Transcript
Lepo: Sistema de Apoio à Decisão Médica emOftalmologia Baseado no Sistema Lepidus Ivan Torres Pisa 1 , Juliana Mantovani Bottós 2 , Andréia Cristina Galina 3 , Paulo Roberto de Lima Lopes 4 ,Claudia Novoa Barsottini 5 , Antonio Carlos Roque da Silva Filho 6 , Paulo Schor 7 1,4,5 Departamento de Informática em Saúde (DIS),Universidade Federal de São Paulo (UNIFESP/EPM), Brasil 2,7 Setor de Bioengenharia Ocular, Departamento de Oftalmologia,Universidade Federal de São Paulo (UNIFESP/EPM), Brasil 3,6 Departamento de Física e Matemática (DFM), Faculdade de Filosofia, Ciênciase Letras de Ribeirão Preto (FFCLRP), Universidade de São Paulo (USP), Brasil Resumo - O projeto Lepo visa desenvolver uma versão do sistema Lepidus especializada em oftalmologia.Esse sistema baseia-se em uma codificação srcinal através de funções senoidais amortecidas de sinais e sin-tomas médicos para descrever doenças. Oferece consulta remota via Internet para auxiliar médicos no diagnós-tico de seus pacientes como segunda opinião. Para adaptar o sistema Lepidus para descritores em oftalmologiaé necessário definir o escopo dos sinais, sintomas e doenças, mapear seus relacionamentos, codificar suasfunções senoidais amortecidas e utilizar o mecanismo neural de comparação de padrões. A definição do escopoem oftalmologia está sendo realizada através de um questionário disponível na Internet, com acesso controladopara médicos colaboradores do projeto, envolvendo 20 doenças prevalentes ao diagnóstico de olho vermelho.Considera-se 19 sinais e sintomas e a relevância de 5 informações da história clínica do paciente. Os padrõesencontrados sobre as doenças são comparados com a literatura para permitir codificar um banco de dadosespecífico em oftalmologia. O sistema Lepo oferece uma ferramenta remota aos profissionais médicos no auxí-lio ao diagnóstico a partir de descritores simplificados sobre o estado do paciente. Lepo permite avaliar o impac-to desse tipo de auxílio computadorizado sobre a triagem e assistência em saúde.Palavras-chave: Lepidus, Sistemas de Apoio à Decisão Médica, Segunda Opinião Médica, Oftalmologia. Abstract - Lepo project aims at to develop a version of the Lepidus system specialized in ophthalmology. Thissystem is based on an srcinal codification through sine functions cushioned of signals and medical symptomsto describe illnesses. It offers remote consultation by Internet to assist doctors in the diagnosis of its patients assecond opinion. To adapt the Lepidus system for describers in ophthalmology it is necessary to define the sig-nals, symptoms and illnesses domains, to map its relations, to codify its sine functions cushioned, and to usethe neural mechanism of comparison of standards. The definition of the domain in ophthalmology is being car-ried through web questionnaire, with controlled access for collaborating doctors of the project. It involves 20prevalent illnesses to the diagnosis of red eye and considers 19 signals and symptoms and the relevance of 5information of the clinical history of the patient. The standards found on the illnesses are compared with litera-ture to create a specific database in ophthalmology. Lepo allows the evaluation of the impact of this type of aidcomputerized on the selection and assistance in health.Keywords: Lepidus, Computer-based Diagnostic Systems, Second Medical Opinion, Ophthalmology. Introdução Sistemas de Apoio à Decisão Médica (SADM) O desenvolvimento de sistemas informatiza-dos para representar e gerenciar dados médicos foifundamental para auxiliar a evolução da prática damedicina nas últimas três décadas. Entre as moda-lidades de aplicação de sistemas informatizados àárea de saúde