Modelo computacional para apoio à decisão clínica no diagnóstico de transtornos psicóticos

• Ano de defesa: 2020
• Autor(a) principal: Carvalho, Isabelle
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Apoio ao diagnóstico clínico; Clinical decision Support; Data mining; Mineração de dados; Psychotic disorders; Transtornos psicóticos
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-23102020-164048/

Atualmente, um dos grandes gargalos em saúde mental é a busca por fatores causais multifatoriais para auxílio na identificação e diferenciação do diagnóstico de transtornos mentais. Este trabalho tem como objetivo identificar, modelar e avaliar, com base em algoritmos de extração de regras, um conjunto mínimo relevante e suas relações entre variáveis de sinais e sintomas, variáveis relacionadas a fatores de risco socioambientais e propriedades de material biológico a fim de caracterizar transtornos psicóticos em primeiro episódio, em particular esquizofrenia, transtorno bipolar e transtorno depressivo. Os métodos consistem de 4 principais etapas [1] Pré-processamento; [2] Extração de padrões; [3] Avaliação e [4] Desenvolvimento de uma ferramenta web. O conjunto de dados inicial era composto por 488 indivíduos descritos por 357 atributos e envolvendo 9 diferentes grupos de características. Para classificação de transtornos psicóticos (caso e controle), foram apresentadas 6 regras finais descritas por 10 características em 2 grupos distintos de dados; nessa análise, o algoritmo de indução de regras RIPPER se destacou dos demais, tendo maior desempenho geral e regras majoritárias com alto valor de suporte (acima de 80%). Para classificação de identificação de diagnósticos (esquizofrenia, transtorno bipolar, transtorno depressivo e controle), foram apresentadas 14 regras finais, descritas por 31 características em 5 grupos distintos de dados; nessa análise, os algoritmos PART e RIPPER mostraram-se bons candidatos para exploração desse tipo de conjunto de dados, em sua maioria, obtiveram performances satisfatórias (acima de 70%). Por fim, viabilizou-se uma ferramenta web - a PEP HELP - para apoio à decisão clínica no diagnóstico de esquizofrenia, transtorno depressivo e transtorno bipolar em primeiro episódio psicótico, que incorpora os modelos de decisão construídos. Dessa maneira, os algoritmos de extração de regras mostraram-se ferramentas promissoras para exploração de variáveis clínicas no contexto de transtornos psicóticos, obtendo características e relações relevantes, com boa acurácia e com alinhamento na literatura clínica da área. Os achados do trabalho poderão apoiar o processo diagnóstico em saúde mental.