Aprendizagem de máquina em apoio a diagnóstico em ortopedia

Abstract

Um dos grandes responsáveis pela mudança deum panorama competidor é o progresso constante da tecnologia da informação e comunicação (TIC).A maior parte das dificuldades na tomada de decisão é a transformação de dados e informações em conhecimento, principalmente quando as bases de dados dizem respeito à saúde. Com a evolução da tecnologia e do „aprendizado de máquina‟(machine learning), já se dispõe de computadores capazes de realizar aprendizado de forma sofisticada, permitindo sua utilização no auxílio nas prescrições de diagnóstico médico, gerando uma segunda opinião para o profissional da medicina e contribuindo, assim, para uma melhor prestação de serviço à comunidade. O objetivo da pesquisa relatada consiste em elaborar um modelo computacional, apoiado em mineração de dados com uso de técnicas de aprendizado de máquina, que, utilizando-se de dispositivos de comunicação integrados às tecnologias de comunicação e informação e que venha oferecer suporte eficiente para o diagnóstico médico na área de ortopedia. A prova do conceito desta proposta utilizará de uma base de dados pública na especialidade da ortopedia (coluna vertebral) e o objetivo específico será o de auxiliar o médico na descoberta das doenças Listese e Hérnia de Disco. Esta aplicação trabalhou com o conceito de descoberta de conhecimento em bases de dados (Knowledge Discovery in Databases), para conseguir o resultado desejado. Esse processo a Mineração de Dados que, por meio de algoritmos de classificação, poderá transformar dados em informações úteis ao apoio do profissional médico na elaboração do seu diagnóstico. A pesquisa irá explorar e definir, na ferramenta de Data Mining WEKA, o algoritmo mais apropriado, dentre os vários já existentes, que possa oferecer maior acurácia no diagnóstico e que viabilize uma solução tipo mobile. A dinâmica estruturada neste trabalho deverá permitir que o sistema seja enriquecido a cada novo paciente tratado e que, com isto, a plataforma se torne mais eficiente e eficaz à medida que se amplie. Espera-se que o modelo computacional elaborado possa se configurar como uma segunda opinião em apoio ao diagnóstico do profissional médico retornando o diagnostico do paciente. Os resultados obtidos foram satisfatórios obtendo um índice de acuracidade média acima de 86%. Dentre os benefícios acredita-se que será possível auxiliar na formação de novos profissionais auxiliando-os na Residência Médica, na redução de problemas decorrentes de erros médicos e, dessa forma, aumenta-se a eficácia no atendimento com ganhos de tempo e dinheiro.

One of the major responsible to change in a competitive landscape is the steady progress of technology and communication (TIC). With the evolution of technology and 'machine learning', computers are already available to carry out learning in a sophisticated way, improving the prescriptions of medical diagnosis, generating a second opinion for the medical professional and thus, To provide a better service to the community. The objective of this research is to develop a computational model, supported by data mining using machine learning techniques and, using communication devices integrated with communication and information technologies, to provide efficient support for The medical diagnosis in the area of orthopedics.The proof of the concept of this proposal will be used besed on a public database in the branch of backbone and the specific objective will be assist the doctor in the discovery of the Diseases Olisthesis and Herniated disk. This application will work with the concept of Knowledge Discovery in Databases to achieve the desired result. This process will use the Data Mining that, through classification algorithms, can transform data into useful information to the support the medical professional in the elaboration of diagnosis. The research will explore and define, in the WEKA Data Mining tool, the most appropriate algorithm, among the several that already exist, that can offer the highest diagnostic accuracy and enable a mobile solution. The dynamics structured in this work should allow that system to be enriched for each new patient treated and, with this, the platform becomes more efficient and effective as it expands. It is expected that the consulted computational model can be configured as a second opinion in support of the diagnosis of the medical professional. The results were satisfactory obtaining an average accuracy index above 86%. Among the benefits it is believed that it will be possible to assist in the graduation of new professionals assisting them in the Medical Residency, and reducing problems in possible medical errors thus, increasing the efficiency during the attendance and saving time and money.