Rotta, Liane NanciRodrigues, Fabrício Henrique2016-07-072023-10-092016-07-072023-10-092015https://repositorio.ufcspa.edu.br/handle/123456789/156Dissertação(Mestrado)-Programa de Pós-Graduação em Ciências da Saúde, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.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.otherAcesso Aberto ImediatoOntologiaInformática MédicaInteligência ArtificialUroanálise[en] Medical Informatics[en] Artificial IntelligenceDissertação