Um modelo híbrido para apoio ao diagnóstico de diabetes

• Ano de defesa: 2013
• Autor(a) principal: Menezes, Andréa Carvalho
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Análise multivariada; Tomada de decisão; Inteligência artificial; Diabetes mellitus
• Link de acesso: https://biblioteca.sophia.com.br/terminalri/9575/acervo/detalhe/98150

O Diabetes é um distúrbio metabólico que afeta mais de 371 milhões de pessoas no mundo e metade dessas pessoas desconhece sua própria condição. O número de pessoas com Diabetes continua a crescer, só em 2012, foram 4,8 milhões de mortes e 471 bilhões de dólares gastos. O diagnóstico precoce é imprescindível, pois associado ao tratamento adequado pode postergar o aparecimento de complicações crônicas, proporcionando melhores condições de vida aos pacientes e reduzindo o impacto social e econômico, trazendo ganhos substanciais no crescimento econômico dos países. O objetivo deste trabalho é propor um modelo híbrido para a criação de um Sistema Especialista, estruturado em regras de probabilidade, aplicando Redes Bayesianas, Metodologias Multicritério de Apoio à Decisão e representações de conhecimento estruturadas em regras de produção e probabilidade (Inteligência Artificial) para aprimoramento do processo de diagnóstico, com foco no diagnóstico de Diabetes tipo 2. Inicialmente foi realizado um mapeamento dos parâmetros para diagnosticar a doença e um levantamento das bases de dados disponíveis de Diabetes. Para identificar os parâmetros de maior impacto na definição do diagnóstico de Diabetes, aplicou-se a Metodologia Multicritério de Apoio à Decisão, através da aplicação do método MACBETH. Para tanto, foi desenvolvida uma ferramenta computacional a fim de cadastrar as bases de dados e gerar Redes Bayesianas, utilizando a API Netica-J, e Matrizes Juízo de Valor. A consistência das matrizes é verificada através da ferramenta Hiview e gerada a escala numérica de preferências. Para a construção do Sistema Especialista utilizou-se o Expert SINTA. O modelo proposto foi aplicado a uma base de dados canadense (Statistics Canada), com 4.611 diabéticos, e uma base de dados brasileira cedida pela empresa CAMED, com 1.222 diabéticos. Palavras-chave: Diabetes, diagnóstico precoce, Modelo híbrido, Multicritério, Redes Bayesianas, Sistema Especialista.