SISCTG - UM SISTEMA INTELIGENTE PARA CLASSIFICAÇÃO DE SINAIS CARDIOTOCOGRÁFICOS

Transcrição

1 UNIVERSIDADE FEDERAL DO CEARÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA DE TELEINFORMÁTICA João Alexandre Lôbo Marques SISCTG - UM SISTEMA INTELIGENTE PARA CLASSIFICAÇÃO DE SINAIS CARDIOTOCOGRÁFICOS PARA AUXÍLIO AO DIAGNÓSTICO MÉDICO FORTALEZA - CEARÁ FEVEREIRO c João Alexandre Lôbo Marques, 2007

2 João Alexandre Lôbo Marques SISCTG - UM SISTEMA INTELIGENTE PARA CLASSIFICAÇÃO DE SINAIS CARDIOTOCOGRÁFICOS PARA AUXÍLIO AO DIAGNÓSTICO MÉDICO DISSERTAÇÃO Dissertação submetida ao corpo docente da Coordenação do Programa de Pós-Graduação em Engenharia de Teleinformática da Universidade Federal do Ceará como parte dos requisitos necessários para obtenção do grau de MESTRE EM ENGENHARIA DE TELEIN- FORMÁTICA. Área de concentração: Sinais e Sistemas Paulo César Cortez (Orientador) FORTALEZA - CEARÁ 2007

3 SISCTG - Um Sistema Inteligente para Classificação de Sinais Cardiotocográficos para Auxílio ao Diagnóstico Médico João Alexandre Lôbo Marques Dissertação de Mestre em Engenharia de Teleinformática aprovada em 26/02/2007. Paulo César Cortez (Orientador) Dr. Guilherme de Alencar Barreto Dr. Rubens Viana Ramos Dr. Leonardo Vidal Batista Dr. Francisco Edson de Lucena Feitosa iii

4 Dedico este trabalho à minha esposa Sônia, por me fazer feliz a cada dia, à minha filha Melissa, por ter renovado minha fé na vida, e ao meu pai Antônio Marques (in memorian), pelo exemplo de amor. iv

5 Sumário Sumário Lista de Tabelas Lista de Figuras v vii ix 1 Introdução Objetivos Organização desta Dissertação Monitoramento Fetal Introdução Histórico do Monitoramento Fetal Cardiotocografia Reconhecimento de Padrões da FCF Linha de Base da Freqüência Cardíaca Fetal Taquicardia Fetal Bradicardia Fetal Variabilidade Acelerações Desacelerações Desacelerações precoces - DIP I Desacelerações tardias - DIP II Desacelerações Variáveis Desacelerações Prolongadas Padrões não usuais Contrações Uterinas Fisiologia das Contrações Uterinas Monitoramento das Contrações Quantificação das Contrações v

6 2.5.4 Outros fatores que afetam as contrações uterinas Critérios da FIGO Cardiotocografia Computadorizada O Sistema Oxford System O Sistema CTGOnline Comparações entre os sistemas Conclusão Estado da Arte Sistemas de Processamento Digital de Sinais Sistemas utilizando Inteligência Computacional Entropia Aproximada O Algoritmo Dawes O Algoritmo DMW Conclusão Implementação do SISCTG Sistema de Inferência Nebuloso Variáveis de Entrada e Saída Módulo Fuzzyficador Base de Regras de Inferência Máquina de Inferência Módulo Desfuzzyficador O Sistema SISCTG Ambiente da Pesquisa Metodologia de validação com a Equipe Médica Conclusão Resultados Avaliação Visual de Cardiotocografias Análise Qualitativa de CTGs Diagnóstico Visual de CTGs Resultados do SISCTG Base de Dados da MEAC Base de Dados da Trium Conclusão Conclusões, Contribuições e Trabalhos Futuros Contribuições do SISCTG Trabalhos Futuros vi

7 Referências Bibliográficas 71 Bibliografia 71 A O Projeto SISCTG 78 A.1 Histórico do Projeto A.2 A parceria Brasil-Alemanha A.3 Implantação do CTGOnline na MEAC B Introdução à Lógica Nebulosa 83 B.1 Pensamento Nebuloso B.1.1 Imprecisão x Incerteza B.2 Caracterização de um Problema Nebuloso B.3 Teoria dos Conjuntos Nebulosos B.4 Funções de Pertinência B.5 Operações sobre Conjuntos Nebulosos B.6 Exemplo de Sistema de Inferência Nebuloso B.6.1 Módulo Desfuzzificador B.7 Aplicações de Lógica Nebulosa B.7.1 Controle Nebuloso B.7.2 Engenharia Biomédica B.8 Conclusão vii

8 Lista de Tabelas 2.1 critérios estabelecidos pela FIGO extensão dos critérios estabelecidos pela FIGO - Sistema CTGOnLine SISCTG - critérios definidos pela MEAC SISCTG - conjunto de regras determinísticas SISCTG - subconjunto de regras de inferência nebulosas resultados tabulados da análise visual de CTGs por 4 especialistas matriz de confusão resultante da análise pelo SISCTG de 100 exames classificados deterministicamente matriz de confusão resultante da análise pelo SISCTG de 100 exames classificados com ponderações pelo especialista B.1 Crescimento do número de publicações em Lógica Fuzzy viii

9 Lista de Figuras 1.1 sinais de FCF e UC de um CTG cardiotocografia típica informações importantes em uma curva de FCF desaceleração em uma curva de FCF diversas desacelerações em uma CTG CTG interpretada pelo programa CTGOnline diagrama em blocos de um sistema de inferência nebuloso interface do sistema SISCTG relatório de saída do sistema SISCTG MEAC - rede de cardiotocógrafos pesquisa qualitativa de CTGs - página pesquisa qualitativa de CTGs - página interpretaçao visual de CTGs A.1 Cardiotocógrafo existente na MEAC no início do projeto. Sem interface de comunicação B.1 Dado o Universo U, seja o conjunto A representando os fumantes e B os não fumantes B.2 Representação gráfica da população de fumantes B.3 Conjuntos Fuzzy para a variável Temperatura Ambiente ix

10 B.4 Conjuntos nebulosos representados por funções de pertinência trapezoidais B.5 Conjuntos nebulosos representados por funções de pertinência gaussianas. 92 B.6 Variável de Entrada A, com valores definidos no intervalo de 0 a B.7 Variável de Entrada B, com valores definidos no intervalo de 0 a B.8 Variável de Saída C, com valores definidos no intervalo de 0 a B.9 Aplicação do modelo de Mamdani a um conjunto de regras de inferência. 97 x

11 Resumo A análise acurada da freqüência cardíaca fetal (FCF ou FHR - Fetal Heart Rate) correlacionada com as contrações uterinas maternas (UC - Uterine Contractions) permite gerar diagnósticos e a conseqüente antecipação de problemas diversos relativos ao bem estar fetal e à preservação de sua vida. O presente trabalho apresenta os resultados de um sistema híbrido baseado em regras determinísticas e em um módulo de inferência nebuloso (fuzzy) para análise de sinais de FCF e UC coletados através de exames denominados cardiotocografias (CTG). As variáveis analisadas são o valor basal da FCF, sua variabilidade de curto e de longo prazo, acelerações transitórias e desacelerações, sendo estas classificadas por seu tipo e pelo número de ocorrências. A saída do sistema é o diagnóstico em primeiro nível, baseado nas informações das variáveis de entrada definidas. O sistema SISCTG é desenvolvido na linguagem de scripts do programa Matlab versão 7. Modelagens e testes são realizadas utilizando-se o Fuzzy Toolbox do programa Matlab. O projeto também conta com uma parceria

12 multi-institucional entre o Brasil e a Alemanha, envolvendo a Universidade Federal do Ceará (UFC), através do Departamento de Engenharia de Teleinformática (DETI) e da Maternidade-Escola Assis Chateaubriand (MEAC), a Technische Universität München (TUM), a Bundeswehr Universität München e a empresa Trium Analysis Online GmbH. Os resultados obtidos pelo SISCTG são bastante promissores, classificando todos os exames normais corretamente. Este é o comportamento esperado, uma vez que CTGs são exames de baixa especificidade, tendo como interesse maior encontrar indícios de patologias, sem a necessidade de identificá-las precisamente. Estes resultados permitem projetar o aperfeiçoamento deste sistema com a inserção, por exemplo, de novas variáveis de entrada. São realizados procedimentos de validação com múltiplos especialistas na área obstétrica tanto no Brasil quanto na Alemanha.

13 Abstract The accurate analysis of the fetal heart rate (FHR) and its correlation with uterine contractions (UC) allows the diagnostic and the anticipation of many problems related to fetal distress and the preservation of his life. This dissertation presents the results of an hibrid system based on a set of deterministic rules and fuzzy inference system developed to analyze FHR and UC signals collected by cardiotocography (CTG) exams. The studied variables are basal FHR, short and long term FHR variability, transitory accelerations and decelerations, these lasts classified by their type and number of ocurrencies. The system output is a first level diagnostics based on those input variables. The SISCTG system is developed using the Matlab version 7 script language. Tests and modeling issues used the Matlab Fuzzy Toolbox. The project also supports a multi-institutional agreement between Brazil and Germany, among the DETI - Departamento de Engenharia de Teleinformática of the UFC - Universidade Federal do Ceará, the MEAC - Maternidade-Escola Assis Chateaubriand), the TUM - Technische Universität München, the Bundeswehr Universität München and the Trium Analysis Online GmbH. The SISCTG results are very promising, corrrectly classifying all normal exams. This is the expected behavior, once CTG exams are classified as of low specificity, with the most interest focused in finding pathologies aspects, but not precisely identifying them. These results allow the projection of improvements to the proposed system, inserting new input variables, for example. The system validation methodology was based on the knowledge of Brazilian and German obstetricians.

14 Agradecimentos Dedico um agradecimento especial ao Professor Paulo César Cortez, um mestre na essência da palavra, pela orientação objetiva neste trabalho e pelo exemplo contagiante de dedicação à pesquisa e ao ensino. Agradeço também ao Professor Guilherme de Alencar Barreto, por sua participação na modelagem do projeto, orientação clara e sensata e a pronta ajuda em momentos cruciais do projeto. Certamente seu nome pode constar com destaque nos resultados deste trabalho. Sinceros agradecimentos também ao Professor Edson Lucena, Chefe da Enfermaria da Maternidade Escola Assis Chateaubreand, e à toda sua equipe, pela ajuda na luta que travamos juntos para efetivar a implantação do sistema de CTG computadorizada na MEAC, um avanço significativo para a instituição, com resultados, estou certo, alcançados já em Expresso meus agradecimentos também ao Professor Rubens Viana Ramos, pelas proveitosas sugestões e ao Professor Leonardo Vidal Batista, por dedicar parte de seu tempo ao engrandecimento deste trabalho, participando da banca. Aos participantes do projeto ligados à empresa Trium Analysis Online GmbH, em Munique, Alemanha, em especial ao Sr. Martin Daumer, Christian Harböck e Katrin Noack. Ao Ministério Público Federal, pela licença para capacitação. À FUNCAP, por financiar parcialmente este projeto.

