Aluno: Geraldo Pinto de Barros

Título: “Computação Inteligente e Semiótica Computacional para Ressignificação dos Sinais do Paciente baixado em UTIs”

Orientador: Prof. Fernando Buarque de Lima Neto

Data-hora: 22/agosto/2017 (17:20h)

Local: Escola Politécnica de Pernambuco – SALA I-4

Resumo:

"O estado crítico de pacientes internados em Unidades de Terapia Intensivas (UTIs) demanda acompanhamento contínuo e intensivo, permitindo que esses pacientes possam se recuperar mediante procedimentos médicos providos por profissionais de saúde, especialmente do time de enfermagem. Dados os muitos procedimentos atinentes são gerados altos volumes de dados multi-parâmetros pelos equipamentos que acompanham os pacientes nos leitos. Vale salientar também, que em muitos casos as decisões tomadas nesses ambientes são limitadas ao não considerar particularidades de pacientes acarretando em problemas futuros.

Nesse cenário, Sistemas de Apoio a Decisão (SADs) aparecem como uma alternativa capaz de produzir informações relevantes, advindas dos sinais dos pacientes, para assistir o processo de decisão. O uso de Semiótica Computacional em conjunto com Computação Inteligente permite a concepção de ferramentas computacionais que podem funcionar nesses domínios complexos, relacionando as muitas variáveis disponíveis e revelando seus significados apropriadamente aceca dos estados dos pacientes, permitindo que melhores decisões sejam tomadas. 

A abordagem proposta neste trabalho se baseia nas técnicas de Otimização por Enxames de Partículas, hibridizada com Lógica Difusa, objetivando revelar informações intrínsecas dos pacientes a partir de dados brutos não rotulados. Ela também considera na hibridização de Árvores de Decisões com Lógica Difusa na resolução dos problemas de classificação decorrentes, permitindo relacionar parâmetros para gerar respostas precisas e com bom grau de entendimento acerca processo de decisão adotado. Além disso, a abordagem Semiótica adotada é capaz de manipular conhecimentos prévios (i.e. históricos de pacientes), guiando o processo em direção a uma solução mais apropriada às necessidades do usuário e também do contexto da situação percebida.

Os resultados obtidos através dos experimentos realizados neste trabalho ilustram que o modelo proposto consegue trabalhar harmoniosamente, gerando saídas (mediante classificações de sinais vitais) que podem auxiliar nas tomadas de decisões em Unidades de Terapia Intensiva de forma precisa e intuitiva. Nos cenários testados foram demonstradas as avaliações realizadas do modelo por várias métricas.

Como contribuição deste trabalho se destaca o mecanismo inteligente desenvolvido que é capaz de ser integrado em SADs e que permite a identificação de padrões individuais de forma adaptativa, realizando um processo de tomada de decisão individualizada ao considerar particularidades de pacientes."