e medicina encontram-se os chama-dos sistemas de apoio à decisão médica (SADM)[1]. Esses sistemas foram desenvolvidos com ointuito de auxiliar os profissionais da saúde a tomar decisões que influenciem diretamente no diagnósti-co de pacientes ou no gerenciamento de processosque levem ao diagnóstico. Um dos principais moti-vadores para o uso de SADMs é a esperança deque eles possam ajudar a superar algumas dasdificuldades intrínsecas à própria natureza do co-nhecimento médico, que é incerto, impreciso e in- completo [2]. Aproveitando os recursos da informá-tica, os sistemas automatizados de apoio à decisãopossuem a capacidade de incorporar e representar uma enorme quantidade de informação médica ede codificar estratégias de seleção e decisão quelevem a respostas úteis para o processo de tomadade decisão de um profissional de saúde.Os primeiros sistemas computadorizados deapoio à decisão médica surgiram na década de1970. Considera-se que o primeiro sistema foi odesenvolvido por De Dombal na Universidade deLeeds, Inglaterra, para auxiliar no diagnóstico dedor abdominal [3]. Um outro sistema que surgiumais ou menos na mesma época é o MYCIN [4],dedicado ao diagnóstico de doenças infecciosas, eque foi o primeiro a adotar estratégias de inteligên-cia artificial. A partir daquela época, vários outrosforam desenvolvidos incluindo desde sistemas deamplo escopo, cobrindo toda a medicina interna,como os sistemas do projeto Internist-1/QMR [5,6] eo DXPlain [7], até sistemas voltados para domíniosespecíficos [8,1]. No Brasil, sistemas de apoio àdecisão médica têm sido desenvolvidos para asáreas de audiologia, cardiologia, dermatologia,homeopatia, medicina chinesa, neurologia, oftalmo-logia, pediatria, psiquiatria, entre outras [9].Com seus sucessos e fracassos, o desenvol-vimento e a aplicação de SADMs tem sido crescen-te. Apesar das várias discussões e questionamen-tos, sua participação na evolução da prática daMedicina, juntamente com a de toda a informática,se mostra irreversível [10,11]. SADM Lepidus O SADM Lepidus [9] teve sua primeira ver-são desenvolvida por Roberto Silva e Antônio Car-los Roque da Silva Filho entre 1997 e 2000 comoparte de um programa de doutoramento no Depar-tamento de Física e Matemática (DFM), Faculdadede Filosofia, Ciências e Letras de Ribeirão Preto(FFCLRP), Universidade de São Paulo (USP). Essesistema utiliza uma forma de representação dossinais e sintomas médicos através de funções se-noidais amortecidas [9,12].Para construir essa representação, a palavrausada para descrever um determinado sinal ousintoma é analisada semanticamente para que trêscategorizações sejam dela extraídas: região docorpo na qual se manifesta, tipo de processo fisio-patológico associado e intensidade. A associaçãode três diferentes escalas numéricas às categoriaspermite representar cada palavra através de umafunção bx e x AsenS − = ).( ω , (1)na qual ω é o valor da freqüência que codifica aregião do corpo, A é o valor da amplitude que codi-fica a intensidade e b representa a taxa que amor-tecimento que codifica o tipo de processo fisiopato-lógico. Nessa forma de representação, uma doençaé codificada como a superposição das funçõessenoidais associadas aos sinais e sintomas que acaracterizam, ∑ = = nii S D 1 (2)na qual D é a doença codificada e {Si}, i= 1,.., n é oseu conjunto de sintomas.O sistema Lepidus utiliza uma rede neural ar-tificial para processar os sinais senoidais amorteci-dos associados aos sinais e sintomas informadosna sua entrada e compará-los com os padrões osci-latórios das doenças armazenadas em sua base dedados. Como saída, o Lepidus oferece uma lista depossíveis doenças relacionadas com os dados deentrada e sua