Sistema de Diagnóstico Médico

Transcrição

1 Projecto de Lógica para Programação LEIC Sistema de Diagnóstico Médico 1. Introdução O que faz um médico num processo de diagnóstico? Observa os sintomas apresentados pelo paciente, serve-se dos seus conhecimentos e, com base na informação de que dispõe, raciocina e apresenta o diagnóstico. Caso o médico conheça o (historial do) paciente, essa informação pode ainda ser usada no processo de diagnóstico. Ora, um diagnóstico médico pode ser visto como a apresentação de um conjunto de hipóteses de doenças, umas com maior probabilidade do que outras, calculadas em função da informação disponível. O que se propõe neste projecto é a criação de um sistema (em Prolog) que simule diagnósticos médicos. O projecto divide-se em duas partes: numa PRIMEIRA ETAPA os alunos deverão IMPLEMENTAR um sistema de diagnóstico médico, respeitando os requisitos apresentados no enunciado do projecto, tais como o formato das bases de conhecimento e fórmulas usadas no cálculo das probabilidades; numa SEGUNDA ETAPA, os alunos deverão ESCREVER UM RELATÓRIO em que descrevem como implementariam um conjunto de extensões ao sistema de diagnóstico médico da primeira etapa. 2. Implementação do sistema de diagnóstico médico básico (PRIMEIRA ETAPA) 2.1 Descrição do problema, estruturas de dados e fórmulas a usar Pode-se modelar a estrutura global de um sistema de diagnósticos através do esquema que se segue: Base de conhecimento contendo os sintomas do paciente; Base de conhecimento contendo os conhecimentos médicos; Motor de inferência que permite raciocinar com a informação disponível Base de conhecimento contendo os sintomas do paciente Esta base de dados contém os sintomas que o paciente apresenta, podendo esta informação ser representada na seguinte forma (doravante cláusula-paciente): apresenta(n UM, SIN TOMA) % em que: % a) NUM é o número que identifica univocamente o paciente; % b) SIN TOMA é o nome do sintoma. 1

2 Exemplo: Se o nariz a pingar é um dos sintomas apresentados pelo paciente 4, cria-se a cláusula: apresenta(4, nariz a pingar ) Base de conhecimento contendo os conhecimentos médicos Nesta base de conhecimento encontra-se o conhecimento médico, i.e., a informação sobre cada doença e os respectivos sintomas. A informação sobre cada doença pode ser apenas o nome da doença e uma lista de sintomas associados: doenca(doenca, LISTA_SINTOMAS). % em que: % a) DOENCA é o nome da doen ça; % b) LISTA_SINTOMAS é a lista dos sintomas da doença. Exemplo: Se o nariz a pingar e a febre forem os sintomas da gripe, cria-se a cláusula: doenca(gripe,[ nariz a pingar, febre ]). Infelizmente, esta representação não é suficientemente expressiva para representar a probabilidade associada a uma doença (há doenças mais raras que outras), nem as probabilidades associadas a cada sintoma de uma doença (há sintomas específicos de certas doenças; há sintomas que se manifestam em várias doenças), sendo este tipo de informação fundamental na construção do diagnóstico. Considerem-se então as seguintes probabilidades 1 : Probabilidade inicial de uma doença (PI): probabilidade de um paciente, antes de ter sido observado, ter a doença. Por exemplo, em 100 pessoas que adoecem, 10 têm gripe. Então a probabilidade inicial de se ter gripe é 10%. Probabilidade de um sintoma ser observado em alguém com a doença (PT): alguns sintomas são muito mais significativos numa doença que outros. Assim, a probabilidade PT, associada a cada sintoma de uma doença, representa a probabilidade do sintoma ser observado em alguém com essa doença (quanto maior for este valor, maior é a probabilidade de uma pessoa que tenha essa doença ter esse sintoma). Por exemplo, a mancha de Koplic (ponto branco na saída da glândula salivar) é um indicador fortíssimo, para não dizer absoluto, do sarampo: quem apanha sarampo tem uma mancha de Koplic. Por exemplo, se observando 100 pessoas com sarampo, 100 têm a mancha de Koplic, então a probabilidade de esse sintoma ser observado em alguém com a doença é de 100%. Se em 100 pessoas com sarampo, 70 tiverem febre, a probabilidade de alguém 1 As probabilidades apresentadas em todo este enunciado não têm nenhum suporte científico. 2

