Uma Arquitetura Baseada em Agentes para um Sistema Tutor
Inteligente em Cardiologia
Antonio Pereira Lima Júnior
Uma Arquitetura Baseada em Agentes para um Sistema Tutor
Inteligente em Cardiologia
Dissertação apresentada ao Programa de Pós-Graduação Strictu Sensu em Gestão do
Conhe-cimento e da Tecnologia da Informação, da Universidade Católica de Brasília, como requi-sito para obtenção do Título de Mestre em Gestão do Conhecimento e da Tecnologia da Informação.
Orientadora: Profa Dra Lourdes Mattos Brasil Co-Orientadores: Prof. Dr. Edilson Ferneda
Prof. Dr. Cláudio Chauke Nehme BRASÍLIA
If I have seen further than others it is by standing upon the shoulders of giants.
RESUMO
As doenças cardiovasculares ocupam posição de destaque entre as principais causas de óbitos em diversos países, incluindo o Brasil. Considerando-se o alto custo e o intervalo de tempo necessário para formação de especialistas médicos na área de Cardiologia, bem como a quan-tidade e complexidade das informações e conhecimentos envolvidos no diagnóstico médico, torna-se oportuno a investigação sobre a gestão de informações e de conhecimento nesse do-mínio e o desenvolvimento de aplicações de Inteligência Artificial na Saúde que possam su-portar o diagnóstico médico e o processo de aprendizagem correspondente. No Projeto Inteli-gência Artificial Aplicada na Modelagem e Implementação de um Consultório Virtual - IAC-VIRTUAL, sendo desenvolvido pelo Grupo de Inteligência Artificial da Universidade Católi-ca de Brasília, busCatóli-ca-se construir um sistema baseado em conhecimento que se propõe a simu-lar um consultório médico em ambiente Web, concebido para atender (i) pacientes
interessa-dos em acompanhar seu histórico médico, (ii) especialistas interessados num ambiente de
a-poio à decisão em diagnóstico e tratamento de seus pacientes e (iii) estudantes interessados na
aprendizagem por meio do acompanhamento dos casos médicos disponíveis. Pretende-se, com este trabalho, a definição da arquitetura para um Sistema Tutor Inteligente, baseado em agentes, com aplicação no domínio da Radiologia Torácica, dentro do ambiente do IACVIR-TUAL.
ABSTRACT
The Coronary Cardiac Disease (CDC) is considered as the primary cause of death in many countries, including Brazil. Considering the high cost of treatment, the duration of medical specialists education in the area of Cardiology, and the amount and complexity of the infor-mation and knowledge involved in medical diagnosis, this area becomes a suitable candidate for research on knowledge management and for development of Artificial Intelligence appli-cations in Health that can support the medical diagnosis and its learning process. The Virtual Medical Office (VMO) project, that is being developed by the Artificial Intelligence Group of University Catholic of Brasilia, aims to construct a knowledge base system that simulate a medical doctor's office in Web environment, designed to support (i) patients interested in fol-lowing their medical history, (ii) specialists interested in an environment which supports the diagnosis decision process and treatment of its patients and (iii) students interested in the learning by means of the follow-up of available medical cases. It is intended, with this work, the definition of the architecture for an Intelligent Tutorial System, based in agents, with ap-plication in the domain of Thoracic Radiology, inside of the environment of the VMO.
Figura 1: Arquitetura do IACVIRTUAL (ALMEIDA, 2004c)... 17
Figura 2: Arquitetura clássica de um STI (WENGER, 1987)... 29
Figura 3: Arquitetura MATHEMA (COSTA, 1997) ... 36
Figura 4: Visão multidimensional do conhecimento do domínio (Costa, 1997)... 39
Figura 5: Ambiente Protégé (PROTÉGÉ, 2004) ... 41
Figura 6: Modelo de Referência FIPA para Platforma de Agentes (RIMASSA, 2003)... 45
Figura 7: Plataforma JADE Distribuída (JADE, 2004) ... 46
Figura 8: Modelo FIPA para o Ciclo de Vida do Agente (FIPA, 2004)... 47
Figura 9: Estruturação pedagógica do conhecimento do domínio (Costa, 1997)... 51
Figura 10: Interação entre Usuário e Sub-Sistema Web... 60
Figura 11: Interação entre Sub-Sistema Web e Sub-Sistema JADE... 61
Figura 12: Interagir com UP Sob a Visão do Sub-Sistema Web... 62
Figura 13: Solicitação de UP sob a visão do Sub-Sistema JADE ... 63
Figura 14: Interação com Avaliação sob a visão do Sub-Sistema Web... 63
Figura 15: Interação entre Sub-Sistema Web e Sub-Sistema JADE na realização da Avaliação ... 64
Figura 16: Diagrama de Classes do STI... 65
Figura 17: Interação entre Estudante e Sub-Sistema Web... 66
Tabela 1 Identificação das Tarefas ... 54
Tabela 2 Questões de Competência – Determinação da Incidência ... 54
Tabela 3 Questões de Competência – Determinação da Penetração ... 55
Tabela 4 Questões de Competência – Determinação da Simetria ... 55
Tabela 5 Questões de Competência – Determinação do Nível de Inspiração... 56
Tabela 6 Questões de Competência – Identificação das Estruturas Anatômicas ... 56
Tabela 7 Questões de Competência – Identificação do Padrão de Normalidade das Estruturas Anatômicas ... 57
Tabela 8 Questões de Competência – Interpretação Radiológica ... 57
AC - Agent Container
ACC - Agent Communication Channel
AH - Aprendiz Humano
AHA - American Hospital Association
AI - Agente de Interface
AI-ED - International Conference on Artificial Intelligence in Education
AM - Agente de Manutenção AMS - Agent Management System
BBN - Bold Benanek and Newman
CBIS - Congresso Brasileiro de Informática em Saúde DF - Directory Facilitator
ENIA - Encontro Nacional de Inteligência Artificial ES - Engenharia de Software
FIPA - Foundation for Intelligent Physical Agents
GC - Gestão do Conhecimento IA - Inteligência Artificial
IACVIRTUAL - Inteligência Artificial Aplicada na Modelagem e Implementação de um Con-sultório Virtual
IA-ED - IA em Educação IE - Informática na Educação InCor - Instituto do Coração IS - Informática em Saúde
ITS - International Conference on Intelligent Tutoring System
JADE - Java Agent DEvelopment framework
ME - Motivador Externo
MGH - Massachussetts General Hospital
MTS - Message Transport System
NIH - National Institutes of Health
NLM - National Library of Medicine
OKBC - Open Knowledge Base Connectivity
SBC - Sociedade Brasileira da Computação
SBIA - Simpósio Brasileiro de Inteligência Artificial SBIE - Simpósio Brasileiro de Informática na Educação SBIS - Sociedade Brasileira de Informática em Saúde SE - Sistema Especialista
SEH - Sistema Especialista Híbrido
SEH - Sociedade de Especialistas Humanos SMA - Sistema Multi-Agentes
SMI - Stanford Medical Institute
STI - Sistema Tutor Inteligente SUS - Sistema Único de Saúde
SWAM - Sistema Web para Análise de Mamografia digital
TI - Tecnologia da Informação UC - Unidade de Conhecimento
UFRJ - Universidade Federal do Rio Janeiro UMLS - Unified Medical Language System
UnB - Universidade de Brasília UP - Unidade Pedagógica
1 INTRODUÇÃO... 14
1.1 Tema... 19
1.2 Justificativa ... 19
1.3 Formulação do Problema... 20
1.4 Objetivos... 22
1.5 Estrutura dos Capítulos ... 22
2 REFERENCIAL TEÓRICO ... 24
2.1 Informática em Saúde... 25
2.2 Sistemas Tutores Inteligentes ... 28
2.2.1 Arquitetura de Sistemas Tutores Inteligentes ... 29
2.2.2 Sistemas Tutores Inteligentes Multiagentes... 30
2.3 Ontologias... 31
3 METODOLOGIA ... 35
3.1 Classificação ... 36
3.2 MATHEMA... 36
3.3 PROTÉGÉ ... 41
3.4 JADE ... 42
4 RESULTADOS ... 49
4.1 Arquitetura do Sistema Tutor Inteligente ... 50
4.2 Ontologia de Domínio – Radiologia Torácica... 53
4.3 Modelagem do Sistema ... 59
4.3.1 Diagramas de Casos de Uso... 59
4.3.2 Diagramas de Atividade... 62
4.3.3 Diagrama de Classes... 64
4.3.4 Diagrama de Seqüência ... 66
5 CONCLUSÃO E TRABALHOS FUTUROS... 69
A capacidade que uma organização tem de criar conhecimento, disseminá-lo e incor-porá-lo a processos, produtos e serviços assume um caráter estratégico na economia atual. Em decorrência disso, o conhecimento vem sendo reconhecido como um dos ativos mais impor-tantes de uma organização, o que tem levado a um crescente interesse na área da Gestão do Conhecimento (GC) (NONAKA & TAKEUCHI 1997; STEWART 1998).