15 Capítulo 1 Introdução A Medicina Fetal é uma área recente da Obstetrícia, que visa monitorar e determinar ações para proporcionar o bem-estar do feto. Até pouco tempo atrás, as equipes médicas não possuíam equipamentos que as ajudassem a obter informações úteis e precisas sobre o estado do feto. Hoje em dia, equipamentos de alta tecnologia permitem o acesso a estas informações. Uma das principais formas utilizadas pela Medicina Fetal consiste na aplicação de exames visuais, através dos equipamentos baseados em ultra-som. Usam-se, também, outros sistemas com sensores baseados na tecnologia Doppler e tocográficos, sendo os primeiros para o monitoramento dos batimentos cardíacos fetais e os outros para realizar um mapeamento das contrações uterinas maternas. Estes sensores permitem que seja realizado um acompanhamento contínuo dos sinais fetais e maternos, uma vez que a correlação entre as duas medições permite que sejam feitas análises do estado fetal. Este tipo de acompanhamento torna possível determinar um grande conjunto de características fisiológicas e mesmo de patologias ou alterações na saúde do feto examinado [19]. O acompanhamento contínuo do sinal de freqüência cardíaca fetal (FCF) (Fetal Heart Rate, FHR) concorrentemente às contrações uterinas maternas (Uterine Contractions, UC) é possibilitado através do exame denominado cardiotocografia ou CTG que é realizado com o uso do equipamento conhecido como cardiotocógrafo. 1

16 Capítulo 1: Introdução 2 Figura 1.1: sinais de FCF e UC de um CTG. Este equipamento registra eletronicamente, de forma sucessiva e simultânea, além do sinal da freqüência cardíaca fetal, a movimentação fetal e a ocorrência de contrações uterinas materna. A Figura 1.1 traz uma amostra dos sinais de FCF e UC coletados simultaneamente em uma CTG. A análise destes dois sinais permite gerar um prognóstico com a finalidade de detectar diversos problemas fetais como alterações neurológicas ou baixos níveis de oxigenação. É indicado principalmente para as gestações de risco, que podem levar ao óbito do feto ou mesmo ao aparecimento de seqüelas graves, podendo ser realizado tanto no período gestacional quanto durante o parto [18]. De uma maneira geral, o sinal mais rico em informações existente no exame cardiotocográfico é a FCF. A partir desta informação, o bem-estar fetal é avaliado baseado nos seguintes parâmetros: freqüência cardíaca fetal basal ou linha de base da

17 Capítulo 1: Introdução 3 freqüência cardíaca fetal; variabilidades de longo e de curto prazo; aceleração transitória e as desacelerações, com seus variados tipos. Descrições superficiais de cada um destes parâmetros podem ser vistas a seguir, de acordo com que é apresentado por Freeman et al. [14]. A freqüência cardíaca fetal basal consiste na média aproximada dos valores da FCF avaliados num segmento de 10 minutos do traçado cardiotocográfico, excluindose: desacelerações, acelerações, períodos de acentuada variabilidade e segmentos onde a variação da FCF apresente diferenças superiores a 25 batimentos por minuto (bpm). Em qualquer segmento de 10 minutos, a duração mínima da linha de base deve ser de dois minutos ou este parâmetro será considerado indeterminado. Considera-se normal valores entre 110 e 160 bpm. A variabilidade é definida como a oscilação da linha de base da FCF com dois componentes: microoscilação e macrooscilação. A microoscilação é a variabilidade compreendida entre uma batida e outra, instante a instante. Na interpretação visual do traçado cardiotocográfico, não é possível avaliar a microoscilação, mas atualmente, é possível de ser estudada através dos modernos sistemas computadorizados de análise de cardiotocografias fetais. A macrooscilação consiste na oscilação de longa duração ou variabilidade oscilatória, em que a FCF descreve de 2 a 6 ciclos (ascensos e descensos) no decurso de 1 minuto. A definição de variabilidade, na análise visual, baseia-se na amplitude dos complexos, exceto para o padrão sinusoidal, cuja presença indica estado patológico. As acelerações transitórias são ascensos transitórios da FCF com amplitude de pelo menos 15 bpm, durante pelo menos 15 segundos. É um importante marcador cardiotocográfico para caracterizar o bem-estar fetal. Finalmente, as desacelerações são quedas temporárias da FCF, classificadas de acordo com a associação ou não às contrações uterinas em periódicas ou não periódicas. Cada um dos parâmetros apresentados, bem como seus valores padrões para análise e seus diversos tipos são importantes em qualquer sistema de monitoramento

18 Capítulo 1: Introdução 4 fetal para auxílio ao diagnóstico médico. Devido ao grande número de variáveis a serem analisadas, um problema que surge, normalmente, na utilização do exame cardiotocográfico convencional é a diversidade de interpretação e nomenclatura empregada para expressar tanto as patologias quanto a vitalidade fetal. Para minimizar este problema, algumas iniciativas de classificação são usadas pela comunidade médica internacional, com destaque para a FIGO - Federação Internacional de Ginecologia e Obstetrícia (International Federation of Gynaecology and Obstetrics), que determina um conjunto de valores para classificação dos parâmetros medidos pela cardiotocografia [13]. Entretanto, outras iniciativas de classificação são criadas em outras instituições, dificultando a padronização das interpretações dos exames. Dentre as diversas classificações, destaques devem ser dados para: O American College of Obstetricians and Gynaecologists - ACOG, instituição norte-americana que define sua classificação própria das variáveis e dos valores considerados em cardiotocografias [2]; O Royal College of Obstetricians and Ginecologists - RCOG, instituição inglesa com forte influência nas comunidades médicas européia e brasileira, que criou um guia baseado nas evidências clínicas para o acompanhamento fetal [44]; A Federação Brasileira de Ginecologia e Obstetrícia - FEBRASGO, que em seu manual de orientação à assistência pré-natal estabelece algumas orientações sobre o uso da cardiotocografia [1]. Além disso, a própria Maternidade-Escola Assis Chateaubriand (MEAC), instituição pertencente à Universidade Federal do Ceará (UFC), possui uma classificação própria definida por sua equipe médica da área Obstétrica. O grande número de padronizações e ainda a natureza do exame permite um alto nível de subjetividade em sua análise, resultando em uma forte variação na interpretação dos dados de acordo com os avaliadores dos sinais. Assim, o mesmo exame pode ser avaliado de maneiras distintas caso seja submetido a diferentes especialistas.

19 Capítulo 1: Introdução 5 Diante do exposto, há uma forte necessidade de se aumentar a precisão e confiabilidade na análise dos sinais cardiotocográficos. Assim, sistemas computacionais para interpretação de sinais cardiotocográficos estão sendo desenvolvidos, sendo alvos de pesquisa tanto de universidades quanto dos fabricantes de equipamentos médicos computadorizados. 1.1 Objetivos Dentro do contexto apresentado, este trabalho tem por objetivo a modelagem e o desenvolvimento do SISCTG, um sistema computacional inteligente baseado em lógica nebulosa (fuzzy) e em um conjunto determinístico de regras, para análise e auxílio ao diagnóstico médico de exames cardiotocográficos. 1.2 Organização desta Dissertação No Capítulo 2 são apresentados os aspectos médicos relacionados ao exame com a análise da FCF e das contrações uterinas, as variáveis, os parâmetros utilizados para diagnósticos e uma série de análises de exames cardiotocográficos. Também é justificada a utilização da cardiotocografia computadorizada como importante ferramenta de auxílio ao diagnóstico médico. O estado da arte relativo às pesquisas realizadas sobre o exame estudado é apresentado no Capítulo 3. São implementações e abordagens realizadas por diversas equipes de engenheiros e médicos no mundo inteiro, com uma significativa quantidade de pesquisas que estão sendo realizadas, tanto através da aplicação de técnicas de Processamento Digital de Sinais, quanto com o uso de Inteligência Computacional. Em seguida, todos os passos da implementação do Sistema de Inferência Fuzzy SISCTG são apresentados em detalhes no Capítulo 4. Também é abordado o uso do Matlab Fuzzy Toolbox como ferramenta de auxílio ao desenvolvimento do sistema e, finalmente, os aspectos práticos do desenvolvimento da solução para a MEAC/UFC,

20 Capítulo 1: Introdução 6 com a definição de sua interface de entrada e saída. No Capítulo 5 são analisados os resultados obtidos em duas pesquisas realizadas na MEAC. A primeira com a análise visual por parte de especialistas em obstetrícia de diversos exemplos de exames cardiotocográficos. A segunda com a comparação de diagnósticos fornecidos por médicos com o diagnóstico determinado pelo sistema. Finalmente, no Capítulo 6 são apresentadas as conclusões do trabalho, suas contribuições e ainda um conjunto de possíveis trabalhos futuros a serem desenvolvidos em continuidade ao projeto.

21 Capítulo 2 Monitoramento Fetal 2.1 Introdução Com o objetivo de prever o sofrimento fetal e evitar sua morte ou mesmo o aparecimento de seqüelas após o nascimento, diversos esforços estão sendo realizados para o desenvolvimento de técnicas e equipamentos que realizem o monitoramento do feto com a maior precisão e o menor risco possíveis. Atualmente, diversos níveis de monitoramento são utilizados, podendo ser classificados, dentre vários tipos de classificação existentes, pela época gestacional em que são realizados. Monitoramento antepartum é o monitoramento realizado durante a gravidez, capaz de detectar diversas alterações no feto, levando a importantes tomadas de decisão sobre a gestação; e o monitoramento intrapartum que é realizado durante o trabalho de parto, uma fase em que diversas complicações podem ser evitadas, caso haja um monitoramento eficiente [14]. Técnicas invasivas e não invasivas são utilizadas no monitoramento fetal. As primeiras necessitam do contato direto com o feto, enquanto as últimas são realizadas externamente, sendo elas as que oferecem menor risco de aborto ou de infecções tanto materna quanto fetal. A freqüência cardíaca fetal é um importante sinal a ser analisado para a determinação do bem-estar de um feto, podendo ser realizado de maneira não invasiva, 7

22 Capítulo 2: Monitoramento Fetal 8 através de equipamentos denominados cardiotocógrafos, e com um grau de precisão de boa qualidade. Segundo Freeman et al. [14], pesquisas demonstram que a análise de alguns parâmetros relacionados à FCF podem levar a considerações não somente sobre o estado cardíaco do feto, mas também sobre seu estado neurológico, a oxigenação de seus tecidos e o fluxo sanguíneo a ele fornecido. Alterações na FCF, analisadas conjuntamente com a ocorrência de contrações uterinas, constituem uma base de informações eficiente para o monitoramento fetal. Com isso, diversos fatores externos que podem causar modificações do estado fetal (problemas fetais, alterações no estado materno ou mesmo o uso de medicamentos) devem ser considerados. Este capítulo apresenta as principais técnicas utilizadas para o monitoramento de fetos, com destaque para o monitoramento da freqüência cardíaca fetal e das contrações uterinas com o exame denominado cardiotocografia, avaliando suas alterações significativas para análise do bem estar fetal. 2.2 Histórico do Monitoramento Fetal Ainda durante o século XIX, o benefício de se acompanhar a freqüência cardíaca de fetos começa a ser estudado, com a realização das primeiras atividades de auscultação fetal com estetoscópios, sendo inclusive criado por Adolph Pinard em 1876 um equipamento específico para tal atividade. Esta análise surgia como uma potencial ferramenta para diminuir o número de mortes de fetos por problemas que ocorrem em épocas próximas ou mesmo durante o parto [14]. De acordo com o Royal College of Obstetricians and Gynaecologists (RCOG), sediado em Londres [44], com o surgimento de novos equipamentos no início do século XX, a idéia de monitoramento contínuo e completo fica mais próxima de ser atingida. Entretanto, para a detecção de uma eletrocardiografia eficiente do feto, torna-se necessário o uso de sensores invasivos, uma vez que a medição externa é

23 Capítulo 2: Monitoramento Fetal 9 fortemente influenciada pelos batimentos cardíacos maternos. Apenas após a aplicação de sensores baseados na técnica do efeito Doppler para a detecção dos batimentos cardíacos fetais, em 1964, o monitoramento da freqüência cardíaca fetal toma novos rumos. A possibilidade de monitoramento não invasivo faz crescer o uso desta técnica e equipamentos denominados cardiotocógrafos são então fabricados, oferecendo a detecção simultânea da freqüência cardíaca fetal e das contrações uterinas maternas. Diversos estudos realizados nos anos 70, mostram uma diminuição no número de óbitos fetais para os casos em que houve monitoramento fetal eletrônico comparados com outros em que não houve monitoramento. No entanto, diversas contestações são feitas nas metodologias empregadas na avaliação destes resultados. Além disso, a ocorrência de casos de falsos positivos, levando a intervenções desnecessárias, também criam a necessidade de se estabelecer métodos mais cuidadosos para a análise das variáveis estudadas no monitoramento. Mesmo com todo cuidado que qualquer tomada de decisão médica inspire, a evolução no uso do monitoramento da freqüência cardíaca fetal possui uma aplicabilidade incontestável em casos de detecção de sofrimento fetal, principalmente para o caso de gestações de risco [12]. Para melhorar a qualidade nas interpretações dos exames, a cardiotocografia computadorizada é o mais recente avanço nesta área, integrando sistemas computadorizados aos cardiotocógrafos para uma análise de primeiro nível baseada em padrões internacionalmente estabelecidos pela comunidade científica da área. 2.3 Cardiotocografia Conforme já apresentado anteriormente, a cardiotocografia é um exame de monitoramento contínuo da FCF (representado no termo pelo radical cardio) e das contrações uterinas maternas (representado no termo pelo radical toco). Concomitantemente, também podem ser registrados manualmente os movimentos fetais, com o uso de

24 Capítulo 2: Monitoramento Fetal 10 Figura 2.1: cardiotocografia típica. registradores que ficam de posse da mãe. A cada movimento do feto, o acionador é pressionado. A saída convencional de uma CTG é a impressão das curvas dos dois sinais monitorados e pontos indicando os registros de movimentação fetal feitos pela mãe. Na Figura 2.1 pode ser visto um traçado típico de uma cardiotocografia classificada como normal. Na Figura 2.1 podem ser visualizadas a curva representativa da FCF na parte superior e outra da UC na parte inferior. Os pontos existentes na parte central são indicações de movimentação fetal por parte da mãe. Com o tipo de monitoramento descrito anteriormente, diversos fatores podem ser avaliados para determinar se o feto é reativo, ou seja, normal, ou não reativo, isto é, encontra-se em sofrimento momentâneo ou em estado patológico. São estes fatores e padrões que são apresentados na próxima seção.

