UM MODELO BASEADO EM APRENDIZADO INFINITO PARA AUXÍLIO AO DIAGNÓSTICO E À REDUÇÃO DO ERRO MÉDICO
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2020-06-17
Autores
GIOVANE JOSE FERNANDES
GUILHERME CANDOTTA SILVA
MATHEUS BARROSO VALENTIM SANTOS
RINALDO DE OLIVEIRA JUNIOR
GUILHERME CANDOTTA SILVA
MATHEUS BARROSO VALENTIM SANTOS
RINALDO DE OLIVEIRA JUNIOR
Orientador
Paulo Sérgio Silva Rodrigues
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
Sistema de Recomendação para saúde,Recomendação de diagnóstico,Sistema de apoio a decisão clinica,Sistema CAD
Resumo
Com o avanço das novas tecnologias, principalmente na área da computação, muitos
novos sistemas estão sendo desenvolvidos. Os sistemas baseados em Inteligência Artificial e
Ciência de Dados tem acompanhado essa evolução. Nas últimas décadas, a medicina se be-
neficiou desses avanços tecnológicos em diversos aspectos. Um exemplo são os sistemas de
recomendação, que têm evoluído principalmente nas áreas cinematográfica e varejista, tendo
também sido desenvolvidos para a medicina como sistemas CAD (Computer Aided Diagnosis),
com o objetivo de auxiliar os profissionais da saúde em vários tipos de tomadas de decisão,
como em fases pré-operatórias, intra-operatórias e pós-cirurgia. Entretanto, esse tipo de sis-
tema ainda demanda maior desenvolvimento, em especial aqueles dependentes de aprendizado
de máquina supervisionado e bases de dados, que por vezes são raras e indisponíveis para o
desenvolvimento. Assim, o projeto aqui proposto apresenta uma metodologia computacional
para auxiliar no processo de diagnóstico e na diminuição de erros médicos, tentando contornar a
questão da escassez de base de dados para treinamento do sistema, por meio do aprendizado in-
finito e contínuo. Os resultados obtidos comprovam a eficácia do sistema proposto na realização
de diagnósticos médicos para patologias de cardiopatia congênita e doenças cardiovasculares,
visto que ao utilizar o método de validação RNA com 4 camadas e 16 neurônios, os testes al-
cançaram uma acurácia de 72% na realização do diagnóstico. Ainda, os resultados evidenciam
que a constante realimentação faz com que o sistema melhore sua performance
With the advancement of new technologies, mainly in the area of computing, many new systems are being developed. The systems based on Artificial Intelligence and Data Science have followed this evolution. In the last decades, medicine has benefited from these techno- logical advances in several aspects. An example is the recommendation systems, which have evolved mainly in the cinematographic and retail areas, having also been developed for medical purpose as CAD systems, with the objective of assisting health professionals in different kinds of decision-making, as in the preoperative, intraoperative and post-surgery stages. However, this kind of system still requires further development, especially those dependent on supervised machine learning and databases, which are sometimes difficult to obtain. Thus, the project pro- posed here presents a computational methodology to assist in the diagnostic process and in the reduction of medical errors, trying to circumvent the issue of scarcity of database for training system through infinite and continuous machine learning. The results obtained prove the effec- tiveness of the proposed system in carrying out medical diagnoses for pathologies of congenital heart disease and cardiovascular diseases, since using the RNA validation method with 4 layers and 16 neuron, the tests reached an accuracy of 72% in the realization of the diagnosis. Still, the results show that the constant feedback makes the system improve its performance.
With the advancement of new technologies, mainly in the area of computing, many new systems are being developed. The systems based on Artificial Intelligence and Data Science have followed this evolution. In the last decades, medicine has benefited from these techno- logical advances in several aspects. An example is the recommendation systems, which have evolved mainly in the cinematographic and retail areas, having also been developed for medical purpose as CAD systems, with the objective of assisting health professionals in different kinds of decision-making, as in the preoperative, intraoperative and post-surgery stages. However, this kind of system still requires further development, especially those dependent on supervised machine learning and databases, which are sometimes difficult to obtain. Thus, the project pro- posed here presents a computational methodology to assist in the diagnostic process and in the reduction of medical errors, trying to circumvent the issue of scarcity of database for training system through infinite and continuous machine learning. The results obtained prove the effec- tiveness of the proposed system in carrying out medical diagnoses for pathologies of congenital heart disease and cardiovascular diseases, since using the RNA validation method with 4 layers and 16 neuron, the tests reached an accuracy of 72% in the realization of the diagnosis. Still, the results show that the constant feedback makes the system improve its performance.