Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
RBC Fisio.pdf DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 SISTEMAS DE INFORMAÇÃO APLICADO EM DIAGNÓSTICO CINESIOLÓGICO FUNCIONAL USANDO RACIOCÍNIO BASEADO EM CASOS. Allan Dalmarco1 Prof. Dr. Oscar Dalfovo2 Prof. Dr. Paulo Maurício Selig3 RESUMO A Informática em Saúde é um campo da ciência ligado ao armazenamento, recuperação e uso adequado de informações da área da Saúde para a resolução de problemas e tomada de decisão. A crescente demanda de sistemas de informação na área da Saúde vem sendo motivada pelo aumento progressivo de informações disponíveis e pela consciência de que gerenciar bases de conhecimento da Saúde por métodos tradicionais baseados em papel, está cada vez mais inviável. A Fisioterapia é uma ciência da área da Saúde que possui suas ações fundamentadas em mecanismos terapêuticos próprios, sistematizados pelos estudos de diversos campos da ciência, relacionados com o corpo humano. Como tal exige que o profissional esteja habilitado a construir o diagnóstico de pacientes a partir de um grande volume de informações, acompanhar o quadro clínico funcional do paciente e fornecer condições para alta. Este trabalho tem a finalidade de desenvolver um sistema de informação na área da Saúde que auxilie a aquisição, o armazenamento, e o uso da informação durante o processo de definição de diagnóstico e a construção de um plano de tratamento, utilizando Raciocínio Baseado em Casos (RBC). O RBC é uma técnica de Inteligência Artificial utilizada para representação do conhecimento e solução de problemas adaptando soluções utilizadas em problemas anteriores semelhantes. O sistema desenvolvido permite compartilhamento de informações para que profissionais de Fisioterapia mantenham seu conhecimento atualizado, oferecendo facilidade no gerenciamento de bases de conhecimento e demonstrando aplicação prática de técnicas de Inteligência Artificial. Palavras chaves: Informática em Saúde; Fisioterapia; Diagnóstico Cinesiológico Funcional; Inteligência Artificial; Raciocínio Baseado em Casos. ABSTRACT Informatics in Health is a field of the science related to the storage, recovery and appropriate use of information of the health area for the resolution of problems and decision taking. The increasing demand of information systems in the area of health has been motivated by the progressive increase of available information and for the 1 Bacharel em Sistemas de Informação / Universidade Regional de Blumenau 2 Faculdades IBES / Universidade Regional de Blumenau – FURB / Universidade Federal de Santa Catarina – Programa de Pós-Graduação em Engenharia Gestão do Conhecimento. 3 Universidade Federal de Santa Catarina – Programa de Pós-Graduação em Engenharia Gestão do Conhecimento. DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 conscience that to manage health knowledge bases for traditional methods based on paper is more and more unviable. Physiotherapy is a science of the Health area that has its actions based on its own therapeutic mechanisms systematized by the studies of several fields of the science related to the human body. Thus, it demands the professional to be able to build the patients' diagnosis starting from a great volume of information, to accompany the patient's functional clinical picture and to supply conditions for discharge from hospital. This work has the purpose of developing a system of information in the health area that aids the acquisition, the storage, and the use of the information during the process of diagnosis definition and the construction of a treatment plan, using Case Based Reasoning. The Case Based Reasoning (CBR) is an Artificial Intelligence technique used for representation of the knowledge and searches to solve new problems adapting solutions used in similar previous problems. The proposed system allows sharing information so that professionals of Physiotherapy maintain their knowledge updated, offering easiness in the administration of knowledge bases and demonstrating practical application of Artificial Intelligence techniques. Key-Words: Health Informatics; Physiotherapy; Cinesiologic Functional Diagnosis; Artificial Intelligence; Case Based Reasoning. 1 INTRODUÇÃO Os conceitos de sistemas de informação são apresentado em diversas forma, uma delas é apresentado conforme Brasil (2004, p. 4), pode-se afirmar que “os sistemas de informação em saúde brasileiros tiveram um crescimento acelerado nos últimos anos, especialmente com a implantação do SUS”. Mesmo diante desse progresso, além da contínua necessidade de avançar em termos de integração dos sistemas de informação já existentes, presencia-se também a demanda pelo uso da informática para a melhoria da produtividade e qualidade dos processos de trabalho em saúde. A Informática em Saúde é definida por Shortliffe (1990 apud SOCIEDADE BRASILEIRA DE INFORMÁTICA EM SAÚDE, 2002) como "um campo de rápido desenvolvimento científico que lida com armazenamento, recuperação e uso da informação, e com dados e conhecimentos biomédicos para a resolução de problemas e tomada de decisão". A demanda de um sistema de informação na área da saúde vem sendo motivada pelo aumento progressivo de informações e conhecimento que o profissional da saúde deve utilizar para exercer sua profissão. Outra motivação é a crescente necessidade de compartilhamento de informações para a comunidade não-acadêmica, fornecendo aos pacientes informações importantes e atualizadas sobre suas patologias, obrigando o DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 profissional da saúde buscar constante atualização de seu conhecimento (SIGULEM, 1998). Segundo Correia e Sarmento (2003, p. 1), a demanda de produtos e serviços sofisticados e personalizados cresce devido às mudanças ao qual a sociedade contemporânea está constantemente sofrendo. Diante dessa realidade, inovação e conhecimento tornam-se fontes vitais para vantagem competitiva e aumento de produtividade. O conhecimento, que pode ser interpretado como “capacidade para uma ação efetiva” (SENGE, 2000 apud CORREIA; SARMENTO, 2003, p. 2), há tempos é considerado um recurso valioso para as organizações, mesmo assim é recente o interesse pelos conceitos, princípios e práticas relacionadas ao conhecimento (LITTLE, QUINTAS e RAY, 2002, apud CORREIA; SARMENTO, 2003). Considerando que o profissional da área de Fisioterapia está inserido no contexto que, prioriza o uso do conhecimento para o aumento de produtividade, necessita de informações sobre as condições atuais do paciente e de seu histórico patológico, até então registrado apenas em papel identifica-se a existência de um problema. A falta de uma ferramenta que possibilite o registro e manutenção das informações obtidas durante a avaliação feita pelo Fisioterapeuta, de forma centralizada e organizada, dificulta o aumento de produtividade e aproveitamento das informações. Como solução ao problema apresentado identificou-se a necessidade de desenvolver um sistema de informação que auxilie o profissional da área de Fisioterapia no processo de tomada de decisão, automatizando as rotinas básicas de cadastramento e levantamento de informações patológicas do paciente, permitindo auxiliar o diagnóstico, utilizando uma das técnicas da Inteligência Artificial conhecida como Raciocínio Baseado em Casos (RBC). Segundo Barone (2003), RBC é uma das técnicas da Inteligência Artificial utilizada para a representação do conhecimento e inferência que propõem soluções para novos problemas através da adaptação de experiências semelhantes já registradas. O objetivo deste trabalho é desenvolver um Sistema de Informação aplicado na área de Fisioterapia utilizando RBC, mais especificamente a técnica de similaridade. Mais especificamente este trabalho pode-se disponibilizar as rotinas de cadastramento de pacientes, agendamento de sessões, registro de histórico patológico, histórico da lesão, exames funcionais, testes especiais, sinais e sintomas de pacientes. Também DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 pode-se apresentar uma definição do Diagnóstico Cinesiológico Funcional, utilizando Raciocínio Baseado em Casos. Ainde pode-se identificar e armazenar o conhecimento produzido pelo profissional de Fisioterapia durante o processo de diagnóstico de pacientes. Por fim, pode-se disponibilizar um ambiente informatizado de consulta de casos via Web para acadêmicos e demais profissionais da área de Fisioterapia. 2 FUNDAMENTAÇÃO TEÓRICA Neste capítulo são descritos os conceitos que fundamentam o desenvolvimento deste trabalho, tais como: Fisioterapia e Diagnóstico Cinesiológico Funcional, Informática em Saúde, além destes conceitos, este capítulo apresenta a técnica de Raciocínio Baseado em Casos e trabalhos correlatos. 