As atividades de identificação, aquisição, desenvolvimento, disseminação, uso e pre-servação do conhecimento vêm adquirindo um papel de destaque não apenas nos processos organizacionais, como no âmbito de grupos específicos, por exemplo, a comunidade médica.
Dentro da GC, uma distinção fundamental refere-se à natureza do conhecimento e as formas de sua criação/transformação e disseminação. Segundo Nonaka & Takeuchi (1997), o conhecimento (organizacional) pode ser classificado como tácito ou explícito. O conhecimen-to táciconhecimen-to é “pessoal, específico de um contexconhecimen-to, e, portanconhecimen-to, difícil de formalizar e comunicar”, enquanto o conhecimento explícito é aquele “transmissível numa linguagem formal e sistemá-tica” (NONAKA & TAKEUCHI 1997).
Esses mesmos autores postulam quatro possibilidades de transformação do conheci-mento, quais sejam: de tácito para tácito, ou Socialização; de tácito para explícito, ou Externa-lização; de explícito para explícito, ou Combinação, e de explícito para tácito, ou Internaliza-ção.
A área da Saúde, por fazer uso intensivo de conhecimento, é um campo de aplicação privilegiado dos conceitos, metodologias e ferramentas de GC. A complexidade e quantidade de informações e de conhecimentos envolvidos na prática médica, sempre crescentes e em evolução, remetem à possibilidade da utilização da GC como facilitador dos processos na área da Saúde.
tratamento e para a eficácia, eficiência e efetividade desse tratamento. Essa atividade, desen-volvida pelo clínico e pelo especialista, envolve um volume significativo de conhecimento tácito cuja disseminação constitui um desafio para a GC nesta área.
Uma contribuição, nesse sentido, tem sido dada pela Inteligência Artificial (IA). As aplicações da IA em Saúde têm promovido a construção de sistemas computacionais que si-mulam o modelo de funcionamento do comportamento racional dos serem humanos na reali-zação de atividades inteligentes, tais como ajuda na tomada de decisão, resolução de proble-mas e aprendizagem (FLORES, 2002). Tais sisteproble-mas têm sido utilizados tanto no suporte à execução das atividades médicas bem como no processo de aprendizagem das competências necessárias à sua execução. Desta forma seu desenvolvimento e utilização tem promovido a externalização, combinação, internalização e socialização do conhecimento na área da Saúde.
Mais especificamente na área de ensino-aprendizagem mediada por computador, são significativos os trabalhos desenvolvidos pela comunidade interessada na aplicação da IA em Educação (IA-ED). Entre os principais eventos dessa comunidade encontram-se a
Internatio-nal Conference on Intelligent Tutoring System (ITS) e a International Conference on Artifici-al Intelligence in Education (AI-ED). No Brasil, fóruns como o Simpósio Brasileiro de
In-formática na Educação (SBIE), o Simpósio Brasileiro de Inteligência Artificial (SBIA) e o Encontro Nacional de Inteligência Artificial (ENIA) têm promovido eventos paralelos dedi-cados exclusivamente ao tema IA-ED. Em todos esses eventos, não são raros trabalhos em Educação Médica. Dentre tais trabalhos, destacamos aqui os dedicados aos Sistemas Tutores Inteligentes (STI). Um STI pode ser considerado uma aplicação que visa reproduzir, em al-guma medida, o comportamento e as competências subjacentes às atividades de um educador num domínio particular de conhecimento (MURRAY, 1999).
2004c), desenvolvido pelo Grupo de Inteligência Artificial da UCB, visa a disponibilização de um sistema baseado em conhecimento que simule um consultório em ambiente Web,
concebi-do para atender (i) pacientes interessados em acompanhar seu histórico médico, (ii)
especialis-tas interessados num ambiente de apoio à decisão em diagnóstico e tratamento de seus pacien-tes e (iii) estudantes interessados na aprendizagem por meio do acompanhamento dos casos
médicos disponíveis.
!
"
" #
$
% &'
&'
Figura 1: Arquitetura do IACVIRTUAL (ALMEIDA, 2004c)
O esquema da Figura 1 representa a arquitetura do sistema IACVIRTUAL. Nela, po-de-se identificar os seguintes componentes:
i) Um Sistema Especialista Híbrido (SEH), onde o conhecimento é representado por meio
de um formalismo que integra regras de produção, redes neurais artificiais, algoritmo genético e lógica fuzzy (ROJAS, 2003);
ii) O Sistema Web para Análise de Mamografia digital (SWAM), auxiliando os
bordas, aumentar o contraste nas imagens e classificar padrões existentes nas imagens através do uso de Redes Neurais Artificiais, auxiliando no diagnóstico das patologias (ALMEIDA, 2004c);
iii) O Módulo Educacional (LIMA JR., 2004, 2005; FERNEDA, 2004), que dá suporte a
in-terações cooperativas entre um aprendiz e uma sociedade de agentes tutores dentro do ambiente;
iv) O Módulo de Raciocínio Baseado em Casos (RBC), dando suporte ao diagnóstico
mé-dico e, indiretamente, subsidiando o Módulo Educacional quanto à resolução de pro-blemas;
v) O Módulo de Dados, disponibilizando uma base estruturada de dados e de casos,
inclu-indo aí os elementos para o processamento de imagens e de sinais e para telemedicina;
vi) O Módulo de Interface, que além dos elementos clássicos de hipermídia, oferecerá
re-cursos de realidade virtual;
vii) Para o Módulo de Usuário são previstos três níveis/tipos de usuários: o especialista, o
paciente e o estudante. A interface da ferramenta se adaptará de acordo com o perfil do usuário.
1.1
Tema
O trabalho aqui proposto situa-se na área de Educação Médica mediada por STI, parti-cularmente para a especialidade de Cardiologia em Radiologia Torácica.
1.2
Justificativa
As doenças cardiovasculares ocupam posição de destaque entre as principais causas de mortes em diversos países. No Brasil, segundo dados do Sistema de Informações de Mortali-dade do Ministério da Saúde, tais doenças corresponderam a mais de 27% do total de óbitos e foram responsáveis por 15,2% das internações realizadas no Sistema Único de Saúde (SUS), na faixa etária entre 30 e 69 anos (MACHADO, 2004). Tal incidência de casos e o alto custo do tratamento tornam oportuno o investimento no diagnóstico precoce e na adoção de medi-das preventivas que possam reverter este quadro.
Dada a amplitude geográfica do Brasil e os custos envolvidos na implantação e manu-tenção de um Sistema de Saúde com a necessária capilaridade e qualidade de atendimento, abre-se espaço para adoção de soluções baseadas no uso da Tecnologia da Informação (TI).
