Home
Sourceforge Project:
- UnBBayes
Subproject:
- Learning
- Data Maning
Download:
- UnBBayes
- Example
UNBBAYES
O projeto "Raciocínio probabilístico aplicado ao diagnóstico médico" visa desenvolver aplicações inteligentes, baseadas em redes bayesianas, para apoio ao diagnóstico médico [LAD 99a, 99b, 99c] e consiste nas atividades de pesquisa a serem orientadas pelo professor Marcelo Ladeira nos projetos SARA-Saúde Apoiada em Raciocínio Automatizado e AIMED - Apoio à Intervenção Médica Avançada . O SARA está sendo desenvolvido pelo GIA/UnB (Grupo de Pesquisa em Inteligência Artificial da UnB), liderado pelo Prof. Wagner Teixeira da Silva, com o apoio de mais quatro doutores em Ciência da Computação, dentre eles o Prof. Ladeira. Esse projeto visa o desenvolvimento de um prontuário inteligente no Hospital Universitário de Brasília (HUB/UnB) e de sistemas de apoio à decisão médica, com base nos dados do prontuário. Os produtos esperados são a) framework e API UnBBayes para raciocínio probabilístico (software livre) e b) aplicativos AIAS (aplicações inteligentes para a área de saúde) voltados para apoio à tomada de decisão na área médica, em especial diagnóstico médico e triagem de especialidades na marcação de consultas. O projeto AIMED é uma cooperação internacional Brasil/Portugal, envolvendo o Instituto de Informática da UFRGS, o Departamento de Ciência da Computação da UnB (através do Prof. Ladeira) e o Departamento de Informática da Universidade de Lisboa. O objetivo geral desse projeto é investigar o desenvolvimento de sistemas distribuídos multiagentes onde a incerteza é modelada e tratada por meio de redes probabilísticas múltiplas secionadas. Os resultados teóricos a serem obtidos serão utilizados para o desenvolvimento de aplicações multiagentes de apoio à tomada de decisão. Essa tecnologia constitui o estado da arte mundial e está fundamentada em resultados publicados em 2000. Espera-se obter um framework UnBBayes multiagentes para o desenvolvimento de aplicações probabilísticas baseadas em redes múltiplas secionadas.
As aplicações serão utilizadas no HUB, no âmbito
do projeto SARA e na UnB e UFRGS, no âmbito do projeto AIMED. Para
propagação de crenças (i.e. atualização
das probabilidades condicionadas às evidências entradas no
sistema) será utilizado o método da árvore de junções
fortes [LAD 99b].
Com sistemas de apoio a decisão, espera-se obter melhora na qualidade
do diagnóstico médico, redução do tempo necessário
para realização do diagnóstico definitivo e redução
de custos, em especial no HUB. Essa redução potencial de
custos está associada à expectativa de mudança do
comportamento médico. Espera-se que o médico, de posse de
um aplicativo que o ajude no processo de diagnose, restrinja a solicitação
de exames laboratoriais aos casos em que não possa obter o diagnóstico
definitivo, com base na anamnese e análise das doenças hipotéticas
que esteja considerando, face à queixa principal e clínica
do paciente. Também há a expectativa de reduzir-se custos,
com o uso de aplicativos inteligentes para apoio à triagem da Clínica
Médica. Muitas consultas são realizadas sem necessidade
porque o paciente foi encaminhado para especialidade médica errada,
devido à triagem mal feita, realizada por pessoal em qualificação.