Prática Raciocínio Baseado em Casos Artigos

Inteligência Artificial

•

IFSP

Alexsandro Wandenkolk

12/03/2018

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

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

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).

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

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.

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.