Aplicação de técnicas de inteligência artificial ao desenvolvimento de um sistema de apoio à decisão para doença celíaca / Applying artificial intelligence techniques to the development of a clinical decision support system in celiac disease diagnose

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

22/02/2011

RESUMO

Introdução: o diagnóstico da doença celíaca é um processo complexo devido à multiplicidade dos sintomas, sinais, grupos de risco, formas de apresentação e intersecção dos sintomas com outras doenças. Para a confirmação da suspeita diagnóstica, é imprescindível a realização da biopsia do intestino delgado, o padrão-ouro. Objetivo: desenvolver um sistema de apoio à decisão, em ambiente web, integrado a um classificador automático para reconhecimento dos casos de doença celíaca. Métodos: um sistema web foi construído para suportar um protocolo eletrônico esquematizado para atendimento e registro dos dados clínicos dos pacientes. Uma avaliação preliminar de usabilidade foi realizada. Uma base de dados de retrospectiva com 178 casos clínicos para treinamento foi construída. Foram testados 270 classificadores automáticos disponíveis no software Weka 3.6.1, utilizando cinco técnicas de inteligência artificial, a saber, árvores de decisão, classificador bayesiano, k-vizinhos próximos, máquinas de vetor de suporte e redes neurais artificiais. As métricas analisadas foram área sob a curva ROC, sensibilidade, especificidade e taxa de acerto, utilizadas nessa sequência como critério para seleção do algoritmo a ser implantado no sistema web. O algoritmo com maior AUC foi selecionado e acoplado ao sistema web, gerando o software intitulado SADCEL. Uma base de dados de teste foi construída, com 38 casos clínicos, para a avaliação do SADCEL em relação à utilidade diagnóstica. A hipótese diagnóstica apontada pelo SADCEL foi comparada às indicadas pelos especialistas durante a realização da consulta por meio de estatística kappa. Resultados: o sistema web foi avaliado pelos usuários com nível excelente de usabilidade, com SUS-score de 83,5 10,0. Na fase de treinamento, as melhores métricas foram apresentadas pelo algoritmo AODE F-1, do tipo classificador bayesiano, com taxa de acerto 80,0%, sensibilidade 0,78, especificidade 0,80 e AUC 0,84. Comparado ao padrão ouro, o SADCEL alcançou uma precisão de 84,2% com um nível de concordância diagnóstica de k = 0,68 (p <0,0001), o que indicou um bom nível de concordância. A mesma taxa de acerto foi obtida na comparação entre as indicações do diagnóstico dos especialistas e o padrão-ouro, com k = 0,64 (p-value <0,0001). Entre a indicação do especialista e do SADC, obteve-se k = 0,46 (p-value = 0,0008), o que indica concordância moderada. Conclusão: o nível de precisão alcançado pelo algoritmo de classificação automática integrado ao sistema web evidencia a utilidade potencial da SADCEL no auxílio ao diagnóstico de doença celíaca

ASSUNTO(S)

sistemas de apoio a decisões clínicas inteligência artificial doença celíaca medicina decision support systems clinical celiac disease artificial intelligence

ACESSO AO ARTIGO

Documentos Relacionados