You are on page 1of 2

A simulao uma ferramenta que pode ser utilizada por enfermeiros e

mdicos para se tomar decises precisas e efetivas a tempo de se salvar vidas. O uso de

RNAs e sistemas Neuro-Fuzzy para prever, diagnosticar, ou classificar pacientes

bastante promissor e diversos estudos envolvendo essas ferramentas podem ser

encontrados na literatura.

A presena de cogulos de sangue em artrias foi modelada via RNAs por

Lela et al. (2014). Nesse estudo, os autores consideraram 10 variveis de entrada, sendo

uma combinao de sintomas e fatores de risco.

Latterie e Borseth (2014) aplicaram RNAs para predizer a dose de

gonadotrofina, hCG e o cancelamento do ciclo, relacionando-as com 15 variveis

clnicas independentes. Os resultados obtidos pelos autores mostraram que as RNAs so

capazes de predizer com confiana as trs variveis e se mostraram de acordo com as

decises tomadas pela equipe de mdicos.

Kumar et al. (2014) utilizaram RNAs combinadas com o algoritmo colnia

de formigas no diagnstico de pacientes com diabetes. Nesse estudo, os autores

consideraram um conjunto com oito variveis de entrada e outro, obtido atravs de um

algoritmo de seleo de dados, que continha quatro variveis de entrada. Ambos os

conjuntos consideravam dados fsicos e clnicos do paciente. O resultado obtido pelos

autores mostrou que, para o segundo conjunto, uma RNA com quatro neurnios na

camada oculta era capaz de prever os casos de diabetes com 90 % de preciso.

Kojuri et al. (2015) compararam o desempenho entre RNAs do tipo back-

propagation e do tipo funo de base radial para prever casos de infarto do miocrdio.

Nesse estudo, os autores consideraram como variveis de entrada o histrico clnico,

exames fsicos, laboratoriais, e de eletrocardiogramas dos pacientes. Os resultados


mostraram que RNAs do tipo back-propagation apresentaram melhor desempenho (97

%) em relao s de funo de base radial (90 %).

St e elik (2012) aplicaram RNAs para predizer a mortalidade de pacientes

que tiveram infarto do miocrdio. Em seu estudo, os autores compararam o desempenho

de seis algoritmos de treinamento diferentes, considerando oito variveis de entrada. Os

resultados mostraram que a predio depende do algoritmo de treinamento utilizado,

sendo que a preciso variou entre 60 % e 81 %.

Estudos com modelos neuro-fuzzy tambm podem ser encontrados na

literatura. Chattopadhyay (2014) empregaram um modelo no diagnstico de depresso

com sucesso. Os resultados indicaram uma preciso de 95 %. Nesse estudo, os autores

consideraram quatorze sintomas da patologia como variveis de entrada, dentre elas: se

sentir triste, perda de prazer, e pensamento recorrente de morte.

O diagnstico de cncer de pulmo tambm foi modelado usando um

modelo neuro-fuzzy.

Outros estudos que aplicaram RNAs e sistemas neuro-fuzzy tambm podem

ser encontrados na literatura (Pizzi, 2001; Kaczmarczyk et al., 2009; Huang et al.,

2010), e no review de Kutamari e Sunita (2013).

Apesar de muito utilizadas na medicina, estudos envolvendo casos de

trombose ainda so muito incipientes. So poucos os trabalhos encontrados sobre tal

assunto. A predio de casos de trombose e embolia pulmonar usando RNAs foi

realizada por Ghavami e Kapur (2011), considerando quatro variveis de entrada: nvel

de glicose, neutrfilos, moncitos e peso do paciente. Os resultados desse trabalho

mostraram que as RNAs conseguem prever tais casos com erros abaixo de 10 %.