Considerando-se o alto custo e o intervalo de tempo necessário para a formação de es-pecialistas médicos na especialidade de Cardiologia, duas áreas de aplicação de TI, neste con-texto, são: o diagnóstico assistido por computador e os ambientes computacionais de ensino-aprendizado médico.
na área dos SE, podemos citar o MYCIN (BUCHANAN, 1984), concebido para apoiar o di-agnóstico de infecções bacterianas.
Além da relevância histórica do MYCIN, sua citação é pertinente para este trabalho pois, além de ser um exemplo de ferramenta de IA para diagnóstico médico, serviu de base para o desenvolvimento de um STI. O tutor GUIDON (CLANCEY, 1987), desenvolvido com o MYCIN como base, pôde explorar as capacidades explicativas de raciocínio do SE e com-provar o potencial educacional da sua base de conhecimento, constituindo-se num marco im-portante para a IA-ED.
Considerando-se o processo de diagnóstico como a atividade cognitiva central da prá-tica médica (NKANGINIEME, 1997), e dado que a aquisição das competências profissionais correspondentes a esta atividade é um elemento fundamental na formação de recursos huma-nos na área da saúde, é natural que outros STI tenham sido desenvolvidos, a exemplo do GUIDON, visando suportar, em alguma medida, o processo de aprendizagem nas diversas especialidades médicas.
Nesse trabalho foi desenvolvida uma arquitetura de um STI para especialidade de Car-diologia em RaCar-diologia Torácica, este STI poderá vir a ser utilizado por estudantes no contex-to de seu processo de aprendizagem contribuindo para formação de especialistas na especiali-dade de Cardiologia.
1.3
Formulação do Problema
O diagnóstico médico é um processo complexo que envolve uma gama considerável de conhecimento, tanto tácito como explícito. Essa complexidade na decisão médica decorre (SABBATINI, 2004; SHORTLIFFE, 1990): (i) da dependência do diagnóstico médico em
um diagnóstico e (iii) da falta de padronização quanto aos termos e definições médicas. Sob
este ponto de vista, a construção de um STI na área médica deve buscar minimizar as barrei-ras ao aprendizado associadas a estes fatores.
Segundo a abordagem clássica da área (WENGER, 1987), a arquitetura de um STI po-de ser po-definida em função po-de quatro módulos básicos, sendo os três primeiros referentes aos modelos do domínio, do aprendiz e o modelo pedagógico. O último é o módulo de interface.
Cada um dos três modelos remete a uma das questões fundamentais do processo ensi-no-aprendizagem: o que ensinar (domínio), a quem ensinar (estado cognitivo do estudante) e como ensinar (estratégias pedagógicas do tutor).
Recentemente, diversas arquiteturas de STI baseados em agentes vêm sendo propostas (COSTA, 1997; GIRAFFA, 1997, 1998). Esta abordagem está baseada no reconhecimento da aplicabilidade da tecnologia de agentes (WOODRIDGE, 1995) e das potenciais vantagens dela advindas. Modelar um STI através de uma arquitetura de Sistemas Multi-Agentes (SMA) permite uma maior flexibilidade frente à arquitetura clássica.
Por exemplo, no ambiente MATHEMA, proposto por Costa (1997), cada agente tutor é um especialista em um subconjunto do domínio, permitindo, assim, uma maior especializa-ção do módulo tutor e abrindo a possibilidade do uso de múltiplas representações para cada componente do domínio, bem como a utilização de estratégias de ensino diferenciadas.
Dentro do escopo deste trabalho, portanto, foi desenvolvida uma arquitetura baseada em agentes para o Módulo Educacional do IACVIRTUAL, com vista à construção de um STI para a especialidade de Cardiologia em Radiologia Torácica.
1.4
Objetivos
O objetivo geral deste trabalho é a proposição de uma arquitetura para o Módulo Edu-cacional do IACVIRTUAL.
Os objetivos específicos compreenderam:
i) Investigar as arquiteturas de STI, incluindo as abordagens Multi-Agentes; ii) Definir uma arquitetura a ser adotada para o Módulo Educacional;
iii) Definir, em conjunto com especialistas, uma ontologia para a especialidade de
Cardio-logia em RadioCardio-logia Torácica;
iv) Instanciar a arquitetura para um STI para a especialidade de Cardiologia em Radiologia
Torácica.
1.5
Estrutura dos Capítulos
O presente trabalho está dividido em cinco capítulos. Este Capítulo 1 apresentou o problema, a justificativa e os objetivos gerais e específicos propostos para este trabalho.
Em seguida, no Capítulo 2, são apresentados os referenciais teóricos utilizados para o desenvolvimento do trabalho, envolvendo a conceituação e a revisão da literatura referente às áreas de Informática em Saúde, STI e Ontologias.
A partir deste referencial, são apresentadas, no Capítulo 3, a metodologia e as ferra-mentas adotadas, sendo descritos (i) o modelo de arquitetura de STI adotado para o Módulo
Educacional, (ii) o ambiente utilizado para o desenvolvimento da ontologia e (iii) a
No Capítulo 4, são descritos os produtos desta dissertação, ou seja, a arquitetura de-senvolvida e a ontologia para o domínio de Radiologia Torácica.
O referencial teórico permite a análise da fundamentação apresentada na literatura e que será adotada para tratar o tema e o problema de pesquisa, mostrando o contexto da solu-ção (MORESI, 2003). Este é o objetivo desse capítulo.
2.1
Informática em Saúde
Os termos “Informática Médica” e “Informática em Saúde” vêm sendo utilizados mui-tas vezes como sinônimos e associados a um amplo conjunto de disciplinas da área da Saúde que fazem uso da tecnologia da informação em seus domínios de atuação. Quando diferencia-ções entre os termos surgem, estas se originam seja por diferentes tradidiferencia-ções culturais seja por restrições no escopo das definições (HASMAN et al., 1996 apud NYKANEN, 2000).
No Handbook of Medical Informatics (VAN BEMMEL & MUSEN, 1997), os dois
termos são considerados intercambiáveis e Informática Médica é definida como “a arte e ci-ência onde métodos e sistemas são desenvolvidos e utilizados para a aquisição, processamento e interpretação dos dados de pacientes usando conhecimento obtido em pesquisa científica”.
Segundo Hogarth (1998), a Informática na Saúde (IS) tem seu enfoque centrado na es-trutura e consistência da informação oriunda da área de saúde sendo, assim, “a disciplina cien-tífica que estuda a estrutura e as propriedades da informação médica”.
De maneira análoga Shotliffe & Perreault (1990) definem a Informática Médica como “o campo científico que trata do armazenamento, recuperação e uso otimizado da informação biomédica, dados e conhecimento para resolução rápida de problemas e tomada de decisões”.
Já Hasman et all (1995) fazem uma vinculação mais explícita à tecnologia e definem
IS como “disciplina do processamento sistemático de dados, informação e conhecimento rela-cionados à saúde por computadores”.
Informa-tics” seria “Informática em Saúde”, e criaram em 1986 a Sociedade Brasileira de Informática em Saúde (SBIS).
Segundo Nykanen (2000), os três aspectos, ou temas centrais, da IS são:
i) O estudo dos processos, funções, dados, informações e conhecimentos das áreas de
Sa-úde e de Medicina;
ii) O projeto e desenvolvimento de sistemas de informação para apoiar processos na área
de saúde;
iii) O estudo das mudanças advindas da adoção de sistemas de informação e tecnologia.
Em termos de sua evolução histórica, a origens da IS remonta ao Século 19, com a a-doção de métodos específicos de armazenamento e manipulação de dados (MILSUN & LAS-ZLO 1984, apud da COSTA, 2004). Em 1890, o Dr. John Shaw Billings passa a editar o
In-dex Medicus, um índice da literatura médica mundial que, em 1966, teria sua conversão para
meio digital através do sistema MEDLARS. Também em 1890 registra-se uma primeira apli-cação prática da IS: a utilização de máquinas tabuladoras, criadas por Herman Hollerith, para a automação das estatísticas de altas hospitalares do estado de New York (HOGARTH, 1998). Em 1962 o National Institutes of Health (NIH) e a American Hospital Association
(AHA) financiam o projeto Hospital Computer Project, desenvolvido através de contrato
en-tre o Massachussetts General Hospital (MGH) e a empresa Bold Benanek and Newman
(BBN). A partir da execução deste projeto diversos aplicativos passam a ser desenvolvidos pelo MGH, dentre os quais: programas de admissão e alta de pacientes, relatórios de laborató-rios e resumo de prescrições.
mé-dica estimulou o surgimento de centros acadêmicos e de pesquisa em IS, vindo a desenvolver sistemas de registro médico computadorizado e aplicações de IA.