25 Capítulo 2: Monitoramento Fetal Reconhecimento de Padrões da FCF Gerar parâmetros matemáticos ou estatísticos sobre a FCF é uma tarefa difícil, uma vez que a tarefa de interpretação deste sinal pode ser considerada tanto um estudo da área de reconhecimento de padrões, quanto um processo de avaliação de múltiplos fatores clínicos para determinação do nível de oxigenação do feto, por exemplo [14]. Nesta seção são apresentados os seguintes parâmetros avaliados em um exame de CTG: linha de base da freqüência cardíaca fetal; variabilidade; presença de desacelerações e seus tipos; presença de acelerações; padrões não-usuais. Todas as definições utilizadas estão baseadas no que é estabelecido por Freeman [14], pela FIGO [13] e pelo NIHCD - National Institute of Child Health and Human Development [33] Linha de Base da Freqüência Cardíaca Fetal A linha de base da FCF é um valor médio calculado em um intervalo pré-estabelecido de tempo. De acordo com o NIHCD e a FIGO, este intervalo está entre 110 a 150 bpm (batimentos por minuto). Já Freeman estabelece o intervalo de 120 a 160 bpm. O valor da linha de base da FCF é estabelecido após 10 minutos de duração do exame. Da mesma forma, alterações nesta linha de base só são consideradas se maiores que 10 minutos. Alterações de menor duração são classificadas como alterações periódicas. Entretanto, seguindo-se este critério, deve ser levada em consideração a possibilidade de existência de alterações periódicas de longa duração, como por exemplo uma desaceleração da FCF que decorra mais de dez minutos para retornar ao valor basal.

26 Capítulo 2: Monitoramento Fetal 12 Isto pode ser erroneamente confundida com uma linha de base abaixo do normal, levando a classificar de forma errada o estado do feto. Figura 2.2: informações importantes em uma curva de FCF. Na Figura 2.2 estão representadas algumas das principais informações que devem ser analisadas em uma curva de FCF. A linha pontilhada em azul representa a linha de base da FCF, calculada de acordo com os critérios definidos pela FIGO. As outras informações são explicadas no decorrer desta seção Taquicardia Fetal De acordo com o estabelecido pela FIGO, a taquicardia fetal é definida como a ocorrência de uma linha de base superior a 150 bpm. Dada sua natureza, normalmente está vinculada a uma diminuição na variabilidade da FCF. A ocorrência de taquicardia pode estar ligada a diversos fatores externos que devem ser levados em consideração quando da realização do exame, tais como hipóxia fetal, febre materna, anemia fetal, ingestão de determinados tipos de medicamentos e hipertireoidismo materno, dentre outros Bradicardia Fetal A bradicardia fetal é determinada quando a FCF é inferior a 110 bpm, de acordo com o estabelecido pela FIGO (Freeman estabelece um valor de 120 bpm [14]). A ocorrência

27 Capítulo 2: Monitoramento Fetal 13 de bradicardia no intervalo de 80 a 110 bpm com uma variabilidade significativa podem ser considerados valores normais, sob circunstâncias maternas e fetais normais. Conforme citado anteriormente, a ocorrências de desacelerações prolongadas podem ser confundidas com a ocorrência de bradicardia. Normalmente, este tipo de desaceleração está vinculado a uma queda na variabilidade da FCF. Uma FCF com linha de base inferior a 70 bpm, geralmente possui baixa variabilidade e está relacionada a problemas congênitos no coração do feto [14]. Outro detalhe é que, na ocorrência de uma bradicardia persistente, deve-se verificar se não está sendo monitorada a FC materna e não a fetal, o que pode resultar na conclusão de morte fetal. Neste caso, exames complementares como o ultra-som devem ser realizados para confirmação de diagnóstico Variabilidade Para a determinação do estado fetal imediato, a característica mais importante da FCF é sua variabilidade. A presença de uma variabilidade normal é um reflexo de uma modulação neurológica perfeita da FCF e de uma característica de resposta normal do coração. Existem dois componentes a serem avaliados da variabilidade da FCF: variabilidade de curto prazo ou short-term variability - STV - e variabilidade de longo prazo ou long-term variability - LTV. A variabilidade de curto prazo caracteriza a irregularidade encontrada no intervalo entre os batimentos cardíacos, um a um (beat-to-beat). É medida em milisegundos e é causada pela variação normal existente no ciclo cardíaco. É uma consequência do processo constante de empurra-e-puxa dos sistemas nervosos simpático e parassimpático. A verificação da STV somente é possível no exame de CTG computadorizada, não sendo avaliada em exames visuais convencionais. É um fator importante na análise de diversos aspectos do bem-estar fetal, como, por exemplo, a determinação da acidose fetal [3].

28 Capítulo 2: Monitoramento Fetal 14 A variablidade de longo prazo representa a forma com que a onda da FCF está variando na CTG, geralmente medida a uma freqüência de três a cinco ciclos por minuto. É medida em batimentos por minuto. À medida que a gestação prossegue e o sistema nervoso autônomo fetal amadurece, a linha da base da FCF diminui e tanto a STV quanto a LTV elevam seus valores. Isto é um reflexo do aumento no controle dos reflexos do coração. Normalmente, valores muito altos de variabilidade podem indicar uma hipóxia fetal, que é a falta de oxigenação fetal, moderada, podendo resultar em um estado de acidose, isto é, de diminuição do ph sanguíneo do feto. No entanto, quando se encontra uma FCF normal ou elevada, o ph fetal é comumente encontrado em níveis normais. Uma baixa variabilidade da FCF geralmente é vista como algo vinculado à depressão do sistema nervoso central - SNC. Entretanto, existem diversas outras causas para uma possível redução da STV e da LTV, tais como: ingestão de medicamentos, a ocorrência de taquicardia, anomalias congênitas, dentre outras. A Figura 2.2 apresenta graficamente uma interpretação de variabilidade de longo prazo expressa pelo intervalo de variação da FCF em relação ao eixo vertical do gráfico. Alterações periódicas na FCF são modificações temporárias de seu nível, retornando para a linha de base previamente estabelecida ou para uma novo valor basal, podendo estar vinculadas a diversos fatores como o movimento fetal, as contrações uterinas e a existência de patologias fetais. Estas alterações são as desacelerações e as acelerações Acelerações Acelerações da FCF normalmente ocorrem na época denominada antepartum, no início do trabalho de parto ou ainda associadas a alguns tipos de desacelerações. Existem dois mecanismos fisiológicos responsáveis pelas acelerações. O primeiro trabalha com as acelerações resultantes da movimentação fetal ou pelas contrações

29 Capítulo 2: Monitoramento Fetal 15 uterinas. A outra causa pode ser a oclusão do cordão umbilical. A presença de acelerações durante a gravidez é um sinal de vitalidade fetal. No entanto, não se considera a ausência de acelerações, isoladamente, como um possível fator determinante de sofrimento do feto. Em conjunto com as acelerações, devem ser levadas em consideração a variabilidade e a linha de base da FCF. Na Figura 2.2 são apresentadas duas acelerações em uma CTG, indicadas com setas. Pode-se notar que pequenas alterações não são consideradas como acelerações, mas sim como parte da análise da variabilidade da FCF. Em exames com grande movimentação fetal é comum confundir os retornos das acelerações para a linha de base com desacelerações, principalmente no início do exame quando ainda não se tem um valor determinado para a FCF basal Desacelerações Os outros tipos de alterações periódicas da FCF, muito importantes para a determinação de sofrimento fetal ou mesmo de patologias congênitas, são as desacelerações. A Figura 2.3 apresenta um exemplo de desaceleração detectada em um exame de CTG. Figura 2.3: desaceleração em uma curva de FCF. As desacelerações são classificadas em quatro diferentes tipos, de acordo com sua forma e a relação temporal com as contrações uterinas. São elas: Desacelerações

30 Capítulo 2: Monitoramento Fetal 16 precoces - DIP I (early decelerations), Desacelerações tardias - DIP II (late decelerations), Desacelerações variáveis (variable decelerations) e Desacelerações prolongadas (prolonged decelerations) Desacelerações precoces - DIP I Desacelerações classificadas como precoces possuem uma forma bem definida, tanto de descenso quanto na atividade de retorno à linha de base da FCF. Iniciam-se logo no início de uma contração uterina e seu menor valor coincide temporalmente com o valor de pico da contração. Normalmente não existe nenhuma aceleração transitória imediatamente antes nem imediatamente depois de uma desaceleração precoce. Uma importante característica do tipo de desaceleração descrita é sua amplitude mínima que, apesar de depender da intensidade da contração uterina, normalmente não cai para valores de FCF menores que 100 a 110 bpm ou mesmo não desacelera mais que 20 a 30 bpm em relação à linha de base da FCF. Este tipo de alteração é classificada como fisiológica e normalmente indica uma compressão no crânio fetal quando da ocorrência de uma contração uterina. A alteração no fluxo sanguíneo cerebral causa a imediata redução na FCF. Sua ocorrência é mais comum já em trabalho de parto e não indica estado patológico do feto Desacelerações tardias - DIP II Este segundo tipo de desaceleração assemelha-se à desaceleração precoce na forma e na regularidade. No entanto, a diminuição da FCF ocorre com atraso em relação à contração uterina. Esta queda inicia-se após um intervalo de aproximadamente trinta segundos após o início da contração e o menor valor na desaceleração é atingido após o final da contração. Outras características importantes das desacelerações tardias, além do aspecto temporal, podem ser citadas, tais como a queda e o retorno à linha de base que são graduais e amortecidos. Normalmente não são encontradas acelerações transitórias nem imediatamente antes nem imediatamente depois desta desaceleração. A FCF

31 Capítulo 2: Monitoramento Fetal 17 raramente cai para menos que 30 a 40 bpm em relação à linha de base, ficando esta queda usualmente situada no intervalo de 10 a 20 bpm. Desacelerações tardias, quando não conseguem ser corrigidas, são significantes e preocupantes quanto ao bem-estar fetal. A maioria de suas ocorrências estão vinculadas à hipóxia fetal resultantes de troca inadequada de oxigênio com a placenta, causada pela contração uterina. A localização do cordão umbilical e sua tensão podem causar este estado Desacelerações Variáveis As desacelerações variáveis são os tipos mais comuns encontrados em cardiotocografias. Como o próprio nome indica, os padrões destes tipos de desacelerações variam em todos os aspectos: forma, duração, intensidade e correlação temporal com as contrações uterinas. Normalmente existe uma pequena aceleração transitória imediatamente antes e uma imediatamente após uma desaceleração variável. Uma das causas para a ocorrência de desacelerações variáveis pode ser a compressão do cordão umbilical, mas pode também indicar a interrupção temporária do fluxo sanguíneo nos vasos do cordão. As desacelerações variáveis podem ser do tipo reativa ou não patológica se tiverem as seguintes características: 1. duração não maior que 30 a 45 segundos; 2. ocorre um rápido retorno para a linha de base da FCF após o valor mínimo ser atingido; 3. existe a presença de um valor médio da STV (não ocorre aumento nem redução acentuados); 4. a linha de base não está aumentando. Quando não seguem estas características, isto é, longas desacelerações, redução ou aumento acentuados da STV, dentre outras, as desacelerações variáveis podem ser classificadas como patológicas.

32 Capítulo 2: Monitoramento Fetal 18 Figura 2.4: diversas desacelerações em uma CTG Desacelerações Prolongadas Desacelerações prolongadas são as que duram mais que dois minutos. São padrões difíceis de serem classificados em termos de fisiopatologia porque devem ser analisados em um amplo conjunto de possibilidades. Dentre as diversas causas, podem ser citadas a compressão do cordão umbilical, insuficiência placentária, hipotensão causada pela posição supina ou ainda ser detectada após a aplicação de anestesia epidural ou espinhal. A existência de desacelerações em uma CTG normalmente é indicativo de problemas ou pelo menos de entrada em estado de alerta na análise do estado fetal. A Figura 2.4 apresenta uma CTG com a ocorrência de desacelerações de diversos tipos, inclusive com duas bastante graves com a FCF atingindo níveis em torno de 60 bpm. O acompanhamento continuado e mais detalhado, nestes casos, é fundamental para a tomada de decisão médica que pode ir desde a recomendação de repouso da mãe até a interrupção da gravidez Padrões não usuais A FCF apresenta alguns padrões de comportamento não usuais que, apesar de raros, devem ser conhecidos para a correta interpretação dos exames.

