquisadores tiveram a visão de que a IAM revolucionaria a prática da Medicina, sendo que as pesquisas realizadas nessa área, na primeira década, constituem-se uma notável realização (COIERA, 1997). No início da IAM, visava-se a construção de programas de IA que realizassem diagnóstico e recomendações terapêuticas, porém desde então muito mudou. Atualmente, a importância da diagnose em situações clínicas rotineiras recebe menos ênfase; sistemas como os especialistas são voltados a ambientes laboratoriais e educacionais, para vigilância e alertas clínicos ou em áreas muito ricas em dados, como na Medicina Intensiva. Sendo que uma das tarefas mais importantes, que um desenvolvedor de sistemas de IAM depara-se é com a caracterização precisa dos.

(43) 42. aspectos da prática médica que são mais adequados a introdução de sistemas de IA (COIERA, 1998). Na Inglaterra, um programa para diagnóstico da etiologia de uma dor abdominal aguda tem sido usado nas enfermarias de alguns hospitais, o que reduziu em 50% as taxas de apêndice perfuradas e reduziu de 36% para 14% a incidência de cirurgias abdominais desnecessárias (SABBATINI, 1993).. 5.1 Histórico da Evolução da Inteligência Artificial Médica Segundo BRONZINO (1995), a evolução da IAM pode ser dividida em quatro estágios, que estão descritos a seguir: • O primeiro estágio ocorreu por volta de 1968 a 1976, sendo bastante influenciado pelo artigo “Medicine and the computer: The promise and problems of change” (SCHWARTZ, 1970) que demonstrava o potencial dos métodos informatizados para transformar a prática médica, possibilitando ao médico se concentrar mais no cuidado ao paciente. Nessa época surgiram os primeiros sistemas médicos, como o CASNET (1972) que usou regras de trabalho causais para descrever os processos de doenças; o MYCIN (1974) com o raciocínio baseado em regras; o DIALOG/INTERNIST (1975) usando redes de trabalho hierárquicas, e o PIP (1976) utilizando frames ou templates para definição das doenças. Estes sistemas foram projetados como ferramentas de consulta para auxiliar médicos não especialistas ou outros profissionais de saúde, por meio da aquisição de algumas regras do raciocínio de um médico especialista em uma determinada área..

(44) 43. Assim, com o sucesso destes sistemas as pesquisas em inteligência artificial voltaram-se aos sistemas baseados em conhecimento, ocorrendo a partir de então a proliferação dos sistemas especialistas. Os sistemas especialistas, como o próprio nome diz, são capazes de apoio à decisão médica apenas em áreas especializadas da medicina, ou seja, quanto mais especializada a área, melhor o sistema funciona (WIDMAN, 1998). • O segundo estágio da evolução da IAM ocorreu entre 1977 e 1982, fase em que usou-se estruturas gerais para construção da base de conhecimento especialista. Em 1979, desenvolveu-se o EMYCIN, EXPERT e AGE, que foram desenvolvidos e aplicados em diversos problemas médicos, como de instrumentos de controle em UTI e na interpretação de testes laboratoriais para aconselhar no diagnóstico e tratamento de várias doenças. Nesta fase ocorreu a disseminação das idéias de sistemas especialistas e de shells para a representação do conhecimento e decisões heurísticas, especialmente entre os anos de 1981 e 1982. • O terceiro estágio compreende o período de 1983 a 1987, época em que os pesquisadores da IAM concentraram-se nas complexidades do raciocínio médico e no desenvolvimento de formas para representá-lo; novos e poderosos métodos foram introduzidos, como as redes neurais, que passaram a ser aplicadas na tomada de decisão médica. • O quarto estágio da IAM iniciou-se em 1987, caracterizando-se pelo contínuo desenvolvimento de representações baseadas em conhecimento; progressos nas experiências com o uso do raciocínio qualitativo; modelagem e controle em processos críticos, como em UTI’s; interesse nos métodos estatísticos para a tomada de decisão, unindo-se a modelos de processos representados em diagramas de influência; redes bayesianas; desenvolvimento contínuo de aplicações de redes neurais e conjuntos difusos. Caracterizando-se assim, a.