Como exemplos de tais sistemas, Hogarth (1998) destaca: o Help System,
desenvolvi-do pela Universidade de Utah, no Later Saints Days Hospital de Salt Lake City; o The
Medi-cal Record, desenvolvido pela Duke University e o Regenstrief Medical Record, desenvolvido
pela Universidade de Indiana.
Dentre as aplicações de IA, o mesmo autor destaca o desenvolvimento dos primeiros SE, como o MYCIN (BUCHANAN, 1984), desenvolvido pelo Dr. Edward Shortliffe, na U-niversidade de Stanford, cujo objetivo, como dito anteriormente, era apoiar o diagnóstico de infecções bacterianas.
Segundo Sabbatini (1998), a IS no Brasil se estabelece, no início da década de 70, em alguns centros tais como: o Hospital da Universidade Federal do Rio Janeiro (UFRJ), no Insti-tuto do Coração (InCor) e nos Hospitais das Clínicas da USP em São Paulo e Ribeirão Preto. No Hospital da UFRJ, foram desenvolvidos os primeiros sistemas baseados em microcompu-tadores. No InCor, estabeleceram-se os primeiros sistemas de monitoração fisiológica digital e de apoio aos testes hemodinâmicos. Em Ribeirão Preto, surgiram grupos biomédicos que vie-ram a desenvolver aplicações na análise de dados fisiológicos, simulações aplicadas ao ensino e pesquisa e bancos de dados.
também encontram difusão em eventos específicos da área de Computação promovidos pela SBC.
Como áreas de atuação dentro da IS, a SBIS (2005) destaca: (i) Sistemas de
Informa-ção em Saúde; (ii) Prontuário Eletrônico do Paciente; (iii) Telemedicina; (iv) Sistemas de
A-poio à Decisão; (v) Processamento de sinais biológicos; (vi) Processamento de Imagens
Médi-cas; (vii) Padronização da Informação em Saúde e (viii) Internet em Saúde.
2.2
Sistemas Tutores Inteligentes
A utilização de sistemas computacionais para suporte ao processo de ensino e aprendi-zagem vem sendo explorada ao longo das últimas décadas (WENGER, 1987). A partir da disseminação do computador pessoal, tal proposta veio a ganhar força e diversos trabalhos de pesquisa foram e têm sido desenvolvidos com objetivo de propiciar ambientes de ensino-aprendizagem mediados por computador. Tais trabalhos vieram a integrar os resultados de pesquisa que compõem uma área ampla de investigação denominada Informática na Educação (IE).
Dentre as linhas de pesquisa na área de IE, destaca-se o desenvolvimento de STI. Um STI pode ser considerado uma aplicação que visa reproduzir, em alguma medida, o compor-tamento e competências subjacentes às atividades de um educador num domínio particular de conhecimento. Segundo Sleeman & Brown (1982), um STI é um sistema computacional que utiliza técnicas de IA para representar o conhecimento e para interagir de forma adaptativa com o estudante.
tare-fas de forma a adaptar, de forma dinâmica, seja o conteúdo apresentado ou a forma de instru-ção.
2.2.1 Arquitetura de Sistemas Tutores Inteligentes
Segundo a abordagem clássica da área (WENGER 1987), a arquitetura de um STI po-de ser po-definida em função po-de quatro módulos básicos, conforme indicado na Figura 2.
' (
" #
Figura 2: Arquitetura clássica de um STI (WENGER, 1987)
O modelo do domínio é responsável pelo conhecimento especializado sobre o domínio de aplicação, correspondendo à dimensão “o que ensinar”. Incorpora um modelo do domínio em alguma forma de representação adequada ao domínio específico sendo explorado e às es-tratégias pedagógicas a serem adotadas.
O modelo do aprendiz é responsável por capturar, em alguma medida, o estado cogni-tivo do aprendiz a cada momento (o que ele sabe, não sabe ou entendeu mal). Corresponde, portanto, à dimensão “a quem ensinar” e incorpora uma representação abstrata construída pelo STI acerca do conhecimento do estudante sobre o domínio e do seu desempenho ao longo das etapas de aprendizado definidas pelas estratégias pedagógicas.
O módulo de interface é o responsável pela intermediação entre o sistema tutor e o es-tudante. Sua complexidade é variável e dependente da aplicação, podendo envolver janelas de diálogo, páginas Web (estáticas ou dinâmicas), recursos de realidade virtual ou mesmo o
pro-cessamento de linguagem natural.
2.2.2 Sistemas Tutores Inteligentes Multiagentes
Apesar de não haver consenso em relação à definição do termo “Agente”, alguns atri-butos são encontrados em diversas definições da literatura (WOOLDRIDGE, 1999; FERBER, 1999; JENNINGS,1999), tais como:
i) Autonomia - ser independente em relação aos demais agentes, em termos de execução e
decisão;
ii) Racionalidade - possuir um objetivo e buscar alcançá-lo;
iii) Habilidade social - interagir com outros agentes em prol do seu objetivo.
Estes três atributos de um agente podem ser relacionados a características de um sub-sistema que possui, respectivamente, um comportamento autônomo, habilidade de interação com outros subsistemas e um objetivo.
Segundo Russell & Norvig (2004), um agente é um sistema capaz de obter através de sensores as informações do ambiente onde está inserido e reagir através de atuadores. Um agente pode também ser definido como uma entidade de software que exibe um
comporta-mento autônomo e que está inserido em um ambiente, a partir do qual percebe alterações, e sobre o qual é capaz de realizar ações para consecução de seus próprios objetivos de projeto (WOOLDRIDGE & JENNINGS, 1995; ZAMBONELLI et al, 2000).
Além das propriedades acima descritas, agentes estão vinculados a um domínio de co-nhecimento, em alguns casos representado por uma Ontologia (DAVIES et al, 1996), e
lingua-gens de comunicação de alto nível (LABROU, 1999). A interação entre estes agentes, regidas por estas linguagens e protocolos, caracteriza organizações de agentes. O conjunto de organi-zações forma uma sociedade. Esta sociedade de agentes caracteriza um SMA (FERBER, 1999; JENNINGS, 1999).
A utilização de agentes no desenvolvimento de STI vem sendo adotada em diversos projetos entre os quais: White Rabbit (THIRY, 1999), LeCS (ROSSATELLI, 2000), Lanca (FRASSON et al, 1998) e Baguera (WEBBER et al, 2001).
2.3
Ontologias
O uso de ontologias no processo de desenvolvimento de sistemas computacionais vem crescendo ao longo das últimas décadas. A utilidade de ontologias tem sido explorada em áreas como a IA (BOICU et al, 2001), Engenharia de Software (ES) (OLIVEIRA, 1999) e IE
(GOÑI et al, 2002).