2.1 FISIOTERAPIA O Conselho Federal de Fisioterapia e Terapia Ocupacional (2003) define Fisioterapia como uma ciência da área da Saúde que busca o estudo, prevenção e tratamento dos distúrbios cinéticos funcionais ocorridos em órgãos e sistemas do corpo humano, provenientes de alterações genéticas, traumas e doenças adquiridas. Suas ações são fundamentadas através de mecanismos terapêuticos próprios, sistematizados pelos estudos da biologia, das ciências morfológicas, das ciências fisiológicas, das patologias, da bioquímica, da biofísica, da biomecânica, da cinesia, da sinergia funcional, e da patologia de órgãos e sistemas do corpo humano e as disciplinas comportamentais e sociais. O Fisioterapeuta é um profissional de saúde habilitado a construir o diagnóstico dos distúrbios cinéticos funcionais (Diagnóstico Cinesiológico Funcional), a prescrever, ordenar e induzir o paciente às condutas fisioterapêuticas bem como, o acompanhamento da evolução do quadro clínico funcional e as condições para alta do serviço. 2.2 DIAGNÓSTICO CINESIOLÓGICO FUNCIONAL DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 O Diagnóstico Cinesiológico Funcional é compreendido como avaliação físicofuncional, caracterizada pela análise e estudo da estrutura e funcionamento dos desvios físicofuncionais de um indivíduo através de metodologias e técnicas fisioterapêuticas, com a finalidade de identificar e quantificar as alterações apresentadas, considerando os desvios dos graus de normalidade para os de anormalidade (CONSELHO FEDERAL DE FISIOTERAPIA E TERAPIA OCUPACIONAL, 2001). 2.3 INFORMÁTICA EM SAÚDE Informática em Saúde ou Informática Médica é um campo científico que trata do armazenamento, da recuperação e do uso adequado das informações da área da saúde. O desenvolvimento rápido é devido aos avanços em computação, em tecnologia de comunicação e em uma consciência crescente que a base de conhecimento da saúde apresenta difícil gerenciamento por métodos tradicionais baseados em papel (WOJTCZAK, 2002). Segundo Hersh (2003), Informática em Saúde é o campo da ciência que se preocupa com a aquisição, o armazenamento, e o uso da informação no cuidado da saúde. 2.4 RACIOCÍNIO BASEADO EM CASOS O Raciocínio Baseado em Casos (RBC) é uma técnica de Inteligência Artificial que busca resolver novos problemas adaptando soluções utilizadas para resolver problemas anteriores (KOLODNER, 1993). Raciocínio Baseado em Casos é uma técnica de Inteligência Artificial utilizada para a representação do conhecimento e inferência, complementa Barone (2003). Para Aamodt e Plaza (1994 apud BARONE, 2003) representam os processos que envolvem sistemas RBC em um ciclo de quatro processos: recuperação, reutilização, revisão e retenção dos casos. Segundo Lorenzi (1998 apud BARONE, 2003) a construção de um sistema RBC é constituída pelas seguintes fases: seleção das informações que farão parte da base de casos; definição dos atributos que serão relevantes para a solução do problema; a) definição dos índices que serão utilizados para a recuperação dos casos; DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 b) definição dos métodos de recuperação dos casos, conforme similaridade com o novo caso; c) definição da forma de adaptação dos casos recuperados para a solução do novo caso; d) definição do processo de aprendizado. Comparado às demais técnicas de representação de conhecimento um sistema RBC apresenta vantagens como fácil adaptação a domínios difíceis de formalizar, agilidade na extração de conhecimento através do uso da experiência de especialistas, possibilidade de reutilização de conhecimento. A possibilidade de representar e indexar grande número de casos aplicando técnicas de banco de dados, aprendizado automático com a inclusão de novos casos e apresentação de justificativas consistentes e avisos sobre a implicação do uso de determinada abordagem também são vantagens citadas por Barone (2003). A similaridade é a essência do RBC. É em razão de haver uma experiência similar a atual na memória de casos que o sistema viabiliza-se, porque, o fundamento do paradigma de RBC é solucionar um problema atual reutilizando uma solução de uma experiência passada semelhante (Lee, 1998). Para Burkhard (1998 apud WANGHENHEIM 2003) as seguintes premissas devem ser satisfeitas para a determinação da similaridade em um sistema de RBC: • a similaridade entre a questão atual e o caso implica utilidade; • a similaridade é baseada em fatos a priori; • como casos podem ser mais ou menos úteis em relação a uma questão, a similaridade precisa prover uma medida. Segundo Wangenheim (2003) para definir os conceitos de similaridade que determinam se um caso anterior é similar à questão atual é necessário definir os cenários de uso e as respectivas metas a serem atingidas pela recuperação de casos no sistema de RBC. Identificar e definir a importância de entidades de informação de um caso (índices) para determinar a similaridade entre o caso armazenado e uma nova situação e definir um método para decidir se um caso é similar definindo um grau numérico de similaridade entre o caso e a situação ou questão também são necessários. 3 DESENVOLVIMENTO DO TRABALHO DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 Este capítulo irá apresentar os aspectos referentes a metodologia e desenvolvimento do trabalho de acordo com os objetivos propostos. Inicialmente apresentam-se a implementação que será abordada através da explicação das ferramentas e técnicas utilizadas, seguida pela demonstração da operacionalidade do sistema e finalizando com os resultados e discussões. 3.1 MÉTODOLOGIA E TECNICA UTILIZADA Nesta seção são apresentadas as técnicas e ferramentas utilizadas para implementação do sistema desenvolvido, tais como Borland Delphi, Open DataBase Connectivity – ODBC, MySql, Internet Information Services – IIS, HyperText Markup Language – HTML e Hypertext Preprocessor – PHP. Para a implementação do módulo desenvolvido para web, primeiramente foi necessário instalar o Internet Information Services – IIS para realizar a comunicação entre o servidor de páginas e o módulo implementado, disponibilizando assim conteúdos e aplicações PHP em um ambiente de internet/intranet através de um navegador. Ou seja, para executar páginas PHP é necessário ter um servidor da web instalado que suporte Hypertext Preprocessor – PHP, que neste caso utilizou-se IIS podendo ser substituído pelo Apache. Hypertext Preprocessor (PHP) é uma linguagem de programação de ampla utilização, interpretada, para desenvolvimento de sistemas web e pode ser mesclada dentro do código HTML. O objetivo principal da linguagem é permitir a criação de páginas que serão geradas dinamicamente (PHP DOCUMENTATION GROUP, 2004). Cascading Style Sheets (CSS) é uma linguagem desenvolvida pela W3C (World Wide Web Consortium) que oferece um controle visual nas apresentações de páginas web. O CSS pode ser acoplado ao HTML, permitindo a inclusão de efeitos visuais baseado em eventos. (W3C, 2005). MySQL é o mais popular sistema gerenciador de banco de dados de código aberto (Open Source), é desenvolvido, distribuído e tem suporte prestado por MySQL AB. MySQL AB é uma empresa fundada por desenvolvedores MySQL. É uma empresa de código aberto de segunda geração que uniu os valores e a metodologia do código aberto com um modelo de negócios de sucesso. Para adicionar, acessar e processar DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 dados armazenados em um banco de dados de computador você precisa de um sistema gerenciador de banco de dados (SGBD) como o MySQL (MYSQL AB, 2005). Para o desenvolvimento do sistema foram seguidas as fases de construção de um sistema RBC descritos por Lorenzi (1998 apud BARONE, 2003). A seleção das informações que farão parte da base de casos é o resultado da compilação das informações obtidas na fundamentação teórica descrita neste trabalho. O caso do sistema desenvolvido é composto pela anatomia avaliada, os sinais aparentes do paciente, os sintomas apresentados durante a avaliação, os testes funcionais ou específicos e seus respectivos resultados, o diagnóstico obtido e os tratamentos recomendados. 