33 Capítulo 2: Monitoramento Fetal 19 O padrão sinusoidal é observado durante a gravidez, durante o trabalho de parto ou mesmo no período neonatal. Pode estar associado a uma grave hipóxia fetal, que resulta em grave anemia causada pela falta de oxigenação e consequente acidose, isto é, a diminuição do ph sanguíneo do feto. Hemorragia materna também pode resultar neste padrão [19]. Outras formas de padrões não usuais encontradas são o padrão da linha de base de Wandering e o padrão Lambda. O primeiro é quando não se consegue estabelecer uma linha de base para a FCF, normalmente causado por problemas neurológicos no feto. O segundo padrão ocorre quando se tem uma aceleração e logo em seguida uma desaceleração, podendo acontecer durante o trabalho de parto e sem causa determinada [14]. 2.5 Contrações Uterinas As contrações uterinas são movimentos que podem ou não ser rítmicos ou periódicos, dependendo do tempo de gestação. Seu monitoramento é importante para que seja possível verificar a ocorrência de patologias e para estabelecer uma correlação com as alterações da FCF, principalmente nos casos de desacelerações Fisiologia das Contrações Uterinas Fisiologicamente, o papel inicial de uma contração uterina é de expelir o conteúdo intrauterino. Contrações normais existentes antes do momento do trabalho de parto servem como preparação do útero e da cervix para tal momento. Contrações conhecidas como Braxton-Hicks são medidas em milímetros de mercúrio (mmhg) e possuem uma magnitude de 10 a 20 mmhg. São generalizadas em todo o útero e possuem uma freqüência que aumenta de uma por hora com 30 semanas para uma contração a cada 5 ou 10 minutos durante o trabalho de parto. Este tipo de contração muitas vezes não é notado pelas gestantes. O útero é um músculo e possui um tônus basal que deve ser levado em consideração

34 Capítulo 2: Monitoramento Fetal 20 nas medições de suas contrações, com um valor base de 12 mmhg na fase próxima ao final da gravidez. Valores acima de 20 mmhg são classificados como hipertônus. As principais características para a classificação de contrações uterinas são: freqüência, duração, intensidade (amplitude), uniformidade e forma. Todas estas características podem ser extraídas eficientemente por meio de um monitoramento externo do tônus uterino Monitoramento das Contrações O monitoramento das contrações uterinas maternas é eficientemente realizado por equipamentos externos denominados tocodinamômetros. Este tipo de equipamento possui um sensor que é formado por um peso com um botão detector de pressão localizado em sua parte central, sendo preso à parede abdominal por um cinto elástico para regular sua posição e o nível de pressão a que é submetido. Esta regulagem é necessária para garantir uma melhor detecção das contrações. A grande vantagem deste monitoramento reside no fato de ser não invasivo. Entretanto, como o tônus uterino varia para cada paciente analisada, existe a necessidade de um controle de calibração, quer seja no sensor ou no cardiotocógrafo, para ajuste inicial do valor de repouso ou de base do útero que está sendo monitorado. Além disso, deve ser sempre lembrado que o traçado obtido externamente para as contrações uterinas é sempre relativo e varia muito com a posição materna, obesidade relativa e até mesmo com o nível de aperto do cinto. A sensibilidade do sensor utilizado no tocodinamômetro também gera influências na duração de uma contração. Quanto mais sensível, nota-se maior duração na contração. Desta forma, o monitoramento externo das contrações resulta em um exame no qual a freqüência de ocorrência é mais precisa, enquanto que a duração e a intensidade são menos precisas.

35 Capítulo 2: Monitoramento Fetal Quantificação das Contrações Diversas razões tornam importante a quantificação das contrações uterinas maternas. Um exemplo claro está na detecção da aproximação do trabalho de parto. Para isto, diversos índices são propostos e utilizados. Freeman, Garite e Nageotte [14] citam que, em 1957, Caldeyro-Barcia definiu a Unidade de Montevidéu como o produto da média dos picos das contrações uterinas (medidos em milímetros de mercúrio) pelo número de contrações no intervalo de 10 minutos. Em seguida, definiu-se que uma atividade uterina adequada em período de parto deve ser maior ou igual a 200 unidades de Montevidéu. Este parâmetro, apesar de bastante utilizado, não inclui a duração das contrações em seu cálculo. Definiu-se, então, a Unidade de Alexandria, que multiplica a média dos picos das contrações uterinas (medidos em milímetros de mercúrio) pelo tempo médio de duração destas contrações e pelo número de contrações no intervalo de 10 minutos. Uma técnica computacional utilizada é a de integração da área sob a curva da contração. Além da movimentação uterina, o ritmo ou freqüência das contrações também é importante. Algumas classificações são estabelecidas, entretanto não são de uso universal. Uma das consequências, por exemplo, de contrações uterinas muito freqüentes, sem um intervalo entre elas, é a possibilidade de se impedir o fluxo sanguíneo para o feto por compressão constante do cordão umbilical [50] Outros fatores que afetam as contrações uterinas Para compreender e tentar corrigir padrões anormais de contrações uterinas e as reações causadas por elas na FCF, é importante levar em consideração aspectos intrínsecos e extrínsecos que afetam a contratilidade uterina. Estes aspectos podem se manifestar tanto diminuindo quanto aumentando a intensidade e a duração das contrações. Dois aspectos intrínsecos são a posição materna e a existência de patologias, tais como pré-eclâmpsia ou o rompimento da placenta. Este último normalmente causa o mais alto grau de hiperatividade uterina, podendo-se encontrar problemas de

36 Capítulo 2: Monitoramento Fetal 22 hipertônus uterino ou ainda algum outro nível de hiperatividade, indicando sofrimento fetal. Inclusive em casos com pouco sangramento vaginal, apenas a detecção destes tipos de padrões, em conjunto com a verificação da existência de padrões anormais de FCF, podem levar a se fazer fortes considerações sobre a possibilidade de rompimento da bolsa placentária. Do exposto, é fato que a análise das contrações uterinas maternas é de grande importância para uma completa interpretação do monitoramento fetal eletrônico através do uso de cardiotocografias, principalmente correlacionando-as com a ocorrência de alterações na FCF. 2.6 Critérios da FIGO Conforme citado anteriormente, visando gerar uma uniformização na nomenclatura e nos critérios de análise das cardiotocografias, a FIGO definiu seu conjunto de critérios, os quais serão utilizados neste trabalho. A FIGO classifica uma CTG anteparto em três categorias: Normal, Suspeita e Patológica, determinando as condições de cada variável separadamente, como explicado a seguir. Uma CTG é considerada NORMAL quando: a linha de base encontra-se entre 110 a 150 bpm; a variabilidade está no intervalo de 5 a 25 bpm; ausência de desacelerações, exceto desacelerações de pequena intensidade e de curta duração; presença de pelo menos duas acelerações em um intevalo de 10 minutos. Uma CTG é considerada SUSPEITA quando: a linha de base encontra-se nos intervalos de 100 a 110 bpm ou de 150 a 170 bpm;

37 Capítulo 2: Monitoramento Fetal 23 Variável Normal Suspeito Patológico Linha de Base [110,150] [100,110) ou < 100 ou > 170 (bpm) (150,170] ou Sinusoidal Variabilidade (bpm) [5,25] > 25 ou [5,10] tempo > 40 min. < 5 por mais de 40 min. Acelerações (freq.) 2 Acel. em 10 min. Apenas 1 Acel. em 10 min. Ausência Desacelerações Ausência ou leve esporádica de periódica de (freq.) e esporádica de qualquer tipo, qualquer tipo ou curta duração exceto grave esporádica grave ou prolongada ou tardia Tabela 2.1: critérios estabelecidos pela FIGO. a variabilidade encontra-se no intervalo de 5 a 10 bpm por mais de 40 minutos; a variabilidade encontra-se acima de 25 bpm; ausência de acelerações por mais de 40 minutos; desacelerações esporádicas, de qualquer tipo, exceto na ocorrência de uma desaceleração severa. Uma CTG é considerada PATOLÓGICA quando: a linha de base encontra-se abaixo de 100 ou acima de 170 bpm; a variabilidade encontra-se abaixo de 5 bpm por mais de 40 minutos; existência de desacelerações periódicas e recorrentes; presença de desacelerações variáveis graves, prolongadas ou tardias; ocorrência de padrão sinusoidal da linha de base da FCF com freqüência menor que 6 ciclos, amplitude maior ou igual a 10 bpm e duração maior que 20 minutos. A Tabela 2.1 apresenta um resumo da definição desses critérios. Entretanto, mesmo com esta padronização estabelecida, a análise das duas variáveis em uma

38 Capítulo 2: Monitoramento Fetal 24 CTG, contrações uterinas e FCF, bem como sua correlação, podem ser interpretadas de várias maneiras e estão sujeitas a erros. Com isto, o uso de sistemas de auxílio ao diagnóstico computadorizados tem o objetivo de alcançar interpretações mais precisas destas informações. 2.7 Cardiotocografia Computadorizada Analisando-se todos os aspectos abordados no decorrer deste Capítulo, vê-se que o uso de cardiotocografias para o monitoramento do bem estar fetal é uma ferramenta bastante útil. A FEBRASGO indica o uso de cardiotocografia em diversas fases e situações para análise da vitalidade fetal e acompanhamento de gestações de risco [1]. A análise visual dos traçados cardiotocográficos (FCF e UC) é uma fonte de informação com um alto grau de subjetividade, estando sujeita à grande variabilidade de critérios e limitada reprodutibilidade de resultados [36, 44, 4]. Além disso, diversos padrões de nomenclatura e definições estabelecidos pela FIGO [13], pela FEBRASGO [1], ou ainda pelo Royal College de Londres [44] das variáveis analisadas são causas de divergências nos resultado de análise de CTG. Neste contexto, sistemas computadorizados desenvolvidos estão sendo aperfeiçoados com o intuito de se padronizar nomenclaturas e definições para gerar um resultado de primeiro nível confiável para auxílio ao diagnóstico médico. Neste trabalho, são apresentados dois sistemas, com suas respectivas definições de variáveis consideradas e algumas caraterísticas de suas saídas. O primeiro é o System 8002, desenvolvido na Universidade de Oxford, no Reino Unido, sendo bastante difundido no mundo inteiro e utilizado na Universidade de São Paulo - USP, como ferramenta de cardiotocografia computadorizada. A segunda solução apresentada é o CTGOnline, da Trium, parceira da UFC no projeto SISCTG. Este programa encontra-se instalado na MEAC, tornando-se, assim, o foco maior das discussões apresentadas.