A origem do termo ontologia advém da Filosofia, correspondendo à busca da “classi-ficação exaustiva e definitiva das entidades em todas as esferas do ser” (SMITH & WELTY, 2001). Ainda segundo Smith & Welty (2001), a apropriação desse termo no contexto da Ciên-cia da Computação tem como marco a proposta de McArthy, no final da década de 70, de que a construção de ontologias seria relevante para a construção de sistemas inteligentes baseados em lógica. A partir de então, o termo ontologia vem sendo utilizado em diversas sub-áreas, tais como: Engenharia de Conhecimento em IA, modelagem conceitual em Banco de Dados e modelagem de domínio em Orientação a Objetos.
i) ontologia é uma especificação formal e explícita de uma conceituação compartilhada
(GRUBER, 1993);
ii) ontologia é uma descrição parcial e explícita de uma conceituação (GUARINO e
GI-ARRETA, 1995);
iii) ontologia consiste num vocabulário representacional com definições precisas dos termos
deste vocabulário mais um conjunto de axiomas que restrinjam a interpretação e o uso destes termos (CAMPBELL e SHAPIRO, 1995);
iv) ontologia é uma teoria sobre um domínio que especifica um vocabulário de entidades,
classes, propriedades, predicados e funções; e um conjunto de relações que amarra este vocabulário (FIKES e FARQUHAR, 1999).
Em paralelo, alguns autores têm centrado esforços na tentativa de elaboração de classi-ficações para ontologias, bem como no desenvolvimento de metodologias para seu desenvol-vimento.
Van Heijst et al. (1997) e Van Heijst (1995) propõem uma classificação para ontologi-as bontologi-aseadontologi-as em duontologi-as dimensões: a quantidade e o tipo de estrutura da conceituação e o ontologi- assun-to da conceituação. Segundo esses auassun-tores, no que se refere a quantidade e o tipo de estrutura de conceituação as ontologias podem ser classificadas como:
i) Ontologias terminológicas, que especificam termos usados para representar o
conheci-mento no domínio de discurso;
ii) Ontologias de informação, que especificam a estrutura de registro de um banco de
da-dos;
iii) Ontologias de modelagem de conhecimento, que especificam a conceituação do
A partir de uma análise crítica, Van Heijst, Guarino (1997b) propôs classificar ontolo-gias de acordo com as seguintes dimensões: o nível de detalhe da ontologia e o nível de de-pendência da ontologia em relação a uma tarefa específica ou ponto de vista.
Segundo Guarino (1998), considerando a segunda dimensão e analisando o nível de generalidade, pode-se classificar as ontologias como:
i) Ontologias de alto nível, que descrevem conceitos gerais como espaço, tempo, evento,
conceitos estes independentes de um domínio específico;
ii) Ontologias de domínio, que descrevem um vocabulário particular relacionado a um
do-mínio específico envolvendo a especialização dos conceitos pré-existentes numa onto-logia de alto nível;
iii) Ontologias de tarefas, que descrevem um vocabulário para descrição de tarefas ou
ati-vidades através da especialização de uma ontologia de alto nível;
iv) Ontologias de aplicação, que se constituem nas ontologias mais específicas, onde os
conceitos das ontologias de domínio correspondem aos papéis exercidos pelas entidades na realização de uma atividade da ontologia de tarefas.
Já segundo Uschold (1996), uma ontologia pode ser classificada quanto ao propósito para o qual é definida, quanto à natureza do assunto e quanto ao grau de formalidade com que o vocabulário é criado e seu significado é definido.
Grunniger e Lee (2002) abstêm-se de buscar uma definição universal para o termo e propõem focar na tipologia de usos para ontologias, quais sejam: comunicação, inferência computacional, reuso e organização do conhecimento.
Dentre os projetos de desenvolvimento de ontologias na área de IS, destaca-se o
Unifi-ed MUnifi-edical Language System (BONDENREIDER, 2001, UMLS, 2004). Desenvolvido pela National Library of Medicine (NLM), o UMLS almeja facilitar a busca e troca de informação
A etapa de metodologia é aquela na qual se define onde e como será realizado um tra-balho de pesquisa, conforme entende Moresi (2003).
3.1
Classificação
Esta pesquisa, quanto aos fins, classifica-se como aplicada, por buscar propor uma arquitetura para a definição do módulo tutor do IACVIRTUAL, e metodológica, pois pretendemos elaborar um instrumento para captação e manipulação da realidade médica, correspondendo à ontologia para a especialidade de Cardiologia no domínio da Radiologia Torácica. Em relação aos meios, o trabalho compreende pesquisa bibliográfica e laboratorial.
3.2
MATHEMA
O modelo MATHEMA desenvolvido por Costa (1997) propõe um ambiente interativo de aprendizagem utilizando-se do enfoque multi-agentes e suportando a noção de aprendiza-gem cooperativa . A arquitetura proposta no modelo MATHEMA tem como base a integração de agentes humanos e artificiais dentro de um ambiente cooperativo.
Motivador Externo Aprendiz Humano Sociedade Especialista Humano Sociedade de Age n tes
Tutores Artificiais
AT AT AT
AT AT AT
Agente de Interface Agente De Manutenção
AT AT AT
Conforme definido por Costa (1997), a arquitetura MATHEMA é composta por um conjunto de seis componentes (Figura 3):
i) AH – um aprendiz humano;
ii) SATA – a Sociedade de Agentes Tutores Artificiais;
iii) SEH – a Sociedade de Especialistas Humanos (que constituem fontes de conhecimento,
envolvidas nas operações de manutenção da SATA);
iv) AI – o agente de interface, que possibilita a interação entre AH e SATA; v) AM – o agente de manutenção, que serve de interface entre SEH e SATA;
vi) ME – um motivador externo, que incorpora a possibilidade da atuação no ambiente de
agentes humanos cumprindo a função de motivar o AH para a utilização do ambiente. No contexto dessa arquitetura, existem três classes de interações possíveis:
i) as interações entre um Aprendiz Humano e a SATA, através de um agente tutor; ii) as interações entre os agentes tutores;
iii) as interações entre as duas sociedades: SATA e SEH.
Segundo Costa (1997), as interações AH-SATA surgem a partir de uma situação parti-cular de resolução de problemas. Neste caso o AT que participa da interação com o aprendiz, ele pode não ser capaz de realizar determinados objetivos isoladamente e buscará a coopera-ção com os demais agentes da SATA. Se, mesmo assim, os objetivos da interacoopera-ção não forem alcançados, o AT inicial poderá recorrer a um pedido de ajuda externa à SATA, isto é, à SEH.
As interações da classe SEH-SATA ocorrem quando há um pedido de ajuda de um AT à SEH ou quando a SEH, observando a interação AH-SATA através de algum mecanismo interno do sistema (ex. arquivos de log), verifica uma necessidade de manutenção sobre a SATA.
se-gundo duas perspectivas de visualização: uma visão externa e uma visão interna (COSTA, 1997).
Na visão externa, o domínio alvo será particionado em um certo número de subdomí-nios construídos tendo em vista alcançar uma representação em três dimensões de conheci-mento:
i) Contexto, que corresponde aos diferentes contextos ou pontos de vistas relacionados ao
domínio de conhecimento;
ii) Profundidade, que constitui diferentes possibilidades/níveis de abordagem em relação a
um determinado contexto
iii) Lateralidade, que corresponde aos conhecimentos afins de suporte (ex: pré-requisitos) a
um objeto do domínio alvo, associado um par <Contexto, Profundidade>.
Assim, a modelagem de um domínio alvo (D) compreende as seguintes etapas. Para o
domínio D, será associado um conjunto de contextos distintos D {C1,..., Cn}, onde cada Ci
(1 i n) representa um contexto particular.
Para cada contexto Ci, definido anteriormente, será associado um conjunto de níveis
distintos de profundidades Ci {Pi1, ..., Pim}, onde cada Pij(1 j m) corresponde a j-ésima
profundidade associada ao i-ésimo contexto.
Para cada par <Ci,Pij>, será associado um conjunto de lateralidades distintas <Ci,Pij>
{Lij1, ..., Lijt}, onde Lijk (1 k m) corresponde a k-ésima lateralidade desse par.
O domínio D, submetido à partição acima, pode então ser definido como o conjunto
união dos subdomínios dij que correspondem a uma visão particular de D associada a cada par
<Ci,Pij>.