3.2 OPERACIONALIDADE DA IMPLEMENTAÇÃO A Figura 1 apresenta a tela principal do sistema de onde o usuário poderá acessar as telas de cadastramento e as telas das rotinas de agendamento de sessões e atendimento de pacientes. Na seqüência são feitos os cadastramentos necessários para simular um o caso e buscar a resolução do problema. Na seqüência são cadastrados os pesos e atribui-se prioridade para os mesmos, para o cálculo da similaridade. Essa tela está subdividida DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 em definição do peso para a similaridade local e em definição do peso para a similaridade global. Em seguida devem ser registrados os dados adicionais do paciente, como por exemplo, históricos familiares em relação ao problema apresentado pelo paciente, qual sua ocupação e como anda o histórico psicológico do paciente. Esses dados são opcionais e não interferem na de cálculo da similaridade que será utilizado para a sugestão de diagnóstico cinesiológico funcional e possíveis tratamentos. O próximo passo é registrar no sistema os dados clínicos do paciente, composto pelos Sinais Aparentes e outras informações relevantes no processo de definição do diagnóstico. Essas informações são registradas na tela de registro de atendimento, na pasta de dados clínicos. Os sinais aparentes são um dos atributos de um casoe serão utilizadas para a comparação com os demais casos da base de casos durante o processo de sugestão de diagnóstico. A Figura 2 apresenta a tela onde fica registrado o diagnóstico do paciente e qual o fisioterapeuta responsável pela definição do mesmo. A partir desta tela é possível acessar a rotina que sugere o diagnóstico e o tratamento através do Raciocínio Baseado em Casos (RBC). DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 Clicando no botão “Sugerir Diagnóstico e Tratamento (RBC)” é disparada a rotina que buscará na base de casos, registros de casos semelhantes ao caso atual analisando os sinais aparentes, os sintomas apresentados, os testes aplicados e seus respectivos resultados e a estrutura anatômica avaliada contemplando a primeira fase do ciclo do RBC. A partir daí, calculará a similaridade entre os casos conforme os pesos definidos pelo Fisioterapeuta responsável pela administração do sistema proposto, listando os resultados em uma grade, conforme apresentado na figura 3. Ao selecionar o caso mais similar, conforme percentual encontrado ou por escolha livre do usuário, o sistema oferece a possibilidade de reutilizar o conhecimento armazenado,contemplando a segunda fase do ciclo RBC proposto por Watson (1996). Após validar as informações sugeridas pelo sistema o usuário poderá gravar os dados do registro de atendimento do paciente, disparando automaticamente a rotina que alimentará a base de casos se for um novo atendimento, ou atualizará o respectivo caso, DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 se o mesmo foi apenas revisado, contemplando a quarta fase do ciclo do RBC. Por fim, os tratamentos recomendados poderão ser cadastrados pelo Fisioterapeuta ou obtida através do uso da rotina que sugere os tratamentos aplicados nos casos semelhantes. 3.3 RESULTADOS E DISCUSSÃO O objetivo geral deste trabalho que foi o desenvolvimento de um Sistema de Informação aplicado na área de Fisioterapia foi atingido. O sistema foi estruturado em dois módulos, um módulo principal destinado aos profissionais de Fisioterapia, desenvolvido utilizando-se da linguagem Delphi e banco de dados MySQL, e o outro destinado à comunidade acadêmica como ferramenta de recuperação do conhecimento para o processo de aprendizado e aperfeiçoamento, utilizando-se da linguagem PHP e HTML, acessando o mesmo banco de dados do módulo principal. Quanto ao objetivo específico de disponibilizar as rotinas de cadastramento, típicas de uma clínica de Fisioterapia, o sistema atendeu através das telas de cadastro de pacientes, da tela de agenda de sessões e da tela de registro de atendimento. O objetivo específico de auxiliar a definição do Diagnóstico Cinesiológico Funcional, utilizando Raciocínio Baseado em Casos foi contemplado, permitindo ao usuário fácil definição de diagnósticos para casos semelhantes aos já registrados, além de fornecer a flexibilidade para adaptação livre do novo caso. Comparando os exemplos de cálculo de similaridade entre casos descritos o resultado dos cálculos descritos nas tabelas, com o resultado obtido ao utilizar a rotina que sugere o diagnóstico e o tratamento aplicando RBC, observa-se que o sistema aplica corretamente a fórmula descrita por Watson (1996), obtendo valores idênticos ao cálculo manual. A identificação do conhecimento, produzido pelo Fisioterapeuta durante o processo de diagnóstico de pacientes, é resultado da fundamentação teórica, vinculada às entrevistas comprofissionais, docentes e acadêmicos da área de Fisioterapia. O armazenamento do conhecimento produzido foi contemplado com o uso do sistema desenvolvido. 4 CONCLUSÕES DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 A Informática e a Fisioterapia são campos da Ciência completamente opostos. A partir do momento que uma parceria entre profissionais das duas áreas é firmada, tornam-se visíveis alguns benefícios. Já para a área da Fisioterapia, a aplicação da Informática em Saúde traz consigo a possibilidade de gerenciar facilmente grandes volumes de dados sobre os pacientes, armazenar e compartilhar informações sobre os procedimentos aplicados e seus resultados. Ao Fisioterapeuta garante de forma simples e rápida, o acesso ao conhecimento armazenado para que o profissional obtenha maior agilidade no processo de tomada de decisões. De forma menos ampla, o uso da Informática em Saúde em um setor de Fisioterapia de um hospital, em uma clínica de Fisioterapia ou na Universidade, oferece benefícios como uma ferramenta de apoio ao processo de aprendizado a partir de experiências, o compartilhamento simultâneo entre todos os profissionais e legibilidade e confiabilidade nos dados. Dessa forma, um paciente pode ser avaliado e tratado, mesmo que a equipe de profissionais sofra alterações durante o acompanhamento do paciente. O uso da Inteligência Artificial em sistemas voltados à área da saúde fornece melhores resultados durante a recuperação das informações, facilitando a localização do conhecimento previamente armazenado. O Raciocínio Baseado em Casos oferece recursos necessários para que o usuário possa reutilizar uma solução para casos semelhantes, porém não necessariamente idênticos, oferecendo ainda a flexibilidade de adaptar as sugestões propostas, aperfeiçoá-las, aplicá-las e armazená-las para que possam ser reutilizadas em um momento conveniente. O estudo da técnica de Raciocínio Baseado em Casos e a aplicação da Informática na área da Saúde, resultando na implementação do sistema desenvolvido, envolveram aspectos teóricos e práticos não abordados durante o curso de Sistemas de Informação, os quais foram contemplados pela pesquisa adicional no desenvolvimento do trabalho. A aquisição de conhecimento relacionado aos procedimentos exercidos por um profissional de Fisioterapia durante o processo de diagnóstico e definição do plano de tratamento do paciente exigiu contatos com docentes, acadêmicos e profissionais da área, contemplando o objetivo de identificar e estabelecer critérios para o armazenamento do conhecimento produzido pelo profissional de Fisioterapia. A ausência de conhecimento em Fisioterapia foi uma fonte de estímulo para buscar mais informações sobre o tema e acreditar no quanto esta área pode ser auxiliada DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 por um sistema de informação, porem as principais dificuldades enfrentadas durante a elaboração do presente trabalho foram a identificação e definição dos atributos que são relevantes para o processo de definição de diagnóstico, visto que são utilizados atributos qualitativos e quantitativos, sendo que os qualitativos envolvem subjetividade e resultariam num sistema com recursos computacionais extremamente complexos e com flexibilidade reduzida. Para trabalhos futuros sugere-se a implementação de mais funcionalidades relacionadas ao uso de sistemas de informação como ferramenta de apoio à tomada de decisão, como por exemplo, relatórios sobre os pacientes atendidos, histórico médico, os tratamentos e seus percentuais de eficácia. Sugere-se também a implementação de gráficos que acompanham a evolução do aprendizado do sistema, demonstrando a quantidade de acertos obtidos pelo RBC. Com o objetivo de aperfeiçoar a ferramenta para uso comercial, sugere-se também a utilização de outras técnicas de Inteligência Artificial para o apoio ao diagnóstico, a possibilidade de manipulação de imagens e outros recursos que agilizem o processo de avaliação e diagnóstico. REFERÊNCIAS AAMODT, A. e PLAZA, E., Case-Based Reasoning: Foundational Issues, Methodological Variations, and Systems Approaches. Artificial Intelligence Communications, Vol. 7, No. 1, 1994. BARONE, Dante (Org.). Sociedades artificiais: a nova fronteira da inteligência das maquinas. Porto Alegre: Bookman, 2003. 332 p. BRASIL. Ministério da Saúde. Secretaria-Executiva. Política nacional de informação e informática na saúde: proposta versão 2. Brasília, 2004. 38 p. CONSELHO FEDERAL DE FISIOTERAPIA E TERAPIA OCUPACIONAL. Definições e área de atuação. Brasília, 2003. Disponível em: <http://www.coffito.org.br/conteudo.asp?id=fisioterapia>. Acesso em: 09 set. 2004. CONSELHO FEDERAL DE FISIOTERAPIA E TERAPIA OCUPACIONAL. Baixa Atos Complementares à Resolução COFFITO-8, relativa ao exercício profissional do DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 FISIOTERAPEUTA, e à Resolução COFFITO-37, relativa ao registro de empresas nos Conselhos Regionais de Fisioterapia e Terapia Ocupacional, e dá outras providências. Resolução n. 80, de 09 de maio de 1987. Lex: Leis e Atos Normativos das Profissões do Fisioterapeuta e do Terapeuta Ocupacional. 