39 Capítulo 2: Monitoramento Fetal O Sistema Oxford System 8002 É um sistema computadorizado de análise da FCF desenvolvido por Dawes e Redman, no ano de 1985 em Oxford, Reino Unido, que estabeleceram critérios próprios a serem utilizados por este sistema [51]. O System 8002 realiza a análise do traçado de uma CTG e armazena os dados, permitindo a análise dos seguintes parâmetros: FCF basal, variabilidade de curto prazo, episódios de alta e baixa variabilidade, acelerações e desacelerações da FCF, perda de sinal, contrações uterinas e movimentos fetais registrados pela gestante. O sistema é padronizado para ser utilizado no período anteparto. Nos primeiros 10 minutos de realização do exame, o sistema não realiza nenhuma interpretação. Após este período, ele realiza a primeira análise do traçado, que é revista a cada 2 minutos até que se atinja o critério de normalidade pré-estabelecido por Dawes e Redman [7]. O sistema é capaz de monitorar a perda do sinal da FCF. Quando é detectado um intervalo com perda do sinal, o sistema sinaliza com um traço em linha reta ao marcar a linha de base. Quando o programa de análise é executado, um alarme de perda do sinal é fixado quando este atinge 30% do total analisado. A porcentagem final de perda do sinal em todo o traçado é registrada no laudo final. O sistema não permite a análise do traçado quando a perda do sinal é superior a 80%. Nestas situações, o exame é automaticamente interrompido, sendo necessário reiniciar o procedimento. Alguns problemas típicos deste sistema são a perda do sinal e erros de medição. Se uma perda de sinal superior a 25% ocorrer em uma desaceleração superior a 20 batimentos perdidos, este evento é marcado com um asterisco. Uma perda entre 25% e 50% é marcada com um sinal de interrogação e a ocorrência de perdas superiores a 50% durante uma aceleração ou desaceleração superior a 20 batimentos perdidos não são consideradas na análise. Quanto aos erros de medição, os monitores fetais ocasionalmente produzem sinais que podem ser erroneamente interpretados como acelerações e desacelerações, principalmente se evidenciados trechos isolados com grande diferença na FCF basal. Estes

40 Capítulo 2: Monitoramento Fetal 26 artefatos são detectados e considerados como perda do sinal, não sendo considerados na análise do traçado. O trecho é demarcado na tela do computador, indicando o período em que ocorre o erro, e a mensagem para verificar o sensor é apresentada. O sistema apresenta asteriscos para alertar o examinador sobre qualquer desvio de normalidade. Asteriscos duplos surgem nas situações listadas a seguir, e o parâmetro anormal aparece em cor púrpura na tela. As condições que produzem os duplos asteriscos são: FCF anormal, menor que 115 bpm ou maior que 160 bpm em traçados com duração inferior a 30 minutos; desacelerações com mais de 100 batimentos perdidos ou desacelerações em traçados com duração de 30 minutos; ausência de movimentos fetais e menos de 3 acelerações em traçados com duração de 30 minutos; ausência de episódios de alta variabilidade; variabilidade de curto prazo inferior a 3 milisegundos; ausência de acelerações com menos de 21 movimentos fetais por hora ou variação de longo prazo inferior ao percentil 10 em episódios de alta variação; quando a variação de longo prazo nos episódios de alta variação é inferior ao percentil 1 para a idade gestacional. As condições que produzem um asterisco são: variação de curto prazo com valor maior que 3 ms e menor que 4 ms; FCF basal fora dos limites normais (116 bpm a 160 bpm), em traçados com duração superior a 30 minutos; presença de pequenas desacelerações.

41 Capítulo 2: Monitoramento Fetal 27 A maior restrição ao uso do sistema System 8002 está no fato de que o algoritmo desenvolvido por Dawes, no qual baseia seus critérios de funcionamento, apresenta diversos problemas de falhas na detecção de variações bruscas e na recuperação de sinais perdidos, o que é corretamente tratado no algoritmo adotado pelo sistema CTGOnLine apresentado a seguir [7, 47]. Além disso, não segue os padrões definidos pela FIGO, mas sim os estabelecidos pelo RCOG O Sistema CTGOnline O CTGOnline é um sistema de cardiotocografia computadorizada desenvolvido pela empresa Trium, sediada em Munique, na Alemanha, compatível com diversos equipamentos cardiotocográficos que realiza detecções e análises da FCF e das contrações uterinas maternas [52]. A comunicação é feita interligando-se os cardiotocógrafos a um servidor de rede através de uma rede local padrão Ethernet baseada no protocolo TCP/IP. É um sistema baseado em ambiente web, tendo como infra-estrutura de servidor HTTP a ferramenta de código aberto Apache. Entretanto, é desenvolvido utilizandose diversas ferramentas proprietárias, tais como a ferramenta de desenvolvimento ColdFusion, o gerador de gráficos LabView e o banco de dados cliente/servidor Microsoft Access. Isto faz com que o programa seja compatível apenas com plataforma Microsoft Windows. A junção dessas diversas soluções torna sua instalação bastante complexa, assim como também dificulta ações de gerência no servidor do sistema, tais como controle de versões, cópias de segurança, dentre outras. Isto também encarece seu preço final, uma vez que se tem que pagar taxas de licenciamento de uso para algumas das ferramentas utilizadas. A Figura 2.5 a seguir mostra uma cardiotocografia avaliada pelo CTGOnline. O sistema baseia-se em uma extensão dos critérios estabelecidos pela FIGO, com suas indicações de conformidade ou desconformidade apresentadas de forma gráfica

42 Capítulo 2: Monitoramento Fetal 28 Figura 2.5: CTG interpretada pelo programa CTGOnline. nos próprios traçados do exame. Para compreensão das variáveis utilizadas, é criado um padrão de codificação que encontra-se definido a seguir: Acc n Dec n V ar n V ar n i, j número de Acelerações nos últimos n minutos; número de Desacelerações nos últimos n minutos; variabilidade nos últimos n minutos; min(v ar n ) i e max(v ar n ) j, em que i e j são representados pelos seguintes valores I [0,5); II [5,10); e III [10, + ).

43 Capítulo 2: Monitoramento Fetal 29 A Tabela 2.2 apresenta um resumo desta extensão, feita para adequação computacional dos critérios da FIGO para o sistema CTGOnline. Normal Suspeito Patológico Linha de Base [110,150] X [100,110) X (150,170] X [0,100] X (170,+ ) X Variabilidade [0,25] X (25,+ ) X V ar 30 I,I X V ar 30 I,II X V ar 30 I,III X V ar 30 II,II X V ar 30 II,III X V ar 30 III,III X Acelerações Acc 30 4 X Acc 30 {1, 2, 3} X Acc 30 = 0 X Desacelerações Dec 30 = 0 X Apenas desacelerações X curtas Desacelerações X severas Outros tipos X Tabela 2.2: extensão dos critérios estabelecidos pela FIGO - Sistema CTGOnLine.

44 Capítulo 2: Monitoramento Fetal Comparações entre os sistemas A maior vantagem do CTGOnLine sobre o System 8002 é ser um sistema projetado para funcionar em ambiente web, podendo ser acessado de qualquer lugar a qualquer tempo, permitindo à equipe médica visualizar a execução em tempo real de exames e também consultar exames previamente realizados. O System 8002, por sua vez, somente permite acesso no servidor que realiza o monitoramento. Além disso, ao contrário do sistema de Oxford, o CTGOnline segue um padrão internacionalmente estabelecido, baseando-se completamente na classificação determinada pela FIGO [13]. 2.8 Conclusão O monitoramento contínuo da freqüência cardíaca fetal e das contrações uterinas permitem que sejam detectadas diversas alterações no estado fetal. O bem-estar fetal é o que se busca com este monitoramento. Dada a diversidade de padronizações existentes para o exame de cardiotocografia, o uso de sistemas computadorizados torna-se uma alternativa viável tanto para aumentar a precisão quanto a confiabilidade na interpretação destes exames - são as chamadas cardiotocografias computadorizadas. Neste contexto é feito um levantamento bibliográfico sobre as pesquisas que estão sendo realizadas na área em todo o mundo com destaque para as técnicas de processamento digital de sinais e de inteligência computacional.

45 Capítulo 3 Estado da Arte A dificuldade de interpretação dos sinais em uma cardiotocografia pela grande variedade de parâmetros, resultando em uma intrínseca subjetividade em sua análise, fez surgir, em todo o mundo, diversas pesquisas com o intuito de gerar sistemas de análises e diagnósticos computadorizados. Este capítulo apresenta uma revisão bibliográfica de diversas pesquisas realizadas em todo o mundo na tentativa de melhorar a análise de CTGs ou ainda extrair informações mais ricas para os analisadores do sinal. As abordagens estão classificadas em seções, sendo a primeira dedicada ao uso de técnicas de processamento digital de sinais (PDS) baseadas, por exemplo, em análises no domínio da freqüência. A segunda abordagem é focada nas soluções baseadas em inteligência computacional aplicada, com redes neurais e sistemas de inferências nebulosos. Finalmente, a última seção apresenta novas abordagens, inclusive com a definição de novas variáveis para análise dos sinais. Ao final, são apresentados dois algoritmos utilizados em sistemas de cardiotocografias computadorizadas. 3.1 Sistemas de Processamento Digital de Sinais Diversas técnicas de processamento digital de sinais podem ser utilizadas para extrair informações de sinais cardiotocográficos. 31

46 Capítulo 3: Estado da Arte 32 A partir de 1993, uma equipe de pesquisa polonesa, liderada por Jezewski publica uma seqüência de artigos sobre o desenvolvimento de um sistema para análise computadorizada de cardiotocografias, criando um sistema denominado KOMPOR SYSTEM [20]. O projeto pesquisou o interfaceamento de equipamentos de monitoramento fetais [21], a comunicação confiável em sistemas cardiotocográficos [27], o desenvolvimento de técnicas ergonômicas de visualização [23], e ainda a interpretação computadorizada do sinal utilizando um algoritmo próprio comparando-o com outras técnicas desenvolvidas por grandes fabricantes mundiais [22]. O projeto partiu desde o projeto de hardware até a interpretação por meio de programas; no entanto, com o avanço de novas técnicas, sua implementação é inferior às técnicas disponíveis atualmente para análise de sinais cardiotocográficos. Salamalekis et. al (2002), propõe a utilização de transformadas wavelets para estimar a potência em diferentes intervalos de freqüência para diversos estados fetais unida ao monitoramento contínuo da oximetria fetal, ou seja, do nível de oxigênio no sangue. Estas variáveis, submetidas a uma rede neural auto-organizável (SOM - Selforganising Map Neural Network), apresentam resultados promissores de classificação da hipóxia fetal [45]. No entanto, a detecção da hipóxia fetal é apenas um dos diversos aspectos que podem ser determinados com a análise de cardiotocografias, o que torna o sistema muito superficial em relação ao interesse das equipes médicas envolvidas neste tipo de trabalho. Com outra abordagem, Noguchi et. al. apresentam uma seqüência de publicações nas quais são feitas diversas análises no domínio da freqüência da FCF e de sua variabilidade. O método da função integral aplicado à análise da variabilidade se mostra uma técnica sensível na detecção de alterações e de baixo custo computacional [34]. Em seguida, o mesmo método é utilizado diretamente na FCF apresentando bons resultados na detecção de alterações dos padrões da freqüência cardíaca fetal, realçando componentes de freqüência desta variável [35]. Comparando esta técnica com outras abordagens, tais como a utilização de filtros LPF-Improved, o método da função integral de Noguchi apresenta boa performance. A grande restrição desta

47 Capítulo 3: Estado da Arte 33 abordagem está no fato de não poder ser utilizada concomitante à realização do exame, isto é, em tempo real. Sua aplicação é feita apenas de maneira posterior, o que pode comprometer o tempo de resposta necessário de alguma intervenção por parte da equipe médica. 3.2 Sistemas utilizando Inteligência Computacional Técnicas de inteligência computacional, por possuirem caráter inerentemente não lineares, estão sendo largamente empregadas na análise do monitoramento fetal eletrônico. Trabalhando na detecção dos batimentos cardíacos fetais, isto é, na detecção dos complexos QRS de fetos, Outram e Ifeachor [37] apresentam um sistema de dois níveis sendo o primeiro considerado uma camada de pré-processamento implementado por um filtro para detectar os complexos QRS, isto é, os batimentos cardíacos fetais, e em seguida um módulo de reconhecimento de padrões para classificação. Para isto, compara o uso de uma rede neural artificial baseada no Perceptron multicamada - MLP (Multi-layer Perceptron) com o método da correlação. Este último apresenta os melhores resultados, além do custo computacional ser menor. A detecção das ondas QRS em fetos é de importância crucial na detecção da variabilidade de curto prazo (STV). Sua implementação deve ser embarcada no próprio cardiotocógrafo e não no programa de análise do exame, que é o objetivo deste trabalho. Com foco em reconhecimento de padrões, Romero et. al. [43] realizam a classificação de exames cardiotocográficos utilizando uma rede neural artificial também baseada no modelo MLP unida a uma aplicação de PCA (Principal Component Analysis), visando tornar a análise independente da linha de base. No mesmo trabalho, a utilização de MR-PCA (Multi-Resolution Principal Component Analysis) também é utilizada, concluindo-se que o uso de redes neurais pode ser uma boa ferramenta de classificação. Hackzell [16], por sua vez, desenvolve um estudo baseado em dois tipos de redes neurais artificiais, sendo o primeiro com o uso de uma rede do tipo SOM e o