O domínio D, submetido à partição acima, pode então ser definido como o conjunto
união dos subdomínios dij que correspondem a uma visão particular de D associada a cada par
D =
U
d ij tal que 1 i n e 1 j m (1)A partir desta mesma partição do domínio D, obtemos um domínio complementar, o
domínio do conhecimento lateral DL, associado a uma visão de lateralidade e construído
co-mo se segue: para cada visão lateral Lijk, define-se um subdomínio externo a D, denominado
dijk, que apreende um conhecimento lateral à D, de tal modo que dijk D.
DL =
U
dijk tal que 1 i n e 1 j m e 1 k t (2)Assim, o conhecimento da sociedade de agentes relativo a D (D’) a ser disponibilizado
por esta sociedade corresponderá à união:
D’ = D DL (3)
Na Figura 4, é apresentado o corpo de conhecimento D’, formado do conhecimento D
e respectivas lateralidades.
Figura 4: Visão multidimensional do conhecimento do domínio (Costa, 1997)
Para o domínio de Cardiologia, por exemplo, poderíamos considerar: Domínio:
D = Cardiologia
Contextos:
C3: Fisiopatologia
C4: Semiologia C5: Patologia
C6: Clínica das Doenças Cardiovasculares
Profundidades:
P11: Coração – Visão geral P12: Pericárdio
P13: Tamanho e Posição
P14: Anatomia Válvulas Cardíacas P15: Anatomia Interna do Átrio P16: Anatomia Interna do Ventrículo
... Lateralidades:
...
L141 Histologia
...
A partir do processo de modelagem do domínio descrito anteriormente, a SATA pode ser definida como segue:
Para cada subdomínio dij de D, define-se um agente tutor ATij ( dij TAij);
O mesmo é feito para o subdomínio lateral dijk, levando a definição do ATijk (dijk
ATijk) que será responsável por esta visão lateral particular.
Estes agentes, assim definidos, se agrupam em dois conjuntos de agentes segundo o modelo MATHEMA:
Os agentes tutores AT relativos ao domínio D, TA =
U
ATij , 1 i n e 1 j m;Os agentes tutores ATL relativos ao domínio DL, ATL=
U
ATijk , 1 i n e 1 j m e1 k t.
Finalmente, a sociedade de agentes SATA estará definida como sendo:
3.3
PROTÉGÉ
O ambiente Protégé (PROTÉGÉ, 2004) constitui-se numa série de ferramentas inte-gradas para a modelagem e a aquisição de conhecimento voltado para o desenvolvimento de ontologias. O ambiente é independente de plataforma e foi desenvolvido pelos pesquisadores do Stanford Medical Institute (SMI). Ele oferece uma arquitetura baseada em componentes
que é passível de extensão através de sua API. Protege constitui-se num ambiente baseado em
frames para o desenvolvimento de sistemas baseados em conhecimento, sendo aderente ao
padrão Open Knowledge Base Connectivity (OKBC) (OKBC, 2004).
Figura 5: Ambiente Protégé (PROTÉGÉ, 2004)
frames de classe (Class) especificam conceitos de domínio e são organizados numa
hie-rarquia que permite herança múltipla. Classes servem como templates para os frames de
instância;
Propriedades (Slot) são um tipo particular de frame que podem ser associados a uma
classe de modo a definir seus atributos, com restrições de valores específicas. Own slots
definem propriedades intrínsecas da classe ou frames individuais de instância que não
são propagados seja por herança ou instanciação. Template slots são associados à frames
de classe para definir os atributos de suas instâncias, que por sua vez definem valores específicos para propriedades;
Restrições (Facets) são propriedades dos slots, que especificam restrições nos seus
valo-res. Exemplos de facets seriam a cardinalidade de um valor de slot, seu tipo, faixa de
va-lores, valores padrão, etc.;
Axiomas (Axioms) são restrições adicionais que podem ser definidas nos frames, para,
por exemplo, relacionar os valores de um grupo de template slots ligados a uma classe.
Protégé fornece um conjunto pré-definido de predicados e funções para definir as restri-ções e provê a possibilidade de avaliar as restrirestri-ções de forma a garantir que instâncias dentro da base estejam de acordo com as restrições a elas aplicáveis.
3.4
JADE
O Java Agent DEvelopment framework (JADE) (JADE, 2004; RIMASSA, 2003) é um
ambiente para desenvolvimento de aplicações baseada em agentes conforme as especificações da Foundation for Intelligent Physical Agents (FIPA) (FIPA, 2004) para interoperabilidade
O principal objetivo do JADE (JADE, 2004) é simplificar e facilitar o desenvolvimen-to de sistemas agentes garantindo um padrão de interoperabilidade entre sistemas multi-agentes através de um conjunto de multi-agentes de serviços de sistema, os quais tanto facilitam como possibilitam a comunicação entre agentes, de acordo com as especificações da FIPA.
Segundo Rimassa (2003), o objetivo de JADE é prover suporte de execução à compo-nentes de softwares que possam ser considerados agentes de acordo com a definição de
Wo-oldridge e Jennings (1995) em seus aspectos fundamentais de autonomia e sociabilidade. Segundo Bellifemini et al. (2003), o desenvolvimento de JADE se baseou nos
seguin-tes princípios:
i) Interoperabilidade. JADE é aderente ao padrão FIPA, desta forma agentes JADE
po-dem operar com quaisquer outros agentes, desde que os mesmos também apresentem conformidade ao mesmo padrão;
ii) Uniformidade e portabilidade. JADE apresenta um conjunto homogêneo de APIs que
são independentes da camada de rede e também do ambiente de execução Java. Dado que é utilizado o mesmo conjunto de APIs para J2EE, J2SE e JRE, os desenvolvedores utilizando-se da plataforma podem, em teoria, decidir pelo ambiente de execução Java em tempo de implantação;
iii) Facilidade de uso. A complexidade do middleware é ocultada através do uso de um
conjunto de APIs simples e intuitivo;
iv) Filosofia “pay-as-you-go”. Os programadores não precisam fazer uso obrigatório de
to-das os recursos providos pelo middleware. Recursos não utilizados não precisam ser
considerados pelo programador e não implicam em sobrecarga computacional.
i) Agent. é o agente propriamente dito, cujas tarefas serão definidas de acordo com o
obje-tivo da aplicação. Encontra-se dentro de uma plataforma de agentes (Agent Platform) e
realiza toda sua comunicação com os demais agentes através de troca de mensagens e relaciona-se com aplicação externa (software);
ii) Agent Management System (AMS - Sistema Gerenciador de Agentes), responsável por
gerenciar o ciclo de vida dos agentes na plataforma e prover um serviço de guia de en-dereços (white pages), cabe a ele manter o diretório de identificadores de agentes (Agent
IDs –AID) associando os identificadores lógicos dos agentes à informações de
endere-çamento e status;
iii) Directory Facilitator (DF- Diretório Facilitador), que funciona como um serviço de
pá-ginas amarelas com capacidades básicas de casamento. Uma instância especial deste a-gente, chamada Default DF, deve estar presente em qualquer plataforma aderente ao pa-drão FIPA;
iv) Message Transport System (MTS - Sistema de Transporte de Mensagens), também
co-nhecido como canal de comunicação dos agentes (Agent Communication Channel –
Figura 6: Modelo de Referência FIPA para Platforma de Agentes (RIMASSA, 2003)
Uma das características da Plataforma JADE, conforme ilustrado pela Figura 7, é que ela pode ser distribuída por vários hosts e, ainda assim, se apresentar como uma única
entida-de para um outro sistema aentida-derente à FIPA. Segundo esse esquema, várias máquinas virtuais Java são agregadas numa mesma plataforma. Em cada uma delas um Agent Container (AC)
Figura 7: Plataforma JADE Distribuída (JADE, 2004)
Segundo Rimassa (2003) esta arquitetura apresenta algumas características significati-vas, dentre as quais:
i) Front-end único. Apesar de distribuída, a plataforma deve ter apenas uma única
instân-cia de AMS e de Default DF. A estratégia adotada é selecionar um dos ACs para fun-cionar como Main Controller, onde estarão contidos o AMS e Default DF. Em
confor-midade com o padrão FIPA este Main Controller deverá ser inicializado em primeiro
lugar e os demais containers (ACs) poderão agregar-se a plataforma desde que tenham
acesso a localização de rede do Main Controller;
ii) Distribuição otimizada de mensagens. O padrão FIPA determina mecanismos de
trans-porte para entrega de mensagens entre múltiplas plataformas, mas define mensagens in-tra-plataforma como critério da implementação. JADE adota uma abordagem com foco em otimização: uma vez que a plataforma conhece a localização dos agentes envolvidos ela usará chamadas locais Java quando a comunicação se der no escopo de um mesmo
plata-forma. Desta forma, alternativas mais complexas de comunicação no padrão FIPA só serão usadas se a comunicação cruzar os limites da plataforma.