2. Ed. Porto Alegre, p. 113-115. 2001. Legislação Federal e marginalia. CORREIA, A. M. R; SARMENTO, A. Gestão do conhecimento: competências para a inovação e a competitividade. In: Encontro Nacional de SIOT: Inovação e Conhecimento, 10. 2003, Lisboa. Disponível em: http://www.isegi.unl.pt/ensino/docentes/acorreia/preprint%5capsiot_correia_sarmento.p df Acesso em: 31 ago. 2004. HERSH, William. What is medical informatics? Portland, 2003. Disponível em: <http://www.ohsu.edu/dmice/whatis/index.shtml> Acesso em: 10 set. 2004. KOLODNER, Janet L. Case-based learning. Boston: Kluwer Academic Publishers, 1993. LEE, Rosina Weber. Pesquisa jurisprudencial inteligente. Florianópolis, 1998. Tese (Programa de Pós-Graduação em Engenharia de Produção), Universidade Federal de Santa Catarina. MYSQL AB. MySQL Reference Manual: 1.4 Overview of the MySQL Database Management System. [s.l.], 2005. Disponível em: <http://dev.mysql.com/doc/mysql/en/whatis. html> Acesso em: 06 jun. 2005. PHP DOCUMENTATION GROUP. Manual do PHP. [s.l.], 2004 Disponível em: <http://br.php.net/manual/pt_BR/index.php> Acesso em: 14 jun. 2005. SIGULEM, D. et al. Sistemas de apoio à decisão em medicina, [s.l.], 1998. Disponível em: <http://www.virtual.epm.br/material/tis/curr-med/sad_html/sistema.htm> . Acesso em: 03 set. 2004. SOCIEDADE BRASILEIRA DE INFORMÁTICA EM SAÚDE. O que é informática em saúde?. São Paulo, 2002. Disponível em: <http://www.sbis.org.br/infosaude.htm>. Acesso em 11 set. 2004. DALMARCO, Allan; DALFOVO, Oscar; SELIG, Paulo Maurício. Sistemas de informação aplicado em diagnóstico cinesiológico funcional usando raciocínio baseado em casos. Revista Interdisciplinar Científica Aplicada, Blumenau, v.1, n.1, p.01-16, Sem I. 2007 ISSN 1980-7031 W3C – WORLD WIDE WEB CONSORTIUM – W3C: style activity statement, Massachusetts, 1994. Disponível em <http://www.w3.org/Style/Activity>. Acesso em 21 abr. 2005. WANGENHEIM, Christiane Gresse von; WANGENHEIM, Aldo von. Raciocínio baseado em casos. Barueri: Manole, 2003 WATSON, Ian. Understanding case-based reasoning. 1996. Disponível em: <http://www.salford.ac.uk/survey/igds/mod7/chp07.html>. Acesso em: 11 ago. 2004. WOJTCZAK Andrzej. Glossary of medical education terms. New York, 2002. Disponível em: <http://www.iime.org/glossary.htm>. Acesso em: 10 set. 2004. RBC Hospital.pdf Raciocínio Baseado em Casos e Data Warehousing no suporte à Tomada de Decisão no Atendimento Pré-Hospitalar João V. V. B. Freitas, Maria L. M. Campos, Vanessa Braganholo Programa de Pós-Graduação em Informática (PPGI-IM/NCE) – Universidade Federal do Rio de Janeiro (UFRJ) Caixa Postal 2324 CEP: 20.001-970 – Rio de Janeiro – RJ – Brasil {jvfreitas.freitas}@gmail.com, {mluiza}@nce.ufrj.br, {braganholo}@dcc.ufrj.br Abstract. The increasing in the number of accidents, natural disasters and urban violence, become essential the emergency response, characterized as Prehospital Care. However, the computer support in this type of scenario is limited. This article presents an approach based on the joint use of Case- Based Reasoning and Data Warehousing, able to support decision making during the APH. Preliminary results confirm the suitability of approach in the definition of the information necessary for decision-making and in identifying the elements to be used in the representation of cases. Resumo. A crescente no número de acidentes, catástrofes naturais e a violência urbana, tornou essencial o atendimento a Emergências, caracterizado como Atendimento Pré-Hospitalar. Contudo, o apoio computacional neste tipo de cenário ainda é limitado. Este artigo apresenta uma abordagem, baseada na utilização conjunta do Raciocínio Baseado em Casos e Data Warehousing, capaz de suportar à tomada de decisão durante o APH. Resultados preliminares comprovam a adequação da mesma em relação à explicitação das informações necessárias ao processo decisório, assim como na identificação dos elementos a serem utilizados na representação dos casos. 1. Introdução Historicamente, a utilização de Sistemas de Apoio a Decisão (SAD) no domínio médico esteve amparada nas técnicas de Aprendizagem de Máquina e Sistemas Baseados em Regras, preconizadas pela Inteligência Artificial (IA), e também no uso integrado destas com abordagens de Mineração de Dados. Contudo, o avanço das pesquisas em relação a estes sistemas tornou evidente a limitação quanto a sua manutenção, ao longo do tempo, em domínios complexos [Kong, Xu, Yang, 2008]. Essa limitação está ligada ao modelo de desenvolvimento adotado, dada a dificuldade de gerenciar a quantidade, complexidade e variabilidade das informações em cenários como o de suporte à tomada de decisão médica [Sim et al, 2001]. Com a implantação do Atendimento Pré-Hospitalar (APH), a tomada de decisão no domínio médico passou a ser impactada sobremaneira, principalmente pelo elevado número de variáveis envolvidas e ao curto espaço de tempo disponível. Uma das maiores dificuldades no suporte à tomada de decisão durante o APH está no fato das informações encontrarem-se, geralmente, de forma dispersa, distribuídas em diferentes fontes de informação. Além disso, como o APH em alguns 1620 locais está disponível a milhões de usuários, a quantidade de atendimentos e o elevado número de variáveis impactam a qualidade dos registros, muitas vezes armazenados de forma incompleta. O tratamento padronizado dos casos, como o decorrente da utilização de regras definidas a partir de protocolos, mesmo aqueles de bases de evidências médicas reconhecidas e certificadas pelos órgãos competentes, foco dos Sistemas Baseados em Regras, pode limitar o apoio à tomada de decisão durante o APH. Pereira e Lima (2006) corroboram com esta preocupação, uma vez que os procedimentos variam conforme a avaliação do cenário e da vítima. De forma geral, um médico, ao realizar uma consulta, observa nos sinais vitais apresentados por um paciente, semelhanças em relação a atendimentos passados, que podem apoiar à tomada de uma decisão. A solução de problemas baseada na experiência caracteriza a área conhecida como Raciocínio Baseado em Casos (RBC) [Wangenheim, 2003]. A aplicabilidade do RBC no contexto do APH está amparada na utilização do histórico de atendimentos como fonte primária para o suporte à tomada de decisão, dado que estas informações representam casos concretos. Além disso, o RBC torna possível a recuperação de informações mesmo em situações onde as mesmas estão incompletas. Contudo, mesmo com a utilização do RBC, os problemas quanto à integração e organização das informações persistem, já que a principal limitação do RBC está justamente na forma pela qual os casos são representados. A preocupação quanto à integração e organização das informações é característica da abordagem de Data Warehousing. Desta forma, a aplicação desta técnica, além de reduzir a limitação dos sistemas de RBC, permitirá a integração dos dados, além da organização destes de forma a suportar à tomada de decisão no APH. Considerando os problemas apresentados e destacando a importância das informações persistidas no histórico de atendimentos como fonte primária para a solução de problemas, o objetivo deste artigo é apresentar uma abordagem, baseada na utilização conjunta do Raciocínio Baseado em Casos e Data Warehousing, capaz de suportar à tomada de decisão durante o APH. Este artigo está organizado em outras 4 seções. As seções 2 e 3 apresentam o contexto envolvido no Atendimento Pré-Hospitalar e os trabalhos relacionados à abordagem proposta, respectivamente. A seção 4 detalha a proposta deste trabalho, assim como seus principais componentes. Finalmente, na seção 5 são apresentadas as considerações sobre o trabalho, assim como os próximos passos estabelecidos para o mesmo. 