3 com sarampo ter febre é de 70%. Note-se que esta probabilidade é diferente da probabilidade de uma pessoa com febre ter sarampo (o que nos leva à probabilidade seguinte). Probabilidade de um paciente ter os sintomas de uma doença e não ter essa doença (PN): um sintoma que seja comum a várias doenças ajuda menos no diagnóstico do que um que seja característico de uma doença em particular. Por outras palavras, há certos sintomas, que o facto de um paciente os apresentar, não quer dizer que tenha a doença, apesar de serem sintomas da doença. Por exemplo, a febre é um sintoma do sarampo, mas uma pessoa que tenha febre não tem necessariamente sarampo. Por exemplo, se em 100 pessoas com febre, 2 tiverem sarampo, pode-se concluir que 2% das pessoas que têm febre têm sarampo (ou seja, que 98% das pessoas que têm febre, não têm sarampo). Note-se que não permite concluir que 2% das pessoas que têm sarampo têm febre (isso é determinado pela probabilidade anterior). Cada doença pode então representar-se através de cláusulas na seguinte forma (doravante cláusula-doença): doenca(doenca, PI, [sintoma(sintoma 1, PT 1, PN 1 ), % em que..., sintoma(sintoma n, PT n, PN n )]) % a) DOENCA é o nome da doen ça; % b) PI é a probabilidade inicial da doença; % c) SINTOMA i é o nome do sintoma i; % d) PT i é a probabilidade do sintoma i ser observado em alguém com a doença; % e) PN i é a probabilidade de um sintoma i ser observado em alguém sem a doença. Exemplo: A seguinte cláusula-doença: doenca(sarampo, 2, [sintoma('manchas vermelhas', 95, 60), sintoma( febre, 90, 98), sintoma('mancha de Koplic', 100, 3)]). indica que: 2% dos doentes têm sarampo; 95% das pessoas que têm sarampo têm manchas vermelhas; 60% das pessoas que têm manchas vermelhas não têm sarampo; 90% das pessoas que têm sarampo têm febre; 98% das pessoas que têm febre não têm sarampo; 100% das pessoas que têm sarampo têm a mancha de Koplic (repare-se que com esta informação pode-se concluir que uma pessoa que não tenha essa mancha, não tem sarampo, mas não que uma pessoa que tenha essa mancha tem sarampo); 3% das pessoas que têm a mancha de Koplic não têm sarampo. 3

4 2.1.3 Motor de inferência que permite raciocinar com a informação anterior Com base nos sintomas apresentados pelo paciente, o processo de diagnóstico pode ser feito do seguinte modo, analisando uma doença de cada vez: começa-se com a probabilidade inicial PI da doença, para cada sintoma, vai-se actualizando a probabilidade de se ter essa doença, tendo em conta as probabilidades PT e PN do sintoma e o facto do doente os apresentar ou não. No final, a doença com maior probabilidade é a doença diagnosticada pelo médico. A actualização de probabilidades pode ser feita recorrendo ao teorema de Bayes, que permite calcular uma nova probabilidade, dada uma probabilidade anterior e uma nova evidência (neste caso, cada novo sintoma). Assim, a probabilidade de um paciente ter uma dada doença pode ser calculada com base nas fórmulas (1) e (2), que devem ser aplicadas sempre que se analisa um dado sintoma da doença em estudo, respectivamente nos casos em que o paciente apresenta o sintoma ou não o apresenta (ou seja, a fórmula (1) deve ser aplicada caso o paciente apresente o sintoma em análise; a fórmula (2) caso não apresente). Note-se que p representa a probabilidade anteriormente calculada. (1) P = (2) p =! PT " p PT " p + PN(100 # p) "100 (100 " PT) # p (100 " PT) # p + (100 " PN)(100 " p) # Detalhes da implementação! Ferramenta Vai ser usado o swi-prolog (ferramenta com a qual vai ser avaliado o projecto). Informação sobre o swi-prolog pode ser consultada em onde se podem também obter as ferramentas para as várias plataformas Regra a implementar e formato dos resultados Os alunos terão de implementar uma regra cuja cabeça seja diagnostica. Esta regra deverá ser implementada no ficheiro motordiagnostico.pl e será através dela que serão calculadas (de acordo com as fórmulas dadas) as probabilidades associadas a cada doença (dados os sintomas de cada paciente), bem como o diagnóstico. Note que: o o O código a entregar deve estar ÚNICA e EXCLUSIVAMENTE no ficheiro motordiagnostico.pl; O ficheiro motordiagnostico.pl não deve carregar a BDMedica.pl e a BDPacientes.pl. 4

