Avaliação Comportamental por Meio de Triagem com a Lógica Fuzzy Para o Auxílio na Predição de Tracos Esquizofrênicos em Adultos Segundo Critérios A e B do DSM-5

• Maria Dayane Almeida Araújo IFCE
• Rhyan Ximenes de Brito IFCE

DOI: https://doi.org/10.5753/encompif.2021.15949

Resumo

A Inteligencia Artificial (IA) como ferramenta de apoio a disgnósticos especializados mostra-se bastante promissora. Dentro dessa perspectiva sabe-se que a esquizofrenia é um distúrbio psiquiátrico de difícil diagnostico. Nesse sentido este trabalho apresenta um sistema fuzzy cujo objetivo é auxiliar profissionais na avaliação comportamental de pacientes por meio da triagem de características que enseje no fechamento de diagnósticos. A metodologia foi realizada com base em simulações onde os sintomas como delírios, alucinações, discurso desorganizado entre outros foram utilizados como variáveis de entrada. Com base nos resultados pode-se concluir que a IA tem muito a contribuir na busca por soluções na área medica em especial no auxílio de diagnósticos.

Palavras-chave: Fuzzy, Diagnóstico, Saúde, Esquizofrênicos

Referências

Amorim, L. et al. (2018). Avaliação de funcionalidade em pacientes com esquizofrenia. Dissertação de mestrado, Universidade Federal de Santa Maria. Centro de Filosofia e Ciências Humanas, Programa de Pós-graduação em Psicologia.

Araújo, Á. C. and Neto, F. L. (2014). A nova classificação americana para os transtornos mentais–o dsm-5. Revista brasileira de terapia comportamental e cognitiva, 16(1):67–82.

Araujo, M. D. A., Moreira, L. Y. M. R., and de Brito, R. X. (2019). Modelo computacional com fuzzy como recurso auxiliador na predição da esquizofrenia em adultos. In Anais da VII Escola Regional de Computação Aplicada à Saúde, pages 199–204. SBC.

Association, A. P. et al. (2014). DSM-5: Manual diagnóstico e estatístico de transtornos mentais. Artmed Editora.

Behenck, A., da Silva, A. D., de Humerez, D. C., Mancia, J. R., and de Souza Padilha, M. I. C. (2011). A família frente ao processo de tratamento e reinternação do portador de esquizofrenia. Enfermagem em Foco, 2(4):210–214.

de Azevedo, M. S., Suárez, L. d. A. B., Caldas, M. T., de Sousa, M. N. A., de Sousa, T. B. d. S., Suárez, P. R., et al. (2019). Desenvolvimento de protótipo de sistema especialista para o auxílio no diagnóstico de esquizofrenia. Revista Brasileira de Educação e Saúde, 9(4).

de Brito, R. X., Fernandes, C. A. R., and Amora, M. A. B. (2020). Análise de desempenho com redes neurais artificiais, arquiteturas mlp e rbf para um problema

de classificação de crianças com autismo. iSys-Revista Brasileira de Sistemas de Informação, 13(1):60–76.

Fonseca, M. B. (2019).Classificação do Transtorno Bipolar, Esquizofrenia e Depressão Utilizando Redes Neurais Artificiais. Tese de doutorado, Universidade Católica de Pelotas.

Lobo, L. C. (2018). Inteligência artificial, o futuro da medicina e a educação médica. Revista Brasileira de Educação Médica, 42(3):3–8.

Marro, A. A., Souza, A. d. C., Cavalcante, E. d. S., Bezerra, G. S., and NUNES, R. O.(2010). Lógica fuzzy: conceitos e aplicações. Natal: Universidade Federal do Rio Grande do Norte (UFRN).

Razzouk, D., Shirakawa, I., and Mari, J. d. J. (2000). Sistemas inteligentes no diagnóstico da esquizofrenia. Brazilian Journal of Psychiatry, 22:35–37.

Rosa, M. A. and Elkis, H. Adesão em esquizofrenia. Arquivos de Psiquiatria Clínica (São Paulo), 34:189–192.

Shirakawa, I. (2000). Aspectos gerais do manejo do tratamento de pacientes com esquizofrenia. Brazilian Journal of Psychiatry, 22:56–58.

Vergara, R. F. (2018). Detecção de alterações cerebrais anatômicas associadas à esquizofrenia com base em redes convolucionais aplicadas a imagens de ressonância magnética. Dissertação de mestrado, Universidade de Brasília.