2. Atendimento Pré-Hospitalar O Atendimento Pré-Hospitalar compreende toda assistência, de forma direta ou não, fora do âmbito hospitalar, através dos diversos meios e métodos disponíveis, como resposta à solicitação de socorro, tendo como objetivo a manutenção da vida ou a minimização das sequelas [Pereira, Lima, 2006]. De forma geral, o APH tem início com o recebimento de uma solicitação de socorro por telefone. Neste momento, um tele-atendente registra os dados do atendimento e faz uma triagem de possíveis ligações inadequadas. Caso a ligação seja considerada apropriada, ela é transferida para um médico responsável por realizar a avaliação do cenário clínico. Nesta etapa, o médico estabelece a hipótese diagnóstica referente ao atendimento, decidindo pelo envio ou não de uma ambulância para o local 1621 da ocorrência. O médico regulador pode dar um conselho, uma orientação, ou deslocar uma equipe com médico, enfermeiro e equipamentos de uma UTI. A liberação de cada recurso depende da necessidade específica de cada atendimento. Se necessário, um operador de frota é incumbido da alocação e despacho do tipo de ambulância correspondente. O atendimento tem sua conclusão com a hospitalização do paciente e o retorno da ambulância à base a qual pertence. Neste contexto, é possível perceber a sobrecarga cognitiva sofrida pelo médico, visto que, além de ser responsável pelo atendimento clínico, precisa decidir sobre a alocação dos recursos. Como destacado por Stasiu, Malucelli e Dias (2002), o apoio computacional neste tipo de cenário ainda é limitado, principalmente pela falta de informatização do serviço ou por sistemas de registro de atendimentos ainda pouco flexíveis. Contudo, algumas iniciativas em relação a sistemas de Apoio à Decisão Espacial e recuperação automática de procedimentos vêm sendo desenvolvidas [Junior, Valente, 2005; Borsato et al, 2006]. 3. Trabalhos Relacionados As primeiras iniciativas relacionadas à utilização conjunta das abordagens de Raciocínio Baseado em Casos e Data Warehousing partiram das pesquisas desenvolvidas no contexto da Gestão do Conhecimento. Mesmo que superficialmente, estas iniciativas visavam apresentar a complementaridade entre as abordagens, destacando os benefícios da utilização do RBC no suporte à tomada de decisão, a saber: recuperação da informação baseada em similaridade e a aprendizagem do sistema a partir da adaptação e reuso de casos históricos [Dubitzky, Büchner, Azuaje, 1999]. No decorrer das últimas décadas, principalmente pela capacidade de auto- aprendizagem, o RBC passou a ser parte integrante de projetos relacionados a diversas áreas do conhecimento, dentre as quais, podemos destacar as áreas jurídica, financeira e médica. Contudo, similarmente às iniciativas originadas no contexto da Gestão do Conhecimento, estas pesquisas abordavam a integração entre as técnicas em linhas gerais. Em quase todas as pesquisas a medida de similaridade entre os casos foi o foco central [Kambayashi, 2003]. Especificamente no domínio médico, Pendersen (2004) desenvolveu um framework conceitual, que possui como principal objetivo a criação de uma base de conhecimento necessário ao raciocínio clínico. Esta base integra as informações relacionadas ao atendimento clínico: diretrizes médicas e registros das bases de dados oriundas dos atendimentos clínicos. O framework proposto é constituído por diferentes níveis de abstração: um nível de observação, que representa os dados armazenados, diretamente relacionados aos casos clínicos; e um nível de análise dos dados, definido como nível de opinião. No nível de opinião, especialistas podem realizar críticas sobre os dados armazenados, de forma a refinar as informações a serem recuperadas. Contudo, no APH a análise registro a registro, como proposto pelo framework conceitual de Pendersen (2004), é prejudicada pela complexidade, quantidade e variedade de informações a serem tratadas pelos especialistas médicos. Sendo assim, diferente das abordagens existentes, a proposta deste trabalho visa através da integração, análise e recuperação das informações necessárias ao APH, o reúso do conhecimento persistido no histórico de atendimentos como fonte primária para o suporte à tomada de decisão, dado que estas informações representam casos concretos. 1622 4. Abordagem proposta para suporte à tomada de decisão no APH Como destacado inicialmente, o suporte à tomada de decisão médica é fortemente baseado nas técnicas da IA. Estes sistemas, em sua maioria, simulam o processo de raciocínio a partir da recuperação de regras, que de forma geral sugerem ou estabelecem soluções aos problemas clínicos apresentados. Vale ressaltar que tanto a inadequação, quanto a ausência destes sistemas, torna a tomada de decisão única e exclusivamente dependente da experiência clínica do médico, o que em algumas situações não é suficiente, dada a complexidade e o número de variáveis envolvidas no atendimento. A Figura 1(a), apresenta a situação usual do suporte à tomada de decisão no APH. Para sanar estes problemas, a abordagem proposta neste trabalho (Figura 1 (b)) baseia-se na utilização conjunta do Raciocínio Baseado em Casos e Data Warehousing como forma de suportar à tomada de decisão durante o APH. De forma geral, o DW é utilizado na integração das informações distribuídas nas diferentes fontes (Integração), organização destas em temas de interesse ao APH (Tratamento Multidimensional), além da visualização e manipulação das mesmas em seus diferentes níveis de detalhes (Análise). Já o RBC torna possível a recuperação das informações mesmo em situações onde as mesmas encontram-se incompletas, uma vez que tal processo é baseado na ordem de preferência, onde medidas de similaridade são aplicadas de forma a definir os casos mais similares entre si (Raciocínio). Além disso, a integração entre as abordagens de DW e RBC torna possível o processo de aprendizagem no contexto do APH, dada a possibilidade de se armazenar os casos que foram reutilizados ou adaptados e que poderão ser úteis na solução de problemas futuros (Adaptação). (a) Situação atual. (b) Abordagem proposta. Figura 1. Suporte à Tomada de Decisão durante o APH. Adicionalmente, visando o mapeamento entre as informações, visto que a Base de Casos é gerada a partir do DW, propõe-se que a PICO seja utilizada como elo de ligação entre as abordagens, uma vez que a mesma visa a decomposição da pergunta clínica em partes bem definidas, que descrevem todos os componentes relacionados ao problema clínico. A PICO é definida na Medicina Baseada em Evidências, que se fundamenta na integração entre a Experiência Clínica Individual e as melhores Evidências Externas como forma de prover o médico com a informação necessária e suficiente para a 1623 tomada de decisão clínica [Nobre, Bernardo, Jatene, 2003]. A utilização da estratégia PICO na especificação do DW e da Base de Casos representa a base da integração entre as abordagens, já que, ao utilizar a mesma representação das informações relacionadas ao processo decisório, o mapeamento entre as mesmas acontece quase que de forma direta. Para exemplificar a aplicação da abordagem, imaginemos um médico que inicia o atendimento a um paciente com problemas psiquiátricos. Como este profissional não possui experiência em atendimentos desta natureza, nem informações que o auxiliem na tomada de decisão, o mesmo solicita o encaminhamento de uma ambulância ao local da emergência. Desta forma, toda uma equipe médica, além dos equipamentos presentes na ambulância, são alocados ao atendimento. Contudo, caso a equipe, ao chegar no local do atendimento, depare-se com um atendimento já solucionado, o custo associado a tal situação é incalculável, pois além dos recursos humanos e materiais envolvidos, a ausência dos mesmos na central de regulação pode representar a perda de uma outra vida. Neste contexto, através da abordagem proposta, mesmo que o médico não possua todas as informações sobre o paciente e o cenário do atendimento, através do RBC o sistema será capaz de recuperar as informações mais similares ao problema apresentado. Como a Base de Casos é carregada a partir do DW, as informações recuperadas, além de integradas, estão organizadas de forma a permitir consultas gerenciais. Desta forma, o médico poderá navegar pelas informações necessárias à tomada de decisão, além de poder manipular as mesmas conforme sua necessidade. Com base no exemplo citado, o médico poderá analisar se o encaminhamento da ambulância ao local da emergência representa a decisão tomada prioritariamente, se não, poderá verificar quais os procedimentos adotados por motivo de atendimento. Se for necessário, o médico poderá refinar o nível de detalhes, investigando os medicamentos necessários ou resultados obtidos por procedimentos adotados. Desta forma, o médico terá informações suficientes para definir as ações a serem tomadas, assim como os procedimentos necessários a posteriori, evitando o encaminhamento desnecessário da ambulância. Além disso, ao decidir pelo reúso de um dos casos recuperados, a partir de pequenas adaptações no mesmo, o médico estará contribuindo para a aprendizagem do sistema, uma vez que este novo caso será armazenado e poderá ser utilizado durante uma próxima análise. Neste ponto, podemos perceber uma das maiores vantagens da abordagem, já que o processo de manutenção das informações acontece quase que automaticamente. 