5 Em relação ao formato de saída, este deverá ser o seguinte: num: NUM 1 d: DOENÇA 1 p: P d: DOENÇA n p: P 1n diagnostico -> d: DOENCA i p: P 1i... num: NUM m d: DOENÇA 1 p: P m1... d: DOENÇA n p: P mn diagnostico -> d: DOENCA j p: P mj Em que: o NUM i é o número do paciente i; o DOENÇA i é o nome da doença i; o P ij é a probabilidade de o doente i ter a doença j. Note que: a) Os pacientes devem aparecer por ordem numérica crescente; b) As doenças devem aparecer por ordem alfabética crescente; c) A seguir a num, d e p segue-se IMEDIATAMENTE o símbolo : e um espaço; d) A seguir à palavra diagnostico segue-se um espaço, os símbolos e > e um espaço; e) Entre o nome de cada doença e p existe um espaço Como testar o programa Supondo que a cláusula diagnostica está definida em motordiagnostico.pl e que está igualmente definido o ficheiro teste.pl com o seguinte conteúdo: start :- carregadados, diagnostica. carregadados :- ['BDMedica.pl'], ['BDPacientes.pl'], ['motordiagnostico.pl']. A seguinte linha de comando 2 : swipl -s teste.pl -g start -t halt > resultados.txt permitirá guardar os resultados do programa no ficheiro resultados.txt. 2 A chamada ao Prolog varia nas diferentes plataformas (por exemplo, para windows deve usar-se plcon.exe, em linux pl e em Mac (ppc) deve usar-se /opt/local/bin/swipl). 5

6 Exemplo: Considerando BDMedica.pl doenca('sarampo', 17, [sintoma('mancha de koplic', 100, 20)]). doenca('cataratas', 8, [sintoma('turvacao da imagem', 81, 78), sintoma('cores esbatidas', 85, 70), sintoma('diplopia', 76, 67), sintoma('distorcao dos objectos', 98, 69), sintoma('aumento de sensibilidade a luz', 50, 80), sintoma('aparecimento de aureolas em redor das luzes', 65, 60)]). doenca('cirrose', 21, [sintoma('ictericia', 97, 54), sintoma('fadiga', 89, 80), sintoma('fraqueza', 90, 81), sintoma('perda de apetite', 89, 91), sintoma('ascite', 99, 40), sintoma('emagrecimento', 89, 88), sintoma('nauseas e vomitos', 95, 83), sintoma('edema', 98, 97), sintoma('facilidade de sangrar e ficar com equimoses', 87, 85)]). doenca(diabetes, 12, [sintoma('polaquiuria', 77, 40), sintoma('sede intensa', 85,55), sintoma('fadiga', 95, 98), sintoma('fome', 95, 89), sintoma('dificuldades de visao', 98, 78)]). doenca('enxaquecas', 17, [sintoma('dor pulsante num dos lados da cabeca', 96, 55), sintoma('enjoos', 97,70), sintoma('vomitos', 89, 90)]). doenca(artrite, 10, [sintoma('dor em partes do corpo', 79, 5), sintoma('rigidez matinal', 98, 90), sintoma('limitaco de movimento em partes do corpo', 74, 70)]). e BDPacientes.pl apresenta(45, 'mancha de koplic'). apresenta(5, 'polaquiuria'). apresenta(5, 'sede intensa'). apresenta(5, 'fadiga'). apresenta(5, 'dificuldades de visao'). apresenta(2, 'febre'). apresenta(2, 'nariz a pingar'). apresenta(6, 'fadiga'). apresenta(6, 'ictericia'). apresenta(6, 'ascite'). Deverá ser obtido o seguinte ficheiro resultados,txt: num: 2 d: artrite p: d: cataratas p: d: cirrose p: d: diabetes p: d: enxaquecas p: d: sarampo p: 0 diagnostico -> d: artrite p: num: 5 d: artrite p: d: cataratas p: d: cirrose p: d: diabetes p: d: enxaquecas p: d: sarampo p: 0 diagnostico -> d: diabetes p: num: 6 d: artrite p: d: cataratas p: d: cirrose p: d: diabetes p: d: enxaquecas p: d: sarampo p: 0 diagnostico -> d: cirrose p: num: 45 d: artrite p: d: cataratas p: d: cirrose p: d: diabetes p: d: enxaquecas p: d: sarampo p: diagnostico -> d: sarampo p:

