RESUMO

Introdução: A Inteligência Artificial desenvolve sistemas inteligentes que são instrumentos promissores para auxiliar o médico na tomada de decisão a cerca de um diagnóstico ou de uma terapêutica. A necessidade de desenvolver metodologias padronizadas e avaliar estes sistemas é fundamental antes de utilizá-los no campo clínico. Poucos estudos elaboraram e testaram os sistemas de apoio à decisão no domínio do diagnóstico da Esquizofrenia. O uso de tais ferramentas em áreas complexas do conhecimento e com alto grau de incerteza pode auxiliar no ensino e na prática clínica do especialista.

Objetivos: Este estudo visa elaborar uma base de conhecimento sobre o diagnóstico da Esquizofrenia, baseada em um experto da área, verificar a validade de face e de critério do modelo obtido e verificar a confiabilidade entre examinadores no preenchimento do questionário de itens contidos na base de conhecimento, elaborado para compor a interface do sistema.

Método: Amostra: Após um estudo piloto com três expertos, foi selecionado um experto da área de Esquizofrenia para a extração do conhecimento. Instrumentos: Foram utilizadas entrevistas abertas mediante a apresentação de 11 casos clínicos, em formato de vinhetas, oriundos de prontuários de ambulatórios do Departamento de Psiquiatria da Unifesp/EPM. Procedimento: Durante o período de 18 meses, foram realizadas entrevistas qualitativas com um experto da área de Esquizofrenia .Destas entrevistas foram extraídos os principais elementos do raciocínio diagnóstico em forma de grafos de decisão. O conhecimento obtido foi organizado e formalizado em algoritmos e em uma tabela de decisão. Foi elaborado um questionário de sintomas e dados de história com todos os itens contidos na base de conhecimento. Procedeu-se a verificação da confiabilidade entre 3 observadores para este instrumento, através de 38 vinhetas clínicas. Foi avaliada a validade de face e de critério do modelo comparando-o com o padrão-ouro (experto). Análise estatística: Foi feito o cálculo do kappa de Cohen para verificar a confiabilidade entre os observadores e a concordância entre os diagnósticos com o padrão-ouro.Resultados: Os valores de kappa entre os examinadores 1 e 2 foram baixos e entre 2 e 3 foram moderados a bons. A validade de critério do modelo apresentou bons índices para o diagnóstico de certeza (k= 0,67 -0,74) de Esquizofrenia e índices moderados para os diagnósticos duvidosos (0,45-0,67).

Conclusão: Este trabalho apresenta limitações pelo tamanho da amostra, por se basear em vinhetas, pelo viés de resposta do observador e pela necessidade de treinamento sobre os principais conceitos da base de conhecimento. No entanto, estes resultados, ainda que preliminares, são promissores para dar continuidade ao desenvolvimento do Sistema de Apoio à Decisão no diagnóstico da Esquizofrenia.

ABSTRACT

Key-words: Schizophrenia, Knowledge acquisition, Expert system, Knowledge base and Artificial Intelligence

 Introduction: Expert systems are developed by artificial intelligence techniques to help medical decisions on diagnosis and therapeutics. It is a worthwhile standard methodology criteria to evaluate its application in clinical settings. Very few studies have validated expert systems in the Schizophrenia domain. These tools are powerful to deal with uncertain data and complex areas like psychoses. The potential of these systems in education of non-experienced specialists and in improvement of quality health care should be carefully assessed.

Objectives: The aim of this study is to build up a knowledge base about diagnostic system of Schizophrenia, based in clinical experience of an expert, and to measure face and criteria validity of the computational model. Secondary, it was developed a coversheet with symptoms and anamnesis data to assess inter-rater reliability.

Method: Sample - It was conducted a pilot study with 3 experts where one of them was selected for the knowledge acquisition phase. Interview: It was interviewed one expert with 11 clinical vignettes based on medical records of the Outpatient Psychiatry Program of the Federal University of São Paulo. Procedures: During 18 months, it was conducted qualitative interviews with one expert of schizophrenia domain to identify the key elements of decision making clinical process. It was employed a graph formalism to represent reasoning model of diagnostic of Schizophrenia. A coversheet with symptoms and historical data was construct to assess knowledge base. The reliability within three raters was measured. Thus, it was assessed criteria validity with 38 vignettes of psychotic cases. Analysis: Cohen´s kappa rate was calculated to assess the reliability within three examinators and to measure the concordance between them and the gold standard.

Results: The results showed low values of kappa between raters 1 and 2 and good results between raters 2 and 3. The criteria validity was fairly well to identify schizophrenia (kappa= 0.67 -074) and moderate to identify uncertain cases (kappa= 0.45-0.67).

Conclusion: The results of this research should be interpreted with caution because of the small sample, and the fact of basing assessments on vignettes. Further studies should be conducted to evaluate the accuracy of this model. However, these results do indicate the possibility of developing a Decision Support System on Diagnosis of Schizophrenia.