48 Capítulo 3: Estado da Arte 34 seguinte com o uso de uma rede MLP. Em ambos é alcançado um nível satisfatório de classificação, porém sem um detalhamento quantitativo dos resultados da pesquisa. Na Itália, Signorini e Magenes em [32, 48, 31], traçam uma linha de pesquisa aplicando tanto o uso de RNA - Redes Neurais Artificiais quanto de sistemas nebulosos de inferência para a classificação de cardiotocografias. No primeiro trabalho, a equipe baseia-se na classificação de cardiotocografias por redes neurais não supervisionadas, conhecidas como Redes de Kohonen. Os resultados obtidos são bastante promissores mesmo com a utilização de arquiteturas simples de redes e com um número limitado de conjunto de treinamento. A intenção é, neste caso, classificar o estado fetal como normal ou patológico. No segundo trabalho considera-se a utilização de um sistema de classificação nebuloso tendo como variáveis de entrada um conjunto de dez parâmetros estatísticos, temporais e do domínio da freqüência. A utilização deste grande número de variáveis é problemático para uso no dia-a-dia de um ambiente médico por adicionar variáveis e classificações que não possuem respaldo da comunidade médica internacional. O foco deste trabalho é a detecção de apenas duas condições: retardamento de crescimento intra-uterino, conhecida como IUGR (Intra Uterine Growth Retardation) e a existência de diabete materna do tipo 1. O trabalho utiliza ainda dez diferentes classificadores nebulosos baseados tanto no modelo de Mamdani quanto no modelo de Takagi-Sugeno. No terceiro trabalho é utilizado um conjunto de soluções baseadas em redes neurais e lógica nebulosa para a criação de um sistema de classificação mais robusto. Consiste na união dos dois sistemas apresentados anteriormente e tem como objetivo principal oferecer um sistema mais completo e com maior análise de requisitos para auxílio ao diagnóstico médico. Ainda nesta linha, Ulbricht [53] implementa um sistema de dois níveis de redes neurais para classificação de patologias em cardiotocografias. O primeiro nível tem como entrada as informações diretas dos sinais FCF e UC, tendo uma camada de

49 Capítulo 3: Estado da Arte 35 saída que já faz um determinado tipo de classificação baseada nestes dois parâmetros, como por exemplo a ocorrência de taquicardia ou de bradicardia. Em seguida, estas informações obtidas na saída são submetidas a outra rede neural, que realiza uma classificação baseada em diagnóstico, como por exemplo, feto em estado normal, hipóxia fetal, necessidade de intervenção imediata, dentre outras. As implementações de Ulbricht, Signorini e Magenes podem servir como possíveis trabalhos para aperfeiçoamento do SISCTG. 3.3 Entropia Aproximada Em uma outra vertente, novas abordagens para avaliação dos sinais coletados em uma CTG - FCF e UC - estão sendo desenvolvidas [40, 30]. Destaque para o estudo do comportamento da entropia aproximada tanto da FCF como também da variabilidade da FCF como forma de determinar o nível de energia existente no sinal fetal, fornecendo um parâmetro sensível a alterações. Segundo Morris [30], todos os processos reais no mundo - quer sejam processos físicos, biológicos, geológicos e outros - possuem algumas características em comum. Todos eles envolvem fenômenos que acontecem no espaço e no tempo, e todos eles envolvem uma interligação entre duas importantes entidades: energia e entropia. A entropia aproximada (Approximate Entropy - ApEn) é uma medida do grau de dispersão de um sistema. Foi definida por Pincus [40] e desde então diversos estudos estão sendo realizados, encontrando forte aplicabilidade na análise de sinais biológicos. 3.4 O Algoritmo Dawes Dawes [11] é o primeiro estudioso a desenvolver, no início dos anos 1980, pesquisas para o desenvolvimento de um algoritmo para análise computadorizada de CTGs. Para isso, utiliza-se de filtros de freqüência para determinar as variáveis relacionadas à FCF.

50 Capítulo 3: Estado da Arte 36 A execução do algoritmo de Dawes deve ser realizada após os primeiros 10 minutos de exame e repetida a cada 2 minutos, podendo ser dividida nos seguintes passos: algoritmo de detecção de erro, para verificação de falhas nas medições; interpolação e agregação; cálculo da linha de base da FCF; cálculo das acelerações e desacelerações e, por último, o cálculo da variabilidade (LTV). Um dos problemas existentes no método utilizado por Dawes é o fato de não detectar corretamente no caso em que existem alterações como acelerações no início do exame, e também não consegue acompanhar deslocamentos da FCF basal. Diversas modificações de seu algoritmo foram realizadas, principalmente por Redman, com o intuito de corrigir suas deficiências e melhorá-lo na detecção das informações. Todas as publicações de Dawes, Redman e seus pesquisadores parceiros foram superficiais e não deram detalhes de sua implementação. Com o lançamento do sistema Oxford System 8002, a implementação ficou ainda mais fechada e de difícil análise [47]. 3.5 O Algoritmo DMW Daumer e Neiss [10] desenvolvem um algoritmo para análise em tempo real ou online de sinais biológicos, com detecção de deslocamentos, oscilações e limites. Este algoritmo é denominado de Delayed Moving Window ou Janela Móvel Atrasada e é a base de detecção e classificação atualmente utilizada no sistema CTGOnline utilizado na MEAC e foco deste projeto. O DMW é um algoritmo adaptativo para detectar irregularidades, saltos e valores discrepantes em um sinal no tempo, podendo, nestes casos, ser utilizado como sistema de alarme em tempo real. O modo mais simples de definição de sistema de alarme é baseado na utilização de dois limites fixos utilizados para controlar o sinal. Se o sinal ultrapassa o limite superior ou cai abaixo do limite inferior, o alarme é disparado. Este tipo de sistema

51 Capítulo 3: Estado da Arte 37 não leva em consideração a possibilidade de ocorrência de medições errôneas, valores discrepantes momentâneos (que pode ser causado pela falha na detecção do sinal) nem a existência de irregularidades ou de saltos no sinal causados, no caso de cardiotocografias, pela movimentação materna ou fetal. Estas alterações podem levar os sinais monitorados a se reestabilizarem em um novo nível de base, o que também não é considerado por este tipo de sistema. O DMW contorna esses problemas. Ele utiliza um sistema de alarme baseado em limites, mas estes limites são continuamente recalculados de acordo com o histórico do sinal monitorado em uma janela móvel denominada como atrasada, isto é, que considera os valores anteriores do sinal. O algoritmo implementado por Daumer implementa soluções para alguns importantes problemas encontrados nos sinais de cardiotografias: Substituição de vazios ou zeros causados por falhas na detecção; Detecção de valores discrepantes dos valores que vem sendo apresentados pelo sinal; Cálculo da linha de base da FCF. Após este tratamento, as detecções de acelerações, desacelerações e o cálculo da variabilidade são realizados. O método tem o objetivo de ser simples, de tal forma que não matemáticos, como médicos e enfermeiras possam avaliá-lo e contribuir para sua melhoria. Comparado a outros algoritmos utilizados em pesquisas para análises de CTG computadorizadas, o DMW apresenta boa performance e confiabilidade, detectando corretamente alterações significativas no sinal e tratando adequadamente falhas de medições dos sensores.

52 Capítulo 3: Estado da Arte Conclusão No intuito de utilizar sistemas automatizados para a análise de cardiotocografias, diversas implementações e estudos vêm sendo realizados em universidades e empresas. Este capítulo apresenta algumas dessas abordagens, dando maior ênfase para a área de Inteligência Computacional Aplicada, destacando-se as técnicas que são empregadas. O algoritmo DMW, utilizado pelo sistema CTGOnLine é bastante eficiente na detecção e tratamento dos sinais monitorados, sendo adequado para utilização combinada com um sistema de auxílio ao diagnóstico baseado em inteligência computacional, em especial na combinação de regras determinísticas com lógica nebulosa.

53 Capítulo 4 Implementação do SISCTG O SISCTG é um sistema híbrido utilizado para a classificação de cardiotocografias, constituído por um componente determinístico para a análise das desacelerações e seus tipos, e por um sistema de inferência nebuloso, baseado no modelo de Mamdani, levando em consideração a FCF basal, as variabilidades de longo e de curto prazo e a quantidade de acelerações transitórias. Uma discussão sobre os conceitos de lógica nebulosa, suas operações matemáticas e um exemplo básico de aplicação se encontram no Apêndice B. 4.1 Sistema de Inferência Nebuloso Segundo Mendel [29], em geral, um sistema de lógica nebulosa é um mapeamento não linear de um vetor de dados de entrada em uma saída escalar. Modularmente, um sistema de inferência nebuloso (fuzzy inference system, FIS) pode ser representado por um conjunto de subsistemas, cada um realizando uma tarefa conforme pode ser visto na Figura 4.1. Cada um dos elementos componentes do diagrama projetado para o sistema SISCTG é explicado a seguir. 39

54 Capítulo 4: Implementação do SISCTG 40 Figura 4.1: diagrama em blocos de um sistema de inferência nebuloso Variáveis de Entrada e Saída O primeiro passo para o desenvolvimento de um sistema fuzzy bem sucedido está na escolha e modelagem das variáveis de entrada e de saída do sistema. Normalmente, é necessário que um especialista, na área de abrangência do sistema, esteja presente para realizar esta modelagem. Por exemplo, caso seja desenvolvido um sistema de inferência fuzzy para a área de Engenharia Biomédica, um médico ou mesmo uma equipe médica são necessários para determinar quais variáveis de entrada do sistema são relevantes e que valores irão assumir. Da mesma forma, esta mesma equipe também deve determinar as variáveis de saída do sistema que, neste exemplo específico, podem ser classificações de possíveis patologias. A primeira versão do SISCTG, consta de um sistema fuzzy para análise de duas variáveis de entrada de uma CTG que são a FCF basal e a variabilidade da FCF [28]. Na versão apresentada neste trabalho, as variáveis de entrada estão de acordo com as definições usualmente seguidas pela equipe médica da área obstétrica da MEAC. Somente a variabilidade de curto prazo (STV) teve seus valores especificados durante

55 Capítulo 4: Implementação do SISCTG 41 o projeto SISCTG, uma vez que é levada em consideração a partir da implantação do exame de CTG computadorizada na instituição. As variáveis de entrada são: freqüência cardíaca fetal basal, variabilidade de longo prazo, variabilidade de curto prazo, acelerações e desacelerações. Freqüência Cardíaca Fetal Basal - a FCF basal do feto é o ponto de partida para diversas interpretações de seu bem-estar. É identificada pela sigla FCFB. Variabilidade de Longo Prazo - é a variabilidade comumente analisada hoje nos exames realizados na MEAC, denominada de LTV. Um componente determinístico também é utilizado para o caso de ocorrência de dois padrões não usuais de variabilidade denominados lisa e sinusoidal. Variabilidade de Curto Prazo - é a variabilidade calculada a cada batimento cardíaco do feto, por isso não pode ser analisada visualmente. Com o uso do sistema CTGOnLine, a equipe médica poderá contar com mais esta variável de análise, denominada STV. Acelerações - o número e o tipo de acelerações (principalmente se são de pequeno porte, ou hipoacelerações) são importantes para se determinar a vitalidade fetal. Um componente determinístico é utilizado para o caso de ocorrência de hipoacelerações. É identificada como ACEL. Desacelerações - tipos e número de ocorrências - é uma variável de entrada complexa para ser fuzzyficada por possuir diversos tipos e para cada um deles algumas classificações. Neste caso, é criado um componente determinístico para o sistema, de acordo com o exame realizado. Este conjunto de informações sobre as desacelerações é chamado de DCEL. A Tabela 4.1 apresenta um resumo dos valores e classificações utilizadas no sistema SISCTG. Nota-se que cada variável possui três possíveis classificações: reativo, que representa o estado aproximado de bem-estar fetal; hiporreativo, que pode indicar um estado de alteração do feto; e não reativo, que indica sofrimento fetal. A saída do SISCTG, chamada de DIAG, é um diagnóstico de primeiro nível do

56 Capítulo 4: Implementação do SISCTG 42 Variável Reativo Hiporreativo Não reativo FCFB (bpm) [110,160] [100,110) ou < 100 ou > 180 (160,180] LTV (bpm) 5 e < 20 < 5 e 20 Lisa ou Sinusoidal STV (ms) [2.5,7.5] [1.5,2.5) ou < 1.5 ou > 9.5 (7.5,9.5] ACEL 2 1 aceleração ou hipoacelerações ausência DCEL ausência DIP I; DIP DIP II; Variáveis II favoráveis severas; Prolongada isoladas; Prolongadas > 3 min. 3 min. Tabela 4.1: SISCTG - critérios definidos pela MEAC. estado fetal. A esta variável são associados três níveis de conclusão, a saber, normal, subnormal ou patológico, sendo definidos da seguinte forma: Normal: feto em normais condições. Todas as variáveis de entrada pertencem à categoria reativa. Subnormal: um ou mais valores, exceto todos, das variáveis de entrada é da categoria hiporreativo e os outros são da categoria reativa. Patológico: detecção de alterações significativas no feto. As variáveis de entrada são todas da categoria hiporreativa ou um ou mais parâmetros pertencem à categoria não reativa Módulo Fuzzyficador O bloco fuzzyficador de um Sistema Nebuloso é responsável por transformar as variáveis linguísticas de entrada em valores das funções de pertinência dos conjuntos nebulosos [55].

