Predição de prescrição médica eletrônica: análise de um sistema especialista

Resumo

Resumo. A Informática na Saúde é uma área emergente na Ciência da Computação, que se utiliza de técnicas e metodologias de outras áreas como Inteligência Artificial e Banco de Dados. Neste contexto, alguns trabalhos vêm sendo realizados buscando auxiliar o médico no diagnóstico e/ou prescrição de tratamentos. Este trabalho tem como objetivo apresentar e validar um modelo para predição de prescrição eletrônica, automatizando o processo de construção de prescrição e, consequentemente, padronizando o uso de medicações, dosagens e frequências. Para o desenvolvimento do modelo, utiliza-se técnicas de Sistemas de Raciocínio Baseados em Casos (RBC), Sistemas Especialistas (SE) e Data Mining, resultando em uma solução híbrida. O modelo foi validado utilizando-se uma base de casos reais, concedidosa través da aprovação pelo Comitê de Ética e Pesquisa da instituição estudada. Como resultado, dependendo do Código Internacional da Doença (CID) obtém-se resultados na faixa dos 85% de similaridade em relação ao tratamento real construído pelo usuário especialista e, em outros casos consegue-se apenas similaridades na faixa dos 20%. Dessa forma, investiga-se o porquê da diferença, analisando e aperfeiçoando o modelo proposto para adaptar-se às características das bases de dados reais.

Abstract. Health Informatics is an emergent area in Computer Science, which uses techniques such as Artificial Intelligence and Data Bases. In this context, some efforts are being done in order to help medical staff on diagnosis and treatment prescription. This work, has the goal to present and validate an electronic prescription prediction model, automating the process of building a prescription and consequently standardizing the use of drugs, doses, and frequency. The development of this model requires techniques of Case-Based Reasoning (CBR), Expert Systems (ES) and Data Mining, providing a hybrid solution model. This model was evaluated with a real cases base, granted by the approval of the Ethics and Research Commission of the target institution. The results, considering the International Disease Code, indicate around 85% of similarity concerning the system results and the real treatment proposed by an expert. For some cases, it was obtained similarities around 20%, which motivated further analyses to allow the model improvement.