7 3. Extensões ao sistema de diagnóstico médico (SEGUNDA ETAPA) 3.1 Descrição do problema Inclusão de dados relativos ao paciente no processo de diagnóstico Como foi dito anteriormente, dados sobre o (historial do) paciente podem (e devem) ser tidos em conta no processo de diagnóstico. Ou seja, doenças anteriores de que o paciente tenha padecido poderão servir para aumentar ou diminuir a probabilidade de certas doenças. Por outro lado, certos dados do paciente podem igualmente interferir no processo de diagnóstico, tais como a idade do paciente (uma criança tem praticamente probabilidade zero de ter Alzheimer), o seu sexo (há mais mulheres com cancro de mama do que homens) ou o local onde vive ou viveu (a doença de Chagas é uma doença endémica da América Latina). Em conclusão, nesta fase deverá ser explicado como estender o sistema de diagnóstico médico desenvolvido na primeira parte do projecto, de modo a que o novo sistema inclua no processo de diagnóstico: o historial de doenças do paciente, a sua idade, sexo e local onde vive(u) Afinação das probabilidades iniciais de cada doença A probabilidade inicial (PI) de uma doença pode alterar-se ao longo do tempo (por exemplo, actualmente existem vacinas contra algumas formas de meningite, tornando-as menos frequentes do que há 20 anos). Supondo que tinha acesso aos registos de um hospital relativos a informação sobre as doenças e sintomas apresentados pelos pacientes, explique em Português como poderia ser feita a actualização à probabilidade inicial de cada doença com base no Prolog (note que NÃO TEM DE IMPLEMENTAR). 3.2 Resultados Esperados: Relatório Relatório com um máximo de caracteres (incluindo espaços) contendo: estruturas de dados propostas; regras propostas; fórmulas usadas (caso sejam diferentes das fórmulas dadas no enunciado); motivação/explicação para as decisões tomadas. 4. Informações importantes 4.1 Grupos Serão aceites grupos de 2 alunos e, excepcionalmente, grupos de 1 para os trabalhadores-estudante que o desejarem. 7

8 4.2 Avaliação PRIMEIRA ETAPA Cotação (sobre 20 valores) 10 valores Avaliação - Avaliação Automática sobre duas bases de dados, sendo uma delas a que é dada aos alunos (8 valores); - Qualidade do código (2 valores). SEGUNDA ETAPA Cotação (sobre 20 valores) 10 valores Avaliação - Será tida em conta a facilidade de extensão em relação ao sistema existente e em relação a possíveis extensões futuras, a originalidade, viabilidade e eficácia da proposta; - Será igualmente tida em conta a qualidade do relatório em relação aos seguintes pontos: organização, clareza e qualidade da escrita. Notas: Caso se detectem cópias os alunos terão 0 no projecto e não poderão fazer LP este semestre. 4.3 Processo de entrega PRIMEIRA ETAPA + SEGUNDA ETAPA Formato de entrega - NUM-GRUPO.zip (ex: 71.zip) que deverá conter: o O ficheiro motordiagnostico.pl; o O relatório em formato.pdf. - Papel: o O código de motordiagnostico.pl; o O relatório contendo o número e nome dos elementos do grupo, bem como o número do grupo na primeira página. Data de entrega - NUM-GRUPO.zip o Até às 23h 59 de 10 de Dezembro de Papel o Até às 12h de 11 de Dezembro de 2007 Modo de entrega - NUM-GRUPO.zip o Através do Fenix - Papel o Repografia do DEI (Alameda) o Secretariado do DEI (Tagus) das 10h-12h30 e 14h-16h Penalização (sobre 20 valores) O desrespeito por qualquer um destes formatos levará à não avaliação do projecto. - 2 valores se entregue até 24 horas de atraso; - 4 valores se entregue até 48 horas de atraso; - Não serão aceites projectos a partir das 48 horas de atraso. O não cumprimento do modo de entrega levará à não avaliação do projecto. 8