57 Capítulo 4: Implementação do SISCTG 43 Para a construção do fuzzyficador, normalmente conta-se com a participação de um especialista do universo do problema em discussão para que sejam definidos diversos parâmetros, tais como: tipo de função de pertinência a ser utilizada; número de conjuntos nebulosos necessários para representar uma variável linguística; áreas de interseção entre os conjuntos; limites inferior e superior dos conjuntos; valor ou intervalo de pico dos conjuntos. A partir dos valores disponíveis na Tabela 4.1, as variáveis nebulosas tanto de entrada quanto de saída do SISCTG são definidas. ENTRADA 1 - FCF Basal - FCFB Tipo de função de pertinência: Gaussiana. FCFB = {Bradicardia Acentuada, Bradicardia Leve, Normal, Taquicardia Leve, Taquicardia Acentuada} Bradicardia Acentuada: 0 FCFB 100 Bradicardia Leve: 90 FCFB 120 Normal: 110 FCFB 160 Taquicardia Leve: 150 FCFB 190 Taquicardia Acentuada: FCFB 180 ENTRADA 2 - Variabilidade de longo prazo - LTV da FCF Na ocorrência dos padrões não usuais de LTV, o diagnóstico é deterministicamente dado como Patológico. Tipo de função de pertinência: Gaussiana.

58 Capítulo 4: Implementação do SISCTG 44 LTV = {Baixa, Normal, Alta} Baixa: 0 LTV 7 Normal: 5 LTV 22 Alta: LTV 18 ENTRADA 3 - Variabilidade de curto prazo - STV da FCF Tipo de função de pertinência: Gaussiana. STV = {Acentuadamente Baixa, Levemente Baixa, Normal, Levemente Alta, Acentuadamente Alta} Acentuadamente Baixa: STV 1,5 Levemente Baixa: 1,5 STV < 2,5 Normal: 2,5 STV 7,5 Levemente Alta: 7,5 < STV 9,5 Acentuadamente Alta: STV > 9,5 ENTRADA 4 - Acelerações - ACEL Tipo de função de pertinência: Gaussiana. Para o caso de ocorrência de hipoacelerações, a variável ACEL será definida deterministicamente como Hiporreativa. ACEL = {Ausente, Baixa, Normal} Ausente: ACEL = 0 Baixa: 0 < ACEL < 2 Normal: ACEL 2 ENTRADA 5 - Desacelerações - DCEL É a única variável de entrada que não contém características nebulosas, uma vez que sua interpretação depende de sua existência ou não e ainda, caso exista, apenas de seu tipo. É definida como um conjunto de variáveis determinísticas que seguem o

59 Capítulo 4: Implementação do SISCTG 45 padrão de classificação estabelecido na Tabela 4.1. DCEL = {Ausente, Presente}; TIPODCEL = {DIP I, DIP II, DIP II Isolada, Prolongada, Variável, Variável Severa}; DURACAODCEL = tempo, em minutos, de duração da desaceleração. SAÍDA - Diagnóstico - DIAG Tipo de função de pertinência: Gaussiana. DIAG = {Normal, Subnormal, Patológico} Normal: 0 DIAG 100 Subnormal: 90 DIAG 200 Patológico: 170 DIAG 300 Vale ressaltar que são utilizadas funções de pertinência gaussianas em todas as variáveis nebulosas do sistema. Testes realizados com funções triangulares e trapezoidais não apresentaram diferença nos resultados obtidos. Uma discussão mais detalhada sobre os tipos de função de pertinência existentes pode ser encontrada no Apêndice A. Após a fuzzyficação das variáveis do problema, as operações fuzzy são realizadas baseadas em um conjunto de regras previamente criadas, apresentadas a seguir Base de Regras de Inferência A base de regras, de um maneira simplificada, representa a inteligência do sistema nebuloso, ou seja, é a representação do conhecimento humano. Esta modelagem é feita em forma de regras SE-ENTÃO, que normalmente são obtidas através da consulta a especialistas no universo de discurso ao qual pertence o sistema nebuloso. O formato geral de uma regra de inferência é SE (variável de entrada igual a X) ENTÃO (variável de saída igual a Y).

60 Capítulo 4: Implementação do SISCTG 46 A condição estabelecida na cláusula SE é formada por uma ou mais variáveis de entrada do sistema. A conclusão da regra, presente na cláusula ENTÃO é uma classificação baseada na variável de saída do sistema. Em problemas reais, não raro são encontrados casos em que não existem especialistas disponíveis para a criação da base de regras de inferência. Uma alternativa bastante utilizada é a utilização de sistemas neurofuzzy, que consistem na união de redes neurais artificiais e sistema de inferência nebuloso [38, 39]. Para o tipo de abordagem apresentado, em uma primeira fase, denominada fase de treinamento, uma rede neural artificial é treinada através de uma base de exemplos previamente classificados. Através de sua capacidade de aprendizagem e generalização, a rede neural treinada cria as regras que são utilizadas na segunda fase, denominada fase de classificação, na qual o sistema de inferência fuzzy realiza uma tomada de decisão [38, 39]. O presente trabalho consiste no desenvolvimento de um sistema híbrido com um módulo determinístico e outro baseado no modelo de inferência fuzzy, utilizando um conjunto de regras previamente estabelecidas pela equipe médica especializada da MEAC. O conjunto completo de regras determinísticas do sistema está apresentado na Tabela 4.2. O número de regras de inferência utilizadas fuzzy r i, i = 1,..., N, depende intrinsecamente do problema. Para o SISCTG, são definidos dois conjuntos distintos de regras, sendo o primeiro somente com as regras determinísticas definidas para classificar os aspectos determinísticos das variáveis de entrada, e o segundo, com as regras utilizadas pela máquina de inferência nebulosa. Após o estudo das variáveis em questão, é definido um conjunto de quarenta e duas regras de inferência para o sistema. Na Tabela 4.3 é mostrado um subconjunto de quinze destas regras nebulosas. Vale ressaltar que o número total de regras seria equivalente a todas as combinações possíveis dos valores das variáveis de entrada. No entanto, para determinados valores de algumas variáveis, a sua combinação com

61 Capítulo 4: Implementação do SISCTG 47 SISCTG - Regras Determinísticas Se DCEL é Ausente então avaliar outras variáveis Se DCEL é Presente então avaliar TIPODCEL Se TIPODCEL é DIP-I então DIAG é Subnormal Se TIPODCEL é DIP-II isoladas então DIAG é Subnormal Se TIPODCEL é Prolongada e DURACAODCEL é 3 minutos então DIAG é Subnormal Se TIPODCEL é DIP-II então DIAG é Patológico Se TIPODCEL é Variável Severa então DIAG é Patológico Se TIPODCEL é Prolongada e DURACAODCEL é > 3 minutos então DIAG é Patológico Se LTV é Lisa então DIAG é Patológico Se LTV é Sinusoidal então DIAG é Patológico Se ACEL é Hipoacelerações então DIAG é Subnormal Tabela 4.2: SISCTG - conjunto de regras determinísticas. as outras torna-se desnecessária. Por exemplo, caso a FCFB seja classificada como Bradicardia Acentuada, esta informação, por si só, já permite determinar a saída do sistema como Patológico (primeira regra da Tabela 4.3). A aplicação das regras entre as cinco variáveis de entrada e a variável de saída é feita através do uso deste conjunto de regras de inferência, seguindo uma abordagem definida na máquina de inferência do sistema Máquina de Inferência De posse das regras, a máquina de inferência fuzzy efetua as operações sobre os conjuntos nebulosos para a obtenção de um conjunto de saída também nebuloso. Existem vários modelos de operações para combinações de regras [46]. O sistema de inferência de Mamdani é um modelo bastante utilizado na área de sistemas de tomada de decisão, pelo baixo custo computacional e simplicidade de

62 Capítulo 4: Implementação do SISCTG 48 implementação. Este modelo define que para o caso do tratamento de várias variáveis de entrada deve ser utilizado o conectivo E, que corresponde à operação matemática interseção ou. Por exemplo, para o presente projeto, com as quatro variáveis de entrada sob determinadas condições e uma conclusão de saída, tem-se: SE (FCFB = Taquicardia Leve ) E (LTV = Normal ) E (STV = Normal ) E (ACEL = Normal ) ENTÃO (DIAG = Normal ) Uma vez definido o conjunto de regras que utilizam o operador de interseção, a operação de junção destas regras é feita através do termo conectivo OU, que corresponde à operação matemática união ou. Assim, no presente projeto, sendo o sistema nebuloso do tipo Mamdani, o conjunto de regras deve ser avaliado da seguinte forma: SE (FCFB = Taquicardia Leve ) E (LTV = Normal ) E (STV = Normal ) E (ACEL = Normal ) ENTÃO (DIAG = Normal ) OU SE (FCFB = Normal ) E (LTV = Baixa ) E (STV = Baixa ) E (ACEL = Normal ) ENTÃO (DIAG = Subnormal ) OU SE (FCFB = Normal ) E (LTV = Normal ) E (STV = Normal ) E (ACEL = Baixa ) ENTÃO (DIAG = Normal ) Segue, assim, sucessivamente, uma análise em paralelo de todas as regras, resultando em um conjunto nebuloso de saída. No SISCTG, a máquina de inferência deve levar em consideração que existem tanto regras de inferência nebulosas quanto regras determinísticas. Estas últimas, por serem estabelecidas para o tratamento de situações em que não existe fuzzyficação da informação, são avaliadas anteriormente ao conjunto de regras de inferência nebulosas.

63 Capítulo 4: Implementação do SISCTG 49 Como o resultado das regras de inferências é também um conjunto nebuloso, é necessário obter uma saída numérica do sistema utilizando-se, neste caso, um desfuzzyficador Módulo Desfuzzyficador Por último, o bloco desfuzzyficador faz o mapeamento da saída nebulosa da máquina de inferência em um número real. Na verdade, existem dois modelos de saídas para sistemas fuzzy, classificados de acordo com a necessidade ou não de se ter um módulo desfuzzyficador. Sistemas baseados nos modelos de Takagi-Sugeno e o de Tsukamoto possuem saídas obtidas por técnicas de interpolação, utilizando funções matemáticas lineares ou não lineares, geralmente monotônicas, para apresentar um número real que já representa uma saída para o sistema. Estes modelos são muito utilizados na área de controle industrial [46]. Já os sistemas baseados no modelo definido inicialmente por Mamdani têm como saída também um conjunto nebuloso, o que torna necessária a definição de uma técnica de desfuzzyficação, que consiste em ser especificado um ponto no conjunto que represente a interpretação em forma de um número real da saída do sistema nebuloso. Várias técnicas podem ser utilizadas para encontrar este valor de sáida. Dentre elas podem ser citadas: centro de gravidade, centro ponderado, média dos máximos ou dos mínimos e último valor máximo. De acordo com Sandri e Correa [46], a seleção do método de desfuzzyficação está relacionada diretamente com as características do processo controlado e o comportamento de controle necessário. Os métodos do último valor máximo ou de média dos máximos, por exemplo, podem gerar saltos na saída do sistema, resultando em solavancos no controle de atuadores em circuitos, se for o caso. Como mecanismo de desfuzzyficação do SISCTG é utilizado o cálculo do centro de gravidade ou centro de massa, por ser uma das técnicas mais utilizadas e bemsucedidas para este tipo de aplicação [49].

64 Capítulo 4: Implementação do SISCTG O Sistema SISCTG Figura 4.2: interface do sistema SISCTG. O sistema de inferência fuzzy para análise de cardiotocografias - SISCTG - classifica as CTGs, refletindo as regras definidas pelos especialistas da MEAC através de um sistema de auxílio ao diagnóstico baseado em inteligência computacional. A interface principal do sistema, com todas as informações consideradas pelo SISCTG para um diagnóstico preciso, está apresentada na Figura 4.2. A saída do SISCTG apresenta um relatório contendo um resumo das variáveis de entrada do sistema e a classificação do diagnóstico obtida pelo sistema de inferência nebuloso. Um exemplo deste relatório pode ser visto na Figura 4.3.

