Sistema baseado em conhecimento para uroanálise
Carregando...
Data
2015
Autores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
Introdução: A uroanálise é um importante exame laboratorial que fornece informações sobre as principais funções metabólicas, assim como sobre os rins e o trato urinário. Ela consiste na identificação de substâncias
(por meio de tiras reativas) e elementos figurados (por microscopia) presentes
na urina. Atualmente, por diversas razões, esse exame não tem recebido a atenção devida, o que se traduz na não-identificação, identificação errônea ou
má-interpretação de seus achados, contribuindo para a confecção de um
exame com qualidade duvidosa . Para colaborar na melhoria dessa situação,
alguns requisitos tem sido estabelecidos. Consistindo de tarefas puramente
cognitivas, esses requisitos parecem passíveis de modelagem computacional.
Assim, este trabalho apresenta o desenvolvimento de um protótipo de sistema
baseado em conhecimento para uroanálise com o objetivo de descrever como o conhecimento desse domínio pode ser representado e processado computacionalmente, a fim de permitir que um sistema de informação possa
atuar de forma semelhante a um profissional na análise de informações sobre amostras de urina. Métodos: O conhecimento sobre uroanálise foi elicitado da literatura e
de entrevistas conduzidas com um especialista da área, tendo sido
identificadas as principais atividades realizadas durante o exame (i.e. análise
de tira reativa, verificação de coerência, previsão de elemenos figurados e seleção de recursos). Foi construída uma ontologia geral para o domínio assim como modelos ontológicos específicos e algoritmos para dar suporte a cada atividade específica. Tais modelos e algoritmos foram reunidos em um protótipo de sistema baseado em conhecimento para guiar o usuário durante a
análise de amostras de urina, com esse reportando os achados encontrados na
amostra e o sistema sugerindo elementos figurados a serem procurados, recursos a serem utilizados e incoerências entre os achados. Resultados: O protótipo foi testado com 17 descrições de amostra de urina elaboradas pelo especialista do domínio. O intuito foi de determinar em que medida o conhecimento modelado é adequado para tratar com casos considerados importantes no cotidiano da uroanálise. Em relação à análise de tira reativa e à verificação de incoerências, a avaliação ficou parcialmente
comprometida em vista de que os exemplos utilizados não cobriram todas as
possibilidades de interferências e incoerências que podem ocorrer nessas
atividades. A previsão de elementos figurados atingiu precisão e abrangência
de 62.08% e 79.02%, respectivamente. Considerando a seleção de recursos, o
protótipo fez as mesmas escolhas prescritas pelo especialista. Conclusões: O protótipo se comportou de forma consistente com o
que era esperado dados os exemplos utilizados para teste. Além disso, a
maioria das falhas apresentadas pode ser solucionadas com a adição de conhecimento no formato prescrito pelo modelo proposto, o que evidencia o seu poder e adequação na representação do conhecimento do domínio.
Descrição
Dissertação(Mestrado)-Programa de Pós-Graduação em Ciências da Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.
Palavras-chave
Ontologia, Informática Médica, Inteligência Artificial, Uroanálise, [en] Medical Informatics, [en] Artificial Intelligence