Em termos do modelo de agente, JADE adere ao padrão FIPA e adota o ciclo de vida (life cicle) nele definido. O ciclo de vida em FIPA pode ser expresso através de uma máquina
de estados finitos que descreve o agente ao longo de sua existência (Figura 8).
Para cada transição de estado definida no ciclo de vida do agente FIPA, de nome XXX,
existirá um método na classe Agent um método doXXX( ) correspondente (ex. doDelete( ),
doMove( )). Uma vez que um comportamento de um agente ative um destes métodos, causará
uma transição de estado no próximo ponto de verificação (checkpoint) do gerenciador de
a-gentes (agent scheduler).
Figura 8: Modelo FIPA para o Ciclo de Vida do Agente (FIPA, 2004)
Tais estados são representados em JADE através de constantes estáticas da classe
A-gent:
i) AP_INIATED: o objeto da classe Agent foi instanciado, mas ainda não se registrou no
ii) AP_ACTIVE: o objeto da classe Agent está registrado no AMS, tem nome formal e
en-dereço e tem acesso a todas funcionalidades do JADE;
iii) AP_SUSPENDED: o objeto da classe Agent está no momento interrompido.Sua thread
interna está suspensa e nenhum comportamento está sendo executado;
iv) AP_WAITING: o objeto da classe Agent está bloqueado, esperando por alguma coisa.
Sua thread interna está “dormindo” (sleeping) sob um monitor Java e irá acordar
quan-do alguma condição ocorrer (geralmente quanquan-do uma mensagem chega);
v) AP_DELETED: o agente está definitivamente “deletado” ou encerrado. Sua thread
in-terna terminou sua execução e o agente não está mais registrado no MAS;
vi) AP_TRANSIT: um agente móvel entra nesse estado enquanto tiver migrando para uma
nova localização. O sistema continua a armazenar mensagens em um buffer que serão
enviadas para essa nova localização;
vii) AP_COPY: esse estado é usado internamente pelo JADE para agentes que foram
clona-dos;
viii) AP_GONE: esse estado é usando internamente pelo JADE quando um agente móvel
Neste capítulo serão descritos os produtos da dissertação, ou seja, a arquitetura propos-ta para o módulo educacional do IACVIRTUAL e a ontologia de domínio elaborada durante a formulação da arquitetura.
4.1
Arquitetura do Sistema Tutor Inteligente
Segundo a metodologia proposta no MATHEMA (Costa, 1997) para a definição da arquitetura do STI faz-se necessária a modelagem do domínio segundo sua visão externa (contextos, profundidades e lateralidades) e externa (curriculum e respectivas unidades
peda-gógicas).
Considerando a área de cardiologia como a etapa inicial a ser abordada pelo Módulo Educacional no IACVIRTUAL, verificou-se que dado a amplitude do domínio seria adequada a escolha de um subdomínio específico cujo escopo: fosse compatível com o prazo de desen-volvimento da dissertação e para qual houvesse a disponibilidade de especialistas para o su-porte às atividades do processo de modelagem da ontologia do domínio e de elaboração e va-lidação do conteúdo pedagógico.
Em reunião com o especialista em Cardiologia, Dr. Hervaldo Sampaio Carvalho, da Faculdade de Medicina da Universidade de Brasília (UnB), foi definido a Radiologia Torácica como o foco para o desenvolvimento do protótipo do STI. Assim sendo, em conformidade com o MATHEMA a arquitetura do sistema foi definida a partir do seguinte particionamento:
D = Exames Cardiológicos C1 = Raio X Torácico
P11 = Técnica
A partir da definição anterior foram definidos os agentes integrantes da SATA. Cada par <Ci,Pij> define um subdomínio dij a ser tratado no escopo de um agente tutor ATij. Desta
forma temos três agentes: AT11 – Técnica, AT12 – Anatomia Torácica, AT13 – Interpretação.
Em cada um dos AT o domínio dij é abordado, em termos da estruturação pedagógica,
segundo o seguinte esquema:
i) ao domínio dij é associado um curriculum;
ii) ao curriculum é associado uma seqüência de Unidades Pedagógicas (UP), ordenadas
por pré-requisito e grau de dificuldade;
iii) cada UP é constituída por um conjunto de problemas e a cada problema estará associado
um conjunto de Unidades de Conhecimento (UC) que suportam a sua solução;
iv) para cada UC estão associados conhecimentos de suporte, tais como: conceitos,
resulta-dos e exemplos, contra-exemplos, dicas, problemas análogos.
A definição das UP foi realizada, em conjunto com o especialista, levando em consi-deração a identificação de tarefas e questões de competência realizada para a modelagem da ontologia. Desta forma, para o primeiro agente (AT11 – Técnica), temos como UP: Incidência,
Grau de Penetração, Simetria e Nível de Inspiração (Quadro 1).
Quadro 1: Estruturação pedagógica do agente Técnica
AT11 Técnica
UP1 Incidência
P11 Determinação da Incidência
UC111 Tipos
UC112 Indicações
UP2 Grau de Penetração
P21 Determinação da Penetração
UC211 Diferenciação das Estruturas segundo o Grau de Penetração
UC212 Penetração Ideal para Raio X Torácico Padrão
UC213 Fatores de Erro dependentes da Penetração
... UC21N...
UP3 Simetria
P31 Determinação da Simetria
UC311 Presença de Simetrias/Assimetrias dependentes da Técnica
UC312 Fatores de Erro dependentes da Assimetria
... UC31N...
UP4 Nível de Inspiração
P41 Determinação do Nível de Inspiração
UC411 Níveis de inspiração dependentes da Técnica
UC412 Fatores de Erro dependentes do Nível de Inspiração
... UC41N...
Para o segundo agente (AT12 – Anatomia Torácica), temos como UP: Estruturas
Quadro 2 Estruturação pedagógica do agente Anatomia Torácica
AT12 Anatomia Torácica
UP1 Estruturas Anatômicas
P11 Identificação das Estruturas Anatômicas
<cada UC11x corresponde a uma estrutura e descreve suas
características básicas visando apoiar o processo de identificação> UC111 Coração
UC112 Pulmão
... UC11N ....
UP2 Padrão de Normalidade
P1 Identificação do Padrão de Normalidade
<cada UC21x corresponde a uma estrutura e descreve seus padrões de normalidade>
UC211 Coração
UC212 Pulmão
... UC21N....
Para o terceiro agente (AT13 – Interpretação), temos como UP: Interpretação
Radioló-gica (Quadro 3).
Quadro 3 Estruturação pedagógica do agente Interpretação
AT13 Interpretação
UP1 Interpretação Radiológica
P1 Análise Qualitativa e Quantitativa
<cada UC11x corresponde a uma estrutura e descreve seus métodos de análise>
UC111 Coração
UC112 Pulmão
... UC11N ...
4.2
Ontologia de Domínio – Radiologia Torácica
Tabela 1 Identificação das Tarefas
Lista de Tarefas
Id. Tarefa Questões de Competência Relacionadas
01 Determinação do Grau de Incidência Quais os tipos de incidências?
Qual indicação para cada tipo de incidência?
02 Determinação do Grau de Penetração Qual a diferenciação das diversas estruturas torácicas de acordo com o grau de penetração?