65 Capítulo 4: Implementação do SISCTG 51 Figura 4.3: relatório de saída do sistema SISCTG. 4.3 Ambiente da Pesquisa Para uma completa compreensão da dimensão do projeto SISCTG, é apresentada toda a solução computacional e de comunicação implantadas na MEAC. A solução implementada na MEAC objetiva viabilizar a instalação dos sistemas CTGOnLine e SISCTG na MEAC gerando o menor impacto possível em sua rede de comunicação de dados. Um diagrama com as principais características desta solução está mostrado na Figura 4.4. Conforme apresentado anteriormente, o sistema CTGOnLine é um sistema baseado em ambiente web, com o intuito de poder ser acessado de qualquer lugar a qualquer tempo, permitindo à equipe médica visualizar a execução em tempo real de exames e também consultar exames previamente realizados. Como solução de segurança para o tráfego de informações dos pacientes e de seus

66 Capítulo 4: Implementação do SISCTG 52 Figura 4.4: MEAC - rede de cardiotocógrafos.

67 Capítulo 4: Implementação do SISCTG 53 exames, o protocolo HTTP (Hypertext Transfer Protocol) é criptografado através da utilização da camada SSL (Secure Socket Layer), passando a utilizar o protocolo seguro HTTPS. Um certificado digital de 128 bits é emitido pelo fabricante do sistema e deve ser instalado no browser das estações clientes que acessam o sistema. Para que o CTGOnLine funcione, é necessária a instalação de um conjunto de softwares, listados e descritos a seguir. Servidor OpenSA baseado no servidor web Apache - é o software servidor de páginas do sistema. A solução OpenSA é utilizada por já vir com suporte a HTTP e HTTPS integrados. Ferramenta de desenvolvimento ColdFusion Express - é um gerenciador de conteúdos com ambiente de desenvolvimento rápido para a internet. Gerador de relatórios HTMLDOC - versão gratuita do software para gerar relatórios HTML e convertê-los para outros formatos como PDF ou PS. Gerenciador de acesso a dispositivos de hardware LabviewVISA - desenvolvido pela National Instruments, é uma solução proprietária que implementa uma API (Application Programming Interface) de comunicação com dispositivos computadorizados remotos, quer seja através de comunicação serial, ethernet, dispositivos GPIB, dentre outros. Sistema para identificação dos conversores RS-232 para Ethernet MOXA - serve para identificar e configurar os dispositivos conversores existentes na rede. Com a implantação da infra-estrutura necessária finalizada, passa-se à fase de pesquisas utilizando o sistema CTGOnLine e o conhecimento da equipe médica especializada da MEAC.

68 Capítulo 4: Implementação do SISCTG Metodologia de validação com a Equipe Médica A validação dos resultados do SISCTG é feita a partir de dados fornecidos pela Trium e juntamente com a equipe médica da MEAC, mais especificamente, com a equipe Obstétrica da Enfermaria, chefiada pelo Professor Doutor Francisco Edson Lucena. Este setor atende e acompanha, em especial, as gestações de risco, sendo o local onde estão instalados os dois cardiotocógrafos mais utilizados na Maternidade. 4.5 Conclusão A lógica nebulosa como uma generalização da lógica bivalente é uma importante e poderosa ferramenta para o uso em sistemas computacionais das mais diversas áreas de aplicação. Os próximos Capítulos apresentam os resultados do SISCTG em duas pesquisas realizadas, as conclusões obtidas e ainda algumas futuras implementações possíveis para o sistema.

69 Capítulo 4: Implementação do SISCTG 55 SISCTG - Regras de Inferência Fuzzy Se FCFB é Bradicardia Acentuada então DIAG é Patológico Se FCFB é Taquicardia Acentuada então DIAG é Patológico Se STV é Acentuadamente Baixa então DIAG é Patológico Se STV é Acentuadamente Alta então DIAG é Patológico Se ACEL é Ausente então DIAG é Patológico Se FCFB é Normal E LTV é Normal E STV é Normal E ACEL é Normal então DIAG é Normal Se FCFB é Taquicardia Leve E LTV é Normal E STV é Normal E ACEL é Normal então DIAG é Normal Se FCFB é Bradicardia Leve E LTV é Normal E STV é Normal E ACEL é Normal então DIAG é Subnormal Se FCFB é Normal E LTV é Baixa E STV é Normal E ACEL é Baixa então DIAG é Subnormal Se FCFB é Normal E LTV é Baixa E STV é Baixa E ACEL é Normal então DIAG é Subnormal Se FCFB é Normal E LTV é Normal E STV é Normal E ACEL é Baixa então DIAG é Normal Se FCFB é Bradicardia Leve E LTV é Normal E STV é Normal E ACEL é Normal então DIAG é Subnormal Se FCFB é Bradicardia Leve E LTV é Normal E STV é Normal E ACEL é Baixa então DIAG é Subnormal Se FCFB é Taquicardia Leve E LTV é Baixa E STV é Normal E ACEL é Baixa então DIAG é Subnormal Se FCFB é Taquicardia Leve E LTV é Normal E STV é Normal E ACEL é Baixa então DIAG é Subnormal Tabela 4.3: SISCTG - subconjunto de regras de inferência nebulosas.

70 Capítulo 5 Resultados Os resultados da pesquisa realizada no SISCTG são apresentados em duas etapas. Na primeira, é abordada uma pesquisa de interpretação visual de 21 exames cardiotocográficos realizada junto à equipe médica da MEAC. A segunda etapa consiste em apresentar os resultados do sistema obtidos em uma base de dados contendo 159 cardiotocografias validadas pela empresa Trium. 5.1 Avaliação Visual de Cardiotocografias Para análise do nível de subjetividade a que a análise visual de exames cardiotocográficos está sujeita, é realizada uma pesquisa qualitativa na intepretação de 21 exames de cardiotocografia por parte de 4 especialistas da área de Obstetrícia. A pesquisa é realizada em parceria entre o DETI, a MEAC e a Trium e está dividida em duas partes. A primeira objetiva levantar uma análise qualitativa de vários quesitos solicitados na classificação de cardiotocografias. Já a segunda parte apresenta diversas CTGs para que os especialistas possam fazer a detecção das alterações e ainda a classificação do estado fetal. 56

71 Capítulo 5: Resultados Análise Qualitativa de CTGs A análise qualitativa de cardiotocografias tem como objetivo o levantamento de informações conceituais e qualitativas a respeito da análise de CTGs para que possam servir de base para o desenvolvimento de sistemas computacionais. Inicialmente, a pesquisa pergunta o padrão de classificação oficial seguido. Apenas um especialista respondeu que não segue nenhum padrão estabelecido, enquanto os outros três informaram que seguem, sem especificar qual. Vale ressaltar que a classificação das desacelerações é um dos pontos mais controversos na análise visual de CTGs. Com isso, o segundo bloco do questionário solicita que sejam classificados os parâmetros avaliados em uma desaceleração, tanto pela ordem em que o médico normalmente avalia o exame, quanto por sua importância. Os resultados obtidos em relação à ordem de análise dos parâmetros estão sintetizados a seguir: 75% dos pesquisadores analisa em primeiro lugar a correlação entre a FCF e as contrações uterinas; 25% considera que esta correlação deve ser avaliada em terceiro lugar; 75% avalia como segundo parâmetro a duração da desaceleração; nenhum pesquisador concordou com um mesmo parâmetro em terceiro lugar na ordem de classificação; 75% considera o valor mínimo atingido pela FCF como quarto parâmetro a ser avaliado; 50% dos pesquisadores considera como de menor importância a velocidade de retorno à FCF basal, enquanto que outros 50% consideram como menos importante o valor atingido pela FCF basal após a desaceleração. Quanto ao grau de importância do parâmetro na análise de desacelerações, os principais resultados estão mostrados a seguir:

72 Capítulo 5: Resultados 58 50% dos pesquisadores consideram a correlação com as contrações o parâmetro mais importante; em segundo lugar de importância está a duração da desaceleração; um pesquisador considera como de menor importância, em um mesmo nível, a FCF mínima, a profundidade da desaceleração e a FCF basal após a desaceleração; o mesmo pesquisador considera em um nível intermediário de importância a duração da desaceleração, a velocidade de descida e a velocidade de retorno ao nível basal da FCF; no entanto, a velocidade de retorno ao nível basal da FCF é considerada por 50% dos pesquisadores como o fator de menor importância a ser avaliado. O terceiro e o quarto bloco do questionário são relacionados à classificação de aspectos temporais de desacelerações, direcionados a uma pesquisa realizada na empresa Trium, com o uso de regressões lineares. O quinto bloco do questionário pergunta se o médico considera a variabilidade de curto prazo ou STV na análise de CTGs. Na verdade, a STV somente pode ser avaliada com o uso de cardiotocografia computadorizada, que está instalada a partir do projeto SICTG na MEAC. Somente um médico informa ter condições de avaliar a STV, caso esteja disponível. Os outros afirmam não considerar este parâmetro. Por fim, o último bloco do questionário aborda a identificação de contrações uterinas em relação ao tempo de sua duração. Por vezes, a movimentação fetal pode gerar alterações no sensor tocográfico, resultando em pequenas ondas no traçado das contrações uterinas. Metade dos pesquisadores considera uma contração uterina quando a duração é maior ou igual a 30 segundos, enquanto um quarto considera somente com uma duração maior que 45 segundos. O restante não forneceu resposta. O questionário elaborado e entregue aos especialistas pode ser visto nas Figuras 5.1 e 5.2.

73 Capítulo 5: Resultados 59 Figura 5.1: pesquisa qualitativa de CTGs - página Diagnóstico Visual de CTGs Na segunda parte do questionário entregue aos pesquisadores especialistas em Obstetrícia, estão selecionadas 21 cardiotocografias, com alterações significativas na FCF basal, variabilidade, ocorrências de acelerações e desacelerações. Solicita-se que sejam preenchidas as seguintes informações para cada CTG: linha de base da FCF; número de acelerações; viabilidade de se analisar o sinal tocográfico; número de contrações uterinas; número de desacelerações e seus tipos; variabilidade de longo prazo ou LTV da FCF; e, finalmente, um diagnóstico do estado fetal. A Figura 5.3 apresenta um exemplo de CTG. Para este caso, os resultados obtidos na pesquisa estão descritos a seguir. Como valor para a linha de base da FCF, as respostas variam de 125 a 135 bpm, ficando dentro de uma margem aceitável de variação. Para o número de acelerações

74 Capítulo 5: Resultados 60 Figura 5.2: pesquisa qualitativa de CTGs - página 2. igual a três, o fato das contrações uterinas serem visualmente analizáveis e a consideração de um padrão normal de variabilidade tem-se 100% de concordância dos pesquisadores. O número de contrações uterinas detectadas está diferente para cada pesquisador. Quanto ao número de desacelerações, metade dos pesquisadores considera que existem três, sendo que um deles indica que as três são classificadas como DIP II e o outro classifica apenas uma como DIP II e as outras duas como do tipo Variável. Um especialista considera ter duas desacelerações, classificando ambas como do tipo Variável. O quarto e último considera apenas uma desaceleração do tipo Variável. A diferença na detecção das desacelerações e, consequentemente, em sua classificação, é o principal fator que implica em um diagnóstico final no qual 50% dos especialistas classifica a CTG como Normal, enquanto a outra metade classifica como Subnormal ou Suspeita.

75 Capítulo 5: Resultados 61 Figura 5.3: interpretaçao visual de CTGs. De uma maneira geral, existem significativas discordâncias em vários dentre os exames avaliados. Isto, a princípio, pode ser avaliado pela inerente subjetividade no exame visual dos traçados, mas também deve ser considerada a falta de padronização existente na análise dos exames. A Tabela 5.1 apresenta o grau de concordância, em forma de percentual, entre os especialistas consultados na pesquisa. Avançando na interpretação dos dados da Tabela 5.1, tem-se em 28,56% dos exames uma unanimidade na classificação, o que pode ser encontrado nos ítens 1 e 2. Em 23,80%, referente aos ítens 3 e 4, uma classificação (75%) sobressai-se em relação à outra (25%). Em 38,80% dos casos, ítens 5 e 6, há dúvida entre duas classificações com 50% para cada. Em apenas 9,52% das classificações, ítens 7 e 8, uma sobressai-se relativamente (50%) em relação às outras duas (cada uma com 25%). Uma vez que havia interesse em utilizar estes questionários também para um sistema de detecção e classificação de desacelerações, é imporante ressaltar que os 21

76 Capítulo 5: Resultados 62 Item Percentual de concordância entre os especialistas na classificação do exame 1 100% definiram como Normal 14