(45) 44. crescente complexidade e diversidade da IAM, que se constitui num campo de pesquisa em constante evolução.. 5.2 Sistemas Inteligentes Desenvolvidos na Área Médica Desde que começaram a ser utilizadas as técnicas de inteligência artificial em Medicina, um grande número de sistemas de diferentes complexidades e nas mais variadas áreas da Medicina foram e estão sendo desenvolvidos em diversos centros de pesquisa. Dentre os quais pode-se destacar: • CASNET/GLAUCOMA: desenvolvido na Universidade de Rutgers (EUA), esse sistema é voltado para o diagnóstico e aconselhamento terapêutico nos casos de glaucoma, que é a principal causa de perda de visão e cegueira. Na década de 80, no Congresso Americano de Oftalmologia, este sistema foi considerado como sendo um dos vinte melhores especialistas no assunto (BRONZINO, 1995). • PUFF: foi desenvolvido em 1979 por pesquisadores do Centro Médico Presbiteriano do Pacífico e da Universidade de Stanford (EUA). O PUFF é um sistema para interpretar medidas relacionadas a testes respiratórios e identificar distúrbios respiratórios. A primeira versão do PUFF teve 64 regras SEENTÃO, sendo que a versão mais recente tem cerca de 400 regras. O procedimento de validação do sistema foi realizado, comparando-se o seu diagnóstico com o de dois médicos especialistas em pneumologia, concluindose que o sistema era consistente em mais de 90% dos casos testados (COIERA, 1997). • VIE-PNN: é um sistema especialista que representa o conhecimento teórico e clínico sobre a composição das soluções de nutrição parenteral para recémnascidos tratados em UTI Neonatal, desenvolvido por meio da cooperação do Austrian Research Institute for Artificial Intelligence, Departament of Medical.

(46) 45. Cybernetics and Artificial Intelligence, Department of Pediatrics of the University of Vienna. A base de conhecimento do VIE-PNN consiste em regras para compor a solução parenteral, aplicando-se estas regras os fluidos diários, eletrólito, vitaminas e exigências nutricionais são calculadas de acordo com as necessidades estimadas, o peso da criança, a idade e a tolerância individual. O médico também pode ajustar valores calculados conforme exigências clínicas especiais. O VIE-PNN está em uso na Áustria: UTI Neonatal - Department of Pedriatics of the University of Vienna; UTI Neonatal - University of Graz Medical School; Pediatric Clinic Glanzing em Viena (COIERA, 1997). • POEMS (Post Operative Expert Medical Systems): é um sistema de apoio à decisão no cuidado pós-operatório desenvolvido na University of Leeds, U.K., que oferece aconselhamento na ausência de um médico experiente e auxilia no monitoramento dos aparelhos. O POEMS trabalha com dados referentes aos pacientes como história médica, história operatória, exames e testes investigativos. Destes dados, ele apresenta uma lista ordenada dos prováveis diagnósticos e que tratamento seria mais satisfatório (COIERA, 1997). • DXPLAIN: desenvolvido no Massachussetts General Hospital, o DXPLAIN é usado para diagnóstico em Medicina Interna, a partir de um conjunto de achados clínicos, incluindo sinais, sintomas e dados laboratoriais. O sistema produz uma lista de diagnósticos possíveis por ordem decrescente de importância e sugere investigações posteriores. O DXPLAIN contém uma base de probabilidades aproximadas para cerca de 4,5 mil manifestações associadas a 2 mil doenças diferentes. Esse sistema está em uso em vários hospitais e escolas médicas, principalmente para educação clínica, sendo também utilizado para consultas médicas (COIERA, 1998). • QMR (Quick Medical Reference): desenvolvido na Universidade de Pittsburg (EUA), realiza o diagnóstico diferencial em muitas áreas da medicina interna, sendo também útil para ensino. O QMR abrange aproximadamente 80% da Medicina Interna, apresentando uma base de conhecimento com.