Como determinar o grau de penetração ideal para um Raio X Torácico padrão?
Quais os fatores de erro para análise do Raio X dependen-tes do grau de penetração?
03 Determinação da Simetria Como determinar a presença de simetrias ou assimetrias dependentes da técnica de realização?
Quais os fatores de erro para análise do Raio X dependen-tes da assimetria determinada pela técnica?
04 Determinação do Nível de Inspiração Como determinar o nível de inspiração dependente da técnica de realização?
Quais os fatores de erro para análise do Raio X dependen-tes do nível de inspiração determinada pela técnica? 06 Identificação das Estruturas
Anatô-micas Quais as características básicas da estrutura anatômica? Qual a sua localização anatômica? Qual sua estrutura funcional?
Qual sua capacidade funcional? 07 Identificação do Padrão de
Normali-dade das Estruturas Torácicas
Quais as possíveis variações anatômicas?
Quais as possíveis variações de acordo com as diversas circunstâncias funcionais normais?
08 Interpretação Radiológica Quais os critérios de normalidade e anormalidade das estruturas torácicas?
Como identificar as anormalidades mais freqüentes? Quais os critérios de quantificação da anormalidade?
Em seguida, foram definidos os conceitos presentes em cada questão. Para as ques-tões de competência relativas à Determinação da Incidência foram identificados os conceitos: incidência, indicação e raio x torácico (Tabela 2).
Tabela 2 Questões de Competência – Determinação da Incidência
Questões de Competência: Determinação da Incidência
Id Questão de Competência Conceitos Relação
01 Quais os tipos de incidências do Raio X Torácico? Incidência Raio X Torácico possui
Na Determinação da Penetração o conjunto de questões de competência gerou, entre outros, os conceitos de estruturas torácicas, fatores de erro e grau de penetração (Tabela 3).
Tabela 3 Questões de Competência – Determinação da Penetração
Questões de Competência: Determinação da Penetração
Id Questão de Competência Conceitos Relação
Qual a diferenciação das diversas estruturas torácicas de acordo com o grau de penetra-ção?
Estruturas Torácicas Grau de Penetração
Como determinar o grau de penetração
ideal para um Raio X de tórax padrão? Grau de Penetração Raio X de Torácico Padrão Raio X Torácico
possui
Quais os fatores de erro para análise do raio
x dependentes do grau de penetração? Fatores de Erro Análise do Raio X Grau de Penetração
possui dependeDe
Para Determinação da Simetria foram identificados os conceitos: simetria, assimetria, técnica de realização, fatores de erro e análise do raio (Tabela 4).
Tabela 4 Questões de Competência – Determinação da Simetria
Questões de Competência: Determinação da Simetria
Id Questão de Competência Conceitos Relação
Como determinar a presença de simetrias ou assimetrias dependentes da técnica de reali-zação?
Simetria Assimetria
Técnica de Realização
possui
Quais os fatores de erro para análise do raio x dependentes da assimetria determinada pela técnica?
Fatores de Erro Análise do Raio X Assimetria
Técnica de Realização
No grupo de questões de competência relacionadas à Determinação do Nível de Inspi-ração, além de alguns dos conceitos anteriormente presentes, foi explicitado o conceito do Nível de Inspiração (Tabela 5).
Tabela 5 Questões de Competência – Determinação do Nível de Inspiração
Questões de Competência: Determinação do Nível de Inspiração
Id Questão de Competência Conceitos Relação
Como determinar o nível de inspiração dependente da técnica de realização?
Nível de Inspiração Técnica de Realização
possui
Quais os fatores de erro para análise do raio x dependentes do nível de inspiração de-terminada pela técnica?
Fatores de Erro Análise do Raio X Nível de Inspiração Técnica de Realização
possui dependeDe
Para Identificação das Estruturas Anatômicas foram identificados os conceitos: carac-terísticas básicas, estrutura anatômica, localização anatômica, e capacidade funcional (Tabela 6).
Tabela 6 Questões de Competência – Identificação das Estruturas Anatômicas
Questões de Competência : Identificação das Estruturas Anatômicas
Id Questão de Competência Conceitos Relação
Quais as características básicas da estrutura
anatômica? Características Básicas Estrutura Anatômica possui Qual a localização da estrutura anatômica? Localização Anatômica
Estrutura Anatômica possui Qual a estrutura anatômica? Estrutura Anatômica
Qual sua capacidade funcional da estrutura
anatômica? Capacidade Funcional Estrutura Anatômica possui
Tabela 7 Questões de Competência – Identificação do Padrão de Normalidade das Estruturas Anatômicas
Questões de Competência: Identificação do Padrão de Normalidade das Estruturas Anatômicas
Id Questão de Competência Conceitos Relação
Qual as variações da estrutura anatômica? Variação Anatômica
Estrutura Anatômica possui Quais as possíveis variações anatômicas de
acordo com as diversas circunstâncias fun-cionais normais?
Variação Anatômica
Circunstância Funcional possui
Quais as possíveis variações anatômicas de acordo com as diversas circunstâncias fun-cionais anormais?
Variação Anatômica
Circunstância Funcional possui
Para o último grupo, Interpretação Radiológica, foram identificados os conceitos: cri-tério de normalidade, cricri-tério de anormalidade, estrutura anatômica, anormalidade, cricri-tério de identificação e critério de quantificação (Tabela 8).
Tabela 8 Questões de Competência – Interpretação Radiológica
Questões de Competência : Interpretação Radiológica
Id Questão de Competência Conceitos Relação
Quais os critérios de normalidade e
anorma-lidade das estruturas anatômicas torácicas? Critério de Normalidade Critério de Anormalidade Estrutura Anatômica
Possui
Como identificar as anormalidades mais freqüentes da estrutura anatômica?
Anormalidade
Critério de Identificação Estrutura Anatômica
possui
Quais os critérios de quantificação da a-normalidade da estrutura anatômica?
Critério de Quantificação Anormalidade
Estrutura Anatômica
A partir das questões de competências foi elaborada, em conjunto com o especialista, a terminologia correspondente (Tabela 9), envolvendo os conceitos do domínio.
Tabela 9 Terminologia
Conceito Significado
Raio X Torácico É um exame radiológico do tórax
Incidência A direção em que os raios irão incidir sobre o tórax
Indicação Escolha mais apropriada para as características do paciente ou da suspei-ta clinica
Estrutura Anatômica Partes dos órgãos ou o próprio órgão dentro corpo humano Estrutura Torácica Estruturas anatômicas do tórax
Grau de Penetração Quantidade de raios X que penetram no organismo e sensibilizam o filme
Raio X Torácico Padrão Raio X Torácico com a técnica padrão
Fatores de Erro Fatores que podem determinar uma interpretação inadequada do Raio X
Análise do Raio X Caracterização anatômica e funcional das estruturas do tórax pela visua-lização do Raio X
Simetria Grau de simetria das estruturas opostas Assimetria Grau de assimetria das estruturas opostas Técnica de Realização Maneira pelo qual o Raio X de Tórax é realizado
Nível de Inspiração Quantidade de ar inspirado nos pulmões durante a realização do Raio X
Características Básicas Características de localização, físicas e funcionais mais comuns das estruturas anatômicas
Localização Anatômica Posição da Estrutura Anatômica no corpo Característica Física Atributos físicos da Estrutura Anatômica
Estrutura Funcional Componente anatômico responsável por uma determinada capacidade funcional
Capacidade Funcional O papel da estrutura anatômica no organismo
Variação Anatômica Variantes de normalidade de posição das estruturas anatômicas no orga-nismo
Critério de Normalidade Fatores que determinam se uma estrutura esta normal no seu aspecto anatômico e funcional
Critério de Anormalidade Fatores que determinam se uma estrutura esta anormal no seu aspecto anatômico e funcional
Anormalidade Aspecto fora dos padrões de normalidade
Critério de Quantificação Fatores que determinam uma avaliação quantitativa de uma normalidade