4.1. Data Warehousing Conceitualmente, um Data Warehouse pode ser considerado como um conjunto integrado de dados, organizado por tópicos e que varia com o passar do tempo, servindo ao processo de tomada de decisão. A organização por tópicos permite ao DW estruturar as informações necessárias ao processo decisório a partir dos temas importantes ao domínio. Além disso, no DW os dados são alimentados a partir de cargas sucessivas de dados oriundos das bases operacionais, permitindo análises evolutivas e temporais [Kimball, Reeves, Ross, 1998]. No contexto da abordagem proposta, o DW é o componente responsável pela integração das informações e organização destas nos temas de interesse à tomada de decisão no APH. Além disso, o DW provê uma interface intuitiva, onde a visualização das informações necessárias à tomada de decisão varia conforme as necessidades do 1624 médico. Na Figura 2 o ambiente de Data Warehounsing é representado pelas áreas intituladas Integração, Tratamento Multidimensional e Análise. Integração – o processo de Integração é constituído pelas atividades de Extração e Transformação das informações distribuídas nas fontes de dados do APH. Estas fontes de dados podem ser representadas por diferentes bancos de dados, planilhas eletrônicas e, até mesmo, por arquivos não estruturados. O tratamento dos dados persistidos de forma não estruturada caracteriza a abordagem DW 2.0 TM, criada e patenteada pela Inmon Data Systems, mas que não será o foco deste trabalho. A Extração visa à identificação das fontes de informações e à aquisição destas. Nesta atividade também são definidas as rotinas de atualização do DW. A atividade de Transformação é mais ampla, englobando a validade, correção e padronização dos dados. Tratamento Multidimensional – o processo de Tratamento Multidimensional visa à modelagem das informações nos temas de interesse da organização, segundo perspectivas (chamadas de dimensões) que refletem a forma como as mesmas são percebidas. Desta forma, o significado de uma determinada informação é compartilhado por todos, simplificando a comunicação. Este processo também contempla a criação de hierarquias, importante instrumento para navegação entre os dados. Através das hierarquias é possível iniciar a análise das informações a partir de um nível macro de abstração, aprofundando a análise com sucessivos refinamentos. Análise – o processo de Análise permite a manipulação e visualização tanto das informações sumarizadas (agregações), como dos diferentes níveis de detalhe presentes nas hierarquias. Além disso, filtros podem ser definidos de forma a permitir a visualização apenas das partes de interesse do médico, além de permitir a percepção das informações por diferentes perspectivas. Figura 2. Arquitetura para Suporte à Tomada de Decisão durante o APH. Mesmo com todas estas vantagens, o DW ainda apresenta uma limitação quanto ao suporte à tomada de decisão no APH: o tratamento de informações incompletas, situação comum neste tipo de atendimento. As bases de dados que constituem o DW são projetadas para recuperar dados, ou grupamentos destes, a partir da correspondência entre uma consulta e as informações persistidas. Contudo, em um domínio complexo como o APH, muitas vezes esta correspondência não é possível, principalmente devido à grande quantidade e variedade de atendimentos e às restrições decorrentes da 1625 limitação de tempo dos atendimentos de emergência. 4.2. Raciocínio Baseado em Casos A aplicabilidade do RBC no APH está amparada no fato das informações relacionadas ao paciente e as suas enfermidades levarem quase que naturalmente à definição de um caso. De forma geral, os elementos centrais do Raciocínio Baseado em Casos são a forma pela qual os casos são representados, a medida de similaridade utilizada durante a recuperação dos mesmos, além dos processos de adaptação e aprendizagem. Tanto o processo de adaptação como o de aprendizagem fazem parte de um processo de mais alto nível conhecido como Ciclo do Raciocínio Baseado em Casos. As atividades relacionadas ao Ciclo do RBC englobam: a recuperação dos casos persistidos, a reutilização destes, a revisão das soluções propostas e a retenção das mesmas [Wangenheim 2003]. A Figura 3 ilustra a dinâmica envolvida no Ciclo do RBC. Figura 3. Ciclo do RBC. A representação do conhecimento no Raciocínio Baseado em Casos é formalizada através dos casos. Um caso representa ocorrências concretas, mas pode vir a utilizar-se de conhecimento mais generalista, como cenários possíveis, por exemplo. Estas ocorrências são formadas pela descrição de uma situação (problema) e pelas experiências adquiridas durante a resolução da mesma (solução). Fisicamente, estes casos são representados em um banco de dados, a Base de Casos. Neste sentido, e no contexto da abordagem proposta, o RBC é o componente responsável por permitir a recuperação das informações mesmo em situações onde as mesmas estejam incompletas e por tornar possível a representação de um domínio tão complexo como o APH, uma vez que as informações podem ser estruturadas a partir dos casos. Na Figura 2, o RBC é representado pela área intitulada como Raciocínio. Raciocínio – o processo de Raciocínio visa tornar o processo de recuperação das informações mais aderente à solução de problemas em domínios complexos. Isso é possível pelo fato do domínio não estar representando através do conhecimento generalizado ou por regras de associação baseadas em relacionamentos abstratos, mas sim pelo conhecimento específico envolvido na solução dos problemas concretos, caracterizados como casos. Além disso, o processo de Raciocínio permite a recuperação das informações em situações onde as mesmas estão incompletas, permitindo assim, o 1626 suporte à tomada de decisão mesmo durante atendimentos onde o médico não possua todas as informações, situação comum no APH. Contudo, como destacado por Laua et al (2003), uma das principais limitações dos sistemas de RBC está no fato da representação dos casos acontecer de forma livre, não seguindo uma estrutura padrão. Desta forma, se durante uma pesquisa for utilizado um caso com uma estrutura diferente daquela utilizada pela Base de Casos, o sistema de RBC terá dificuldades em definir a similaridade entre este caso e os persistidos na Base, mesmo existindo alguns com mais de 90% de similaridade em relação à pesquisa. 4.3. Integração RBC e DW Conceitualmente, a integração entre as abordagens está amparada nos elementos da estratégia PICO, a saber: Paciente, Intervenção ou indicador, Comparação ou controle e “Outcomes” (desfecho), resposta que se deseja encontrar. Esta estratégia foi utilizada pelo fato de descrever todos os componentes relacionados ao problema identificado. Vale ressaltar que devido ao fato da tomada de decisão no APH depender da avaliação do cenário, já que os procedimentos variam de acordo com o mesmo, a estratégia PICO foi estendida de forma a contemplar as informações relacionadas ao cenário do atendimento. Desta forma, através dos elementos da PICO e sua extensão quanto ao cenário, é possível definir os temas de interesse no contexto do DW, assim como a representação a ser utilizada na Base de Casos. Por se basearem em um mesmo modelo de representação (PICO, estendido do conceito de cenário), as abordagens têm seu mapeamento definido de forma direta, tomando como base a seguinte relação: a) Paciente, como uma dimensão e parte do caso relacionado ao problema; b) Intervenção, como uma dimensão e parte do caso relacionado à solução; c) Resultado ou Desfecho clínico, como uma dimensão e parte do caso relacionado aos resultados obtidos a partir de uma solução; e d) o Cenário, como uma dimensão e parte do caso relacionado ao cenário. A Figura 4 ilustra o mapeamento entre os temas de interesse do DW e os elementos da Base de Casos. Figura 4. Mapeamento entre os temas de interesse do DW e os elementos que representam os casos na Base de Casos. Na prática, a integração entre as abordagens está amparada na complementaridade existente entre as mesmas. Esta complementaridade é evidenciada pelo fato do RBC contribuir para reduzir os problemas originados pelas informações incompletas, principal limitação do DW no contexto do APH. Por outro lado, o DW minimiza o problema dos sistemas de RBC quanto à falta de estrutura na representação dos casos, já que define a estrutura pela qual as informações necessárias à tomada de decisão são organizadas. 