Behavioral Evaluation by Screening with Fuzzy Logic to Aid in Predicting Schizophrenic Traits in Adults According to DSM-5 Criteria A and B

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

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

Abstract

Artificial Intelligence (AI) as a tool to support specialized dignitaries is very promising. Within this perspective, it is known that schizophrenia is a psychiatric disorder that is difficult to diagnose. In this sense, this work presents a fuzzy system whose objective is to assist professionals in the behavioral assessment of patients through the screening of characteristics that enable them to close diagnoses. The methodology was carried out based on simulations where symptoms such as delusions, hallucinations, disorganized speech among others were used as input variables. Based on the results, it can be concluded that AI has a lot to contribute in the search for solutions in the medical field, especially in the diagnosis aid.

Keywords: Fuzzy, Diagnosis, Health, Schizophrenics

References

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.