proximidade. A base de dados srci-nal contém 1130 doenças e 400 sinais e sintomas[9].O desempenho do Lepidus foi avaliado to-mando-se 132 casos reais do arquivo do Hospitaldas Clínicas da Faculdade de Medicina de RibeirãoPreto (HCFMRP – USP) e de revistas especializa-das. Considerou-se como acerto a colocação dodiagnóstico correto entre as primeiras 37 doençasda lista apresentada na saída [13]. O sistema Lepi-dus apresentou índice de acerto de 84%, apresen-tando eficácia semelhante aos sistemas Meditel eIliad [9]. Quando consideradas apenas as 20 pri-meiras hipóteses, o índice de acerto foi de 68%. Adotando esse mesmo parâmetro, outros sistemasde diagnóstico médico geral apresentam índices deacerto de 52% (QMR), 61% (Iliad), 69% (DXPlain) e71% (Meditel) [14]. Causas de erro no sistema Lepidus são atri-buídas ao quadro indiferenciado do paciente (38%),diagnóstico não contido no sistema (19%), quadroincompleto na base de dados (19%), quadro oligos-sintomático (9,5%) e diferença semântica médi-co/sistema (5%) [12]. Objetivos O objetivo desse trabalho é desenvolver umaversão do sistema Lepidus especializada em oftal-mologia – aqui denominado sistema Lepidus Oftal- mológico (Lepo), e avaliar seu impacto sobre atriagem e assistência em saúde. Como resultado, osistema Lepo abordará um escopo limitado de si-nais, sintomas, história clínica e doenças específi-cas da área de oftalmologia e permitirá que médi-cos busquem apoio à decisão diagnóstica de ma-neira remota e controlada.O sistema LEPO está sendo desenvolvidoem parceria com o Setor de Bioengenharia Ocular (SBO) do Departamento de Oftalmologia, Setor deTelemedicina (SET) do Departamento de Informáti-ca em Saúde (DIS) e Centro Alfa da Humanizaçãodo Ensino em Medicina, da Universidade Federalde São Paulo (UNIFESP/EPM), e pelo Laboratóriode Sistemas Neurais (SisNe) do Departamento deFísica e Matemática (DFM), Faculdade de Filosofia,Ciências e Letras de Ribeirão Preto (FFCLRP),Universidade de São Paulo (USP). Material e Métodos O sistema Lepidus baseia-se em uma basede dados na qual os descritores médicos são codi-ficados de maneira a representar suas funçõessenoidais amortecidas. A base de dados srcinal dosistema Lepidus codifica 1130 doenças e 400 sinaise sintomas de caráter geral em medicina, permitin-do seu uso em clínica geral.O sistema Lepo constitui uma adaptação dosistema srcinal para um escopo limitado à áreaoftalmológica. Nesse caso, a metodologia e rotinasutilizadas no Lepo seguem a mesma linha que asdefinidas no Lepidus. Basicamente é possível dis-tinguir dois componentes principais no mecanismode busca de diagnóstico do Lepidus: primeiro, suabase de dados compõe a inteligência do sistema naqual codificam-se os descritores e doenças do es-copo definido; segundo, seu mecanismo de consul-ta realiza uma busca por padrões de funções se-noidais amortecidas que correspondam o maispróximo possível do padrão de entrada oferecidopelo médico que deseja consultar o sistema. A me-todologia de criação do Lepo, portanto, inicia-secom a construção da base de dados de codificaçãopara descritores específicos da oftalmologia. Poste-riormente, o mecanismo de busca por padrões po-derá ser utilizado analogamente ao sistema Lepi-dus, sofrendo alterações eventualmente dependen-do dos resultados de acerto obtidos. A codificação para oftalmologia propostanesse trabalho considera um conjunto de 20 doen-ças oftalmológicas, todas correspondendo a diag-nósticos diferenciais mais prevalentes de “olhovermelho”. Futuramente considera-se uma expan-são desse escopo para abordar outras doençasoftalmológicas, abrangendo a vasta área de doen-ças oculares. Considera-se 19 sinais e sintomasespecíficos