1627 4.3.1. Benefícios do RBC ao DW Diferente dos bancos de dados, onde as informações ou grupamentos destas são recuperados a partir da correspondência total entre uma consulta e as informações persistidas, o processo de recuperação dos sistemas de RBC é baseado na ordem de preferência, onde medidas de similaridade são aplicadas de forma a definir os casos mais similares entre si. Além disso, dada a possibilidade em se utilizar a hierarquia dos casos para verificar quais destes apresentam maior similaridade entre si, o sistema de RBC é beneficiado pela explicitação das agregações e hierarquias providas pelo DW, já que esta traz implicitamente as hierarquias existentes entre as entidades do domínio. Esta é sem dúvida uma das maiores vantagens da utilização conjunta das abordagens, já que os sistemas de RBC poderão beneficiar-se das representações do DW durante a execução de técnicas avançadas de similaridade, como a similaridade hierárquica baseada nas relações intraclasse e interclasse, o que pode beneficiar o suporte à tomada de decisão no APH. 4.3.2. Benefícios do DW ao RBC Por outro lado, como o DW permite a extração e transformação dos dados obtidos a partir das diferentes fontes, a organização destes por temas de interesse e explicitação das hierarquias existentes, a representação dos casos passa a ser um processo quase natural, uma vez que a Base de Casos refletirá em sua estrutura o modelo definido no DW. Desta forma, a manutenção da Base de Casos é beneficiada pelo processo de administração do DW, já que a integração das informações, armazenamento histórico das mesmas e a organização destas em tópico de interesse, são atividades intrínsecas a este componente [Kimball, Reeves, Ross, 1998]. Além disso, a utilização conjunta das abordagens permite uma ampliação das possibilidades de visualização dos casos recuperados, uma vez que os mesmos podem ser representados através das diferentes perspectivas associadas ao DW, como relatórios, visões multidimensionais e até mesmo por painéis de controle (dashboard). Isto permite maior interação com o sistema, dada a capacidade de navegação entre as informações e a forma pela qual as mesmas são representadas, indo de simples totalizações, até gráficos e figuras aderentes ao contexto do APH. Desta forma, o processo de aprendizagem dos sistemas de RBC é beneficiado, dado que a decisão sobre o reúso estará amparada na capacidade de navegação pelos diferentes níveis de detalhes. A utilização conjunta destas abordagens ainda permite um melhor tempo de resposta, requisito básico para o suporte à tomada de decisão durante o APH, uma vez que a modelagem do DW possui como característica básica a presença de dados redundantes, na forma de agregações e cruzamentos pré-calculados e armazenados, o que elimina a necessidade de junções entre as estruturas de dados em tempo de execução, além do fato das abordagens permitirem a criação de índices de pesquisa. 5. Considerações Finais Este artigo apresentou uma abordagem, baseada na utilização conjunta do Raciocínio Baseado em Casos e Data Warehousing, capaz de apoiar a tomada de decisão durante o APH. Através desta proposta espera-se ultrapassar as atuais dificuldades apresentadas pelos SAD no domínio médico, tornando possível a sua aplicação no APH. Como resultado preliminar, a partir da aplicação da abordagem na análise das 1628 fontes de informação de uma Central de Regulação Médica, parte integrante do Serviço de Atendimento Móvel de Urgência (SAMU) de uma capital brasileira, foi possível verificar a adequação da mesma em relação à explicitação das informações necessárias ao processo decisório, assim como na identificação dos elementos a serem utilizados na representação dos casos. Como próximos passos, estão previstos o desenvolvimento da interface a ser utilizada na visualização dos casos recuperados e a integração desta interface com o Sistema de Regulação Médica utilizado pela Central de Regulação, além da instanciação da abordagem para uma situação particular, tendo como objetivo a experimentação da mesma. Referências Borsato, G.B., Scalabrin E.E., Dias J.S. e Enembreck, F. (2006). “Sistema de Apoio à Tomada de Decisão para Atendimento Pré-Hospitalar”, CBIS'2006 - X Congresso Brasileiro de Informática em Saúde. Florianópolis. Dubitzky, W., Büchner, A.G., Azuaje, F.J. (1999). “Viewing Knowledge Management as a Case-Based Reasoning Application”. AAAI Technical Report WS-99-10. Junior, J.D., Valente, A.M. (2005). “A logística no serviço de atendimento móvel de urgência (SAMU)”. XXV Encontro Nacional de Eng. de Produção. Porto Alegre. Kambayashi, Y. (2003). “An Application of Case-Based Reasoning in Multidimensional Database Architecture”. Lecture Notes in Computer Science. Book Data Warehousing and Knowledge Discovery. Volume 2737, pp. 66-75. Kimball, R., Reeves, L., Ross, M. (1998). “The Data Warehouse Lifecycle Toolkit”. WILEY. Kong, G., XU., D., Yang, J. (2008). “Clinical Decision Support Systems: A review on Knowledge Representation and Inference Under Uncertainties”. International Journal of Computational Intelligence Systems. Vol. 1, n. 2, pp. 159-167. Laua, H.C.W., Wongb, C.W.Y., Hui, I.K., Pund, K.F. (2003).“Design and implementation of an integrated knowledge system”. Knowledge-Based Systems. Volume 16, no. 5-6, pp. 69- 76. Nobre, M.R.C., Bernardo, W.M., Jatene, F.B. (2003). A Prática Clínica Baseada em Evidências. Parte I. Revista da Associação Médica Brasileira, São Paulo. Vol. 49, n. 4, pp. 445-9. Pendersen, K.V. (2004). “A Framework for a Clinical Reasoning Knowledge Warehouse”. IDEAS Workshop on Medical Information Systems: The Digital Hospital. Beijing, China. ISBN: 0-7695-2289-0. Pereira, W. A. P., Lima, M. A. D. S. (2006). “A organização tecnológica do trabalho no atendimento pré-hospitalar à vítima de acidente de trânsito”. Ciência, Cuidado e Saúde. Vol. 5, n. 2, pp. 127-134. Maringá. Sim, I., Gorman, P., Greenes, R.A., et al (2001). “Clinical Decision Support Systems for the Practice of Evidence-Based Medicine”. Journal of the American Medical Informatics Association. Vol. 8, n. 6, pp. 527-534. Stasiu, R.K., Malucelli, A., Dias, J.S. (2002). “Sistema de informação e Comunicação para Atendimento Pré-Hospitalar”, CBIS'2002. VIII Congresso Brasileiro de Informática em Saúde. Natal. Wangenheim, C.G. (2003). “Raciocínio Baseado em Casos”. Manole. São Paulo. 1629 1. Introdução 2. Atendimento Pré-Hospitalar 3. Trabalhos Relacionados 4. Abordagem proposta para suporte à tomada de decisão no APH 4.1. Data Warehousing 4.2. Raciocínio Baseado em Casos 4.3. Integração RBC e DW 4.3.1. Benefícios do RBC ao DW 4.3.2. Benefícios do DW ao RBC 5. Considerações Finais RBC Imobiliaria.pdf Artigo - Projeto da disciplina Inteligência Artificial I /DSC /CEEI /UFCG. RBC no Auxílio de Avaliações Imobiliárias Adauto Trigueiro, Alcione da Costa Pinheiro, Clerton Filho, Kátia Silva Unidade Acadêmica de Sistemas e Computação – Universidade Federal de Campina Grande (UFCG) – Campina Grande – PB – Brasil – Disciplina: Inteligência Artificial: Professora: Joseana Fechine – Período 2008.2 adautofilho@gmail.com, alcionecp@gmail.com, clertonfilho@gmail.com, katiaemmanuelle@gmail.com Abstract. This paper aims to describe the project developed for the Artificial Intelligence course from Computer Systems Department of UFCG. The project uses Case Based Reasoning(CBR) in an application for real estate assessments. The implementation was done in Java, using the jCOLIBRI2 framework for the CBR construction. For the database search, cases of real estate ads in the city of Recife-PE were used. The research done for the development of this application will be detailed in this article. Resumo. Este artigo tem por objetivo descrever o projeto desenvolvido para a disciplina Inteligência Artificial, do departamento de Sistemas e Computação da UFCG. O projeto utiliza Raciocínio Baseado em Casos(RBC) em uma aplicação para avaliações imobiliárias. A implementação foi feita em Java, utilizando o framework jCOLIBRI2 para a construção do RBC. Para a base de dados foram utilizados casos pesquisados nos anúncios das imobiliárias da cidade de Recife-PE. O estudo feito para o desenvolvimento dessa aplicação será detalhado nesse artigo. 1 Introdução O projeto desenvolvido se propõe a auxiliar avaliações imobiliárias para valores de aluguel de imóveis. Essa avaliação é feita a partir de atributos dos imóveis como quantidade de quartos e região em que é localizado. Para auxílio dessa avaliação foram cadastrados 112 casos de avaliações imobiliárias na cidade de Recife – PE e baseado nesses casos e nos valores fornecidos para o caso que deve ser avaliado, faz-se uma aproximação do valor do aluguel. Isso é feito utilizando a similaridade entre o novo caso e os já existentes e avaliados anteriormente. 2 Raciocínio Baseado em Casos (RBC) Raciocínio baseado em casos é uma técnica para resolução de problemas que adapta soluções que foram usadas anteriormente para resolver problemas similares [5, 3, 6]. Nessa técnica, cada caso contém informações sobre: descrição da situação encontrada e como o sistema reagiu. Kolodner cita em [4] pesquisas que durante o processo de Artigo - Projeto da disciplina Inteligência Artificial I /DSC /DEEI /UFCG. aprendizado de uma nova habilidade, as pessoas frequentemente retornam aos problemas anteriores para saber como realizar uma tarefa no novo contexto. Médicos, por exemplo, utilizam experiências adquiridas com a cura de outros pacientes para gerar hipóteses sobre as doenças dos novos pacientes e uma maneira de curá-los. As idéias do RBC foram desenvolvidas, em parte, como uma reação a algumas desvantagens de técnicas tradicionais de Inteligência Artificial como o Raciocínio Baseado em Regras, que consiste em analisar uma situação através de um conjunto de regras pré-estabelecidas. No RBC o aprendizado é uma tarefa natural, através da retenção de novos casos. Desta maneira, torna-se mais simples adequar o sistema a novas situações e o conhecimento do domínio não precisa ser completamente definido no desenvolvimento do sistema, sendo expresso através do conjunto de casos armazenado ao longo do tempo. Ao fazer uso do sistema o caso de entrada é analisado e logo após é extraído os descritores relevantes e há uma recuperação, utilizando estes descritores, os casos mais similares ao caso de entrada. Se nenhum dado for recuperado o sistema retorna ao usuário uma mensagem que nenhum dado relevante foi encontrado e armazena no seu banco de dados o novo caso. 3 Framework jCOLIBRI2 jCOLIBRI é um Framework em Java para a construção de sistemas com Raciocínio Baseado em Casos. A primeira versão do software (COLIBRI1) foi programada em LISP, mas não chegou a ser muito utilizado. No entanto, a partir dele, surgiu o jCOLIBRI, já desenvolvido em Java, como uma evolução tecnológica da COLIBRI que incorpora a vantagens do software com as tecnologias mais avançadas. O Framework jCOLIBRI tem duas versões: 1. jCOLIBRI1: é a primeira versão do framework. Ele inclui uma interface gráfica completa que orienta o usuário na concepção de um sistema de RBC, com ele é possível criar sistemas sem nenhum código de programação. 2. jCOLIBRI2: é uma nova aplicação que segue um nova arquitetura dividida em duas camadas: uma orientada para desenvolvedores e outras orientadas para designers. Este novo design é um framework aberto para desenvolvedores Java que querem incluir as características de jCOLIBRI2 em suas aplicações RBC. O ciclo principal de raciocínio pode ser decomposto em quatro tarefas de RBC: recuperar os casos mais similares (retrieve), reutilizá-los para resolver o problema em questão (reuse), revisar a solução proposta (revise) e aprender com a experiência (retain). Dentro desta ótica, o jCOLIBRI2 foi construído a partir da idéia básica de separar tarefas e métodos de RBC que indicam os objetivos que o sistema deve alcançar e, portanto guiam a execução da aplicação. O framework jCOLIBRI2 foi projetado visando dar suporte a uma grande variedade de tipos de aplicações de raciocínio baseado em casos. As características das Artigo - Projeto da disciplina Inteligência Artificial I /DSC /DEEI /UFCG. aplicações de RBC podem ser bastante diversas, e alguns exemplos destas características seguem abaixo: � Tipos de representação para os casos (par atributo-valor, textos, representações orientadas a objetos, representações semi-estruturadas); � Estruturas para a organização da base de casos (plana, hierárquica, baseada em aprendizagem de máquina); � Meios de persistência física para a base de casos (MySQL, RACER, XML); � Combinações de tarefas e métodos RBC que podem ser selecionados de maneira flexível permitindo a customização das aplicações (aplicações que usam somente as tarefas e subtarefas de recuperação até aplicações completas). No tocante ao uso de frameworks, uma das questões mais relevantes diz respeito ao tempo de aprendizagem necessário para saber como usá-los. Neste contexto, o jCOLIBRI2 dispõe de uma ferramenta para a configuração semi-automática das tarefas e métodos RBC por meio de uma interface gráfica de modo a guiar o processo de iniciação do framework. A configuração de sistemas de RBC usando esta interface consiste nos seguintes passos: � Definir a estrutura do caso, a fonte dos casos e a organização da base de casos; � Enquanto a aplicação estiver em construção, o desenvolvedor deve selecionar sequencialmente as tarefas necessárias para cumprir o objetivo específico da aplicação, e para cada uma das tarefas ou subtarefas ele deve selecionar e configurar os métodos responsáveis pela sua resolução; � Uma vez que a aplicação esteja completa, é possível gerar um código completo em linguagem JAVA para disponibilizar a aplicação. Adicionalmente, é possível gerar uma classe em linguagem JAVA que permite a sua execução dentro de outras aplicações. Estas são, seguramente, as funcionalidades que tornam o framework jCOLIBRI2 particularmente adequado à implementação da aplicação proposta no nosso projeto. 4 A aplicação 4.1 Análise Imobiliária A análise imobiliária é a avaliação que as imobiliárias fazem dos imóveis, considerando vários atributos desse imóvel, como por exemplo: onde ele está localizado, quantos quartos possui e suítes ele possui, se possui garagem e se tem zona comercial próxima. É uma análise de diversas variáveis de classificação de um imóvel, para ter como resultado o valor aproximado do aluguel ou preço de venda desse imóvel. Para o nosso projeto, foi realizada uma pesquisa na cidade de Recife – PE, observando-se os resultados das avaliações das imobiliárias no que se refere ao aluguel de imóveis. São essas avaliações que propomos auxiliar no momento. Artigo - Projeto da disciplina Inteligência Artificial I /DSC /DEEI /UFCG. 4.1 Usando RBC A utilização de RBC para o problema citado acima é adequado pelas seguintes razões: � Todas as avaliações imobiliárias são feitas a partir de outras avaliações feitas anteriormente; � Os imóveis são avaliados de acordo com algumas variáveis que são semelhantes a todos eles; � Cada avaliação feita possui os atributos com seus valores e o aluguel como resultado dessa avaliação; � Imóveis com características similares têm valores de aluguel próximos. Com essas características, fica simples resolver esse problema de forma eficiente com RBC. No nosso caso, foi criada uma base de dados a partir de uma pesquisa na cidade de Recife - PE que geraram 112 casos com todas as informações que podem ser vistas na Tabela 1. Com esses casos, já é possível fazer avaliações dos imóveis da mesma cidade e a cada utilização da aplicação para uma nova análise pode ser feita a inserção de um novo caso. Tabela 1 Casos caseId Bairro Região Área Garagem Quartos Suítes Preço Nome Case 1 Rosarinho ClubeNauticoCapibaribe 67.00 1 2 1 1150.00 EdificioCapDeVille Case 2 Graças ClubeNauticoCapibaribe 90.00 1 3 0 1158.00 EdificioIlhaDeKalimnos Case 3 Rosarinho ClubeNauticoCapibaribe 90.00 2 3 1 1332.00 EdificioPraiadeImbituba Case 4 Rosarinho ClubeNauticoCapibaribe 90.00 2 3 1 1101.00 EdificioPraiadeImbituba Case 5 Rosarinho ClubeNauticoCapibaribe 100.00 2 3 2 1652.00 EdificioMonalisa Case 6 Graças ClubeNauticoCapibaribe 105.00 2 3 1 1755.00 EdificioOrion Case 7 Graças ClubeNauticoCapibaribe 120.00 2 3 1 1269.00 EdificioPolanaise Case 8 Aflitos ClubeNauticoCapibaribe 220.00 2 4 2 2560.00 EdificioMarcoAurelio Case 9 Arruda EstadioDoArruda 120.00 1 3 0 651.00 EdificioCacique Case 10 Boa Viagem AvenidaBoaViagem 31.00 1 1 0 1200.00 EdificioStudioBoaViage m O software foi implementado em Java e tem sua base de dados armazenada em arquivos. Há uma interface gráfica que permite a seleção dos atributos necessários para a avaliação imobiliária e retorna como resultado o valor aproximado do aluguel dados os valores das variáveis do imóvel. Além disso, é fornecido o grau de similaridade com os casos já existentes, que mostra o quão semelhantes é o caso avaliado com os já existentes. A cada avaliação pode ser inserido o novo caso avaliado. 5 Considerações finais Com a implementação desse projeto foi possível fazer um estudo mais aprofundado de RBC, e aprender técnicas e ferramentas que eram até então desconhecidas para a maioria dos membros da equipe. Foi uma pesquisa interessante, que envolveu não só computação, mas também nos permitiu um estudo no campo imobiliário, e que nos trouxe resultados satisfatórios para os objetivos esperados. Artigo - Projeto da disciplina Inteligência Artificial I /DSC /DEEI /UFCG. Para trabalhos futuros, seria interessante ter uma base de dados maior, com o uso de Banco de Dados para armazenamento, uma pesquisa mais aprofundada sobre avaliações imobiliárias, fornecendo mais variáveis para classificação de imóveis e que fornecesse como resultado não só valores de aluguel, mas também preços de venda de imóveis. Referências [1] GARCÍA, J. A. R.; AGUDO, B. D. and CALERO, P. G. (2008) “jCOLIBRI2 Tutorial”, http://gaia.fdi.ucm.es/projects/jcolibri/jcolibri2/tutorial.pdf. [2] MIKOS, W. L. (2008) “Modelo baseado em agentes em apoio à solução de problemas de não-conformidade em ambientes de manufatura com recursos distribuídos”, http://www.tede.ufsc.br/teses/PEMC1055-T.pdf. [3] WATSON, I. D. (1997) “Applying Case-Based Reasoning: Techniques for Enterprise Systems. Morgan Kaufmann”. [4] KOLODNER, J. (1993) “Case-Based Reasoning” Morgan Kaufmann Publishers. [5] KOLODNER, J. L.; JONA, M. Y. (1991) “Case-based reasoning: An overview”, Northwestern University. [6] AAMODT, A.; PLAZA, E. (1994) “Case-based reasoning: foundational issues, methodological variations and system approaches”, AI Communications.
Compartilhar