da oftalmologia para compor a freqüên-cia da função senoidal amortecida. A intensidadedo descritor é interpretada como a amplitude dafunção de maneira que sintomas mais leves e mo-noculares correspondem a amplitudes menores,enquanto sintomas mais intensos e binocularesresultam em amplitudes maiores. A duração, oumodo de início, de cada sintoma é codificado comoa taxa de decaimento da função de modo que ossintomas com início insidioso apresentam constan-tes de decaimento menores que aquelas com inícioabrupto. Adicionalmente, cinco informações sobre ahistória clínica do paciente são consideradas paracompor a freqüência da função senoidal amorteci-da. Analogamente à interpretação no sistema Lepi-dus, as doenças no Lepo são codificadas como umsomatório de seus descritores, apresentando umafunção senoidal amortecida única. Resultados O sistema Lepo está em desenvolvimento eapresenta resultados preliminares. Inicialmente,definiram-se os descritores e as doenças da áreade oftalmologia que o Lepo abordaria em sua pri-meira versão.Consideraram-se doenças oftalmológicasque correspondem a diagnósticos diferenciais pre-valentes em olho vermelho: conjuntivite viral, con- juntivite alérgica, conjuntivite bacteriana, conjuntivi-te de inclusão, pterígeo ou pinguécula, blefarite,calázio ou hordéolo, hemorragia subconjuntival,episclerite, esclerite, irite ou iridociclite, dacriocistite,ceratite infecciosa, úlcera corneana não infecciosa,corpo estranho corneano ou conjuntival, olho seco,glaucoma agudo, endoftalmite, celulite pré-septal ecelulite orbitária.Consideraram-se 19 sinais e sintomas: ver-melhidão ocular difusa, vermelhidão perilímbica,lacrimejamento, sensação de corpo estranho, pruri-do ocular, edema palpebral, eritema palpebral, a-denopatia pré-auricular, diminuição do brilho corne-ano, tumoração localizada, quemose, secre-ção/exsudação, vesículas palpebrais, fotofobia, dor à movimentação, dor constante, dor à palpação,alteração visual e alteração pupilar. Para cada sin-toma consideraram-se as seguintes variaçõesquanto à sua intensidade: binocular intensa, mono-cular intensa, binocular de intensidade moderada,monocular de intensidade moderada, binocular deintensidade leve e monocular de intensidade leve.Quanto ao modo de início adotaram-se os parâme-tros: súbito/agudo, início de 0 a 1 dia, início de 2 a 3dias, início de 4 a 7 dias, início de 8 a 14 dias, início de 15 a 21 dias, mais de 21 dias, insidioso/crônicoe indefinido. Adicionalmente aos sinais e sintomas consi-derou-se a intensidade e relevância de cinco infor-mações sobre a história clínica do paciente: uso delentes de contato, cirurgia ocular prévia, história detrauma ocular, quadro recidivante e associaçõessistêmicas (atopia, doenças reumáticas, febre, do-enças metabólicas, nutricionais etc).Para a formulação de um padrão que repre-senta as doenças consideradas criou-se um questi-onário web disponível pela Internet para que médi-cos colaboradores cadastrados contribuam comsuas experiências profissionais. Esse questionáriofoi desenvolvido utilizando-se a linguagem PHPpara criação de páginas dinâmicas, gerando pági-nas HTML com o formulário do questionário.Osdados postados são armazenados diretamente nobanco de dados MySQL disponível no computador servidor.Considerou-se o exame físico do pacienteutilizando apenas lanterna e eventualmente lupa,além de fonte de luz, sem fornecer dados obtidospor exames oftalmológicos específicos, como lâm-pada de fenda. Cada médico colaborador oferecerespostas baseadas em situações típicas encontra-das no dia a dia de seu consultório. Além disso,uma pesquisa da literatura médica disponível foirealizada para que seja possível comparar e avaliar as respostas fornecidas pela pesquisa com os co-laboradores. Cada médico colaborador se cadastra,informando seu nome, CRM e e-mail de contato einicia a série de formulários relativos às 20 doençasdo escopo, com seus 19 sinais e sintomas e cincodados sobre história pregressa do paciente. A análise das respostas dos médicos colabo-radores em relação às 20 doenças propostas peloLepo, quando comparadas aos dados contidos emliteratura, apresentaram-se semelhantes. Os sinto-mas expostos pelo questionário foram igualmentedestacados pelos especialistas, baseados em suasexperiências profissionais. Tais sintomas tambémsão descritos na literatura [15,16,17,18], com certasdiferenças quanto à intensidade e duração de al-guns dos sintomas citados em determinadas doen-ças. Essas pequenas variações de intensidade eduração podem ser observadas até mesmo na lite-ratura clássica. Portanto, foram adotados comopadrão para a confecção das funções senoidais ossintomas, intensidades e durações mais freqüente-mente destacadas pelos profissionais e pela litera-tura pesquisada.O próximo passo para o desenvolvimento dosistema Lepo considera propor uma codificaçãopara o mapeamento avaliado dos sinais e sintomase suas doenças do escopo definido. Posteriormen-te, o mecanismo de treino e busca do sistema Lepi-dus será adaptado para suportar a codificação pro-posta. Finalmente, a fase final considera a avalia-ção crítica e tecnológica do uso do sistema e suasconseqüências em sistemas de triagem e de se-gunda opinião médica. Discussão O sistema Lepo preconiza o apoio à decisãodiagnóstica na área oftalmológica a partir de umnúmero limitado de hipóteses, o que passa a ser uma medida estratégica que pode viabilizar o diag-nóstico dentro de determinadas circunstâncias deatendimento. A formulação de uma segunda opinião, emse tratando de casos obscuros e de difícil diagnós-tico, compreende importante área de atuação doLepo. Coloca-se à disposição médica como maisuma alternativa de consulta em casos em que omédico decide considerar opiniões e hipótesesalternativas, porém, ficando ao seu critério a deci-são final.Estudos demonstram que, em atendimentoprimário, 88% dos diagnósticos podem ser firmadosapenas com dados da anamnese e exame físico[19], exatamente os tipos de descritores presentesno sistema Lepo.Sistemas de apoio à decisão têm sido impli-cados como fatores de diminuição de erros e decustos em aplicações na área da saúde [20]. Essesfatores podem se estender à oftalmologia pelo sis-tema Lepo, no que concerne ao direcionamento deexames complementares baseados nas hipótesesdiagnósticas fornecidas pelo sistema. A disponibilização de um sistema de apoiodiagnóstico voltado à área oftalmológica permitiráque comunidades isoladas, com difícil acesso aosgrandes centros e carentes de profissionais especi-alizados em oftalmologia, possam ter acesso adiagnósticos freqüentes nessa área, bem comoatuar como segunda opinião frente a diagnósticosincertos. Além disso, situações onde o atendimentonecessite ser feito em condições diferentes das quenormalmente ocorre e para as quais não exista, ounão caiba, a presença de um profissional especiali-zado (como plataformas em alto-mar, missões indí-genas, militares ou científicas, serviço médico empenitenciárias, entre outros) podem ser amplamen-te beneficiadas com o sistema Lepo.Tal iniciativa não supre, obviamente, asgrandes necessidades dos serviços de atendimentoà saúde. Tampouco intenta descartar qualquer eloda extensa rede de atendimento médico, já que,além do diagnóstico da enfermidade, é imprescindí-vel a boa relação médico-paciente em uma ambien- te empático, as orientações fornecidas, o apoioemocional, e, sobretudo, a confiança do pacienteem seu médico, e que não podem ser descartadasou substituídas pelo computador. O sistema LEPOpode servir como um ponto de referência em casosoftalmológicos que exijam uma pesquisa diferenci-ada, sejam por casos obscuros, ou por serem in-trinsecamente complexos. Conclusão O sistema de apoio à decisão médica espe-cializada em oftalmologia Lepo oferece uma ferra-menta remota aos profissionais médicos no auxílioao diagnóstico a partir de descritores simplificadossobre o estado do paciente. Lepo permite avaliar oimpacto desse tipo de auxílio computadorizadosobre a triagem e assistência em saúde. A versãoatual do Lepo aborda um escopo de sinais, sinto-mas, história clínica e doenças prevalentes ao di-agnóstico de olho vermelho. Agradecimentos Os autores agradecem às instituições parcei-ras pelo suporte às pesquisas em desenvolvimento. Referências Bibliográficas [1] Musen, M.A., Shahar, Y., Shortliffe, E.H.(2001), Clinical Decision-Support Systems. In:Shortliffe, E. H. and Perreault, L. E. (Eds.), Medical Informatics: Computer Applications inHealth Care and Biomedicine, Second Edition ,Springer-Verlag, New York, pp. 573-609.[2] Bouchon-Meunier, B. (2000), “Uncertainty Man-agement in Medical Applications”, In: Akay, M.(Ed.), Nonlinear Biomedical Signal Processing,Volume I: Fuzzy Logic, Neural Networks, and New Algorithms , IEEE Press, New York, p. 1-26.[3] De Dombal, F.T., Leaper, D.J., Staniland, J.R.,McCann, A.P., Horrocks, J.C. (1972), “Com-puter-aided diagnosis of acute abdominal pain”,In: British Medical Journal , n. 1, p. 376-380.[4] Shortliffe, E.H. (1976), Computer-Based Medical Consultation, MYCIN , Elsevier/North Holland,New York.[5] Miller, R.A., Pople, H.E., Myers, J.D. (1982),“INTERNIST-1: An experimental computer-based diagnostic consultant for general internalmedicine”, New England Journal of Medicine ,n. 307, p. 468-476.[6] Miller, R.A., McNeil, M.A., Challinor, S.M., Ma-sarie, F.E., Myers, J.D. (1986), “TheINTERNIST-1/Quick Medical Reference project:status report”, Western Journal of Medicine , n.145, p. 816-822.[7] Barnett, G.O., Cimino, J.J., Hupp, J.A., Hoffer,E.P. (1987), “Dxplain: an evolving diagnosticdecision-support system”, Journal of the Ameri-can Medical Association , n. 258, p. 67-74.[8] David, J.M., Krivine, J.P., Simmons, R. (Eds.),(1993), Second Generation Expert Systems ,Springer-Verlag, Berlin.[9] Silva, R. (2000), LEPIDUS: Sistema Especialistaem Medicina Geral , Tese de Doutorado, Pro-grama de Física Aplicada à Medicina e Biologi-a, Faculdade de Filosofia, Ciências e Letras deRibeirão Preto, Universidade de São Paulo, Ri-beirão Preto, 123p.[10] Shortliffe, E.H. (1989), “Testing reality: the in-troduction of support technologies for physi-cians”, In: Methods of Information in Medicine ,n. 28, p. 1-5.[11] Berg, M. (1997), Rationalizing Medical Work:Decision Support Techniques and Medical Practices , MIT Press, Cambridge, MA.[12] Silva, R, Roque, A.C. (2000), “Clinical medicaldiagnosis using a signal-processing approach”,In: Valafar, F. (Ed.), Proceedings of the Interna-tional Conference on Mathematics and Engi-neering Techniques in Medicine and Biological Sciences-METMBS’00 , Las Vegas, NV, CSREAPress, pp. 13-18.[13] Kassirer, J.P., Gorry, G. (1978), “Clinical prob-lem solving: a behavioral analysis”, In: Annalsof Internal Medicine , n. 89, p. 245-255.[14] Berner, E.S. (1994), “Performance of four com-puter-based diagnostic systems”, New England Journal of Medicine, v. 330, p. 1792-96.[15] Rhee, D.J.; Pyfer, M.F. (1999), The Wills EyeManual , third edition, Ed. Lippincott Williams &Wilkins.[16] Leibowitz H.M. (2000), “The Red Eye”, In: N.Engl. J. Med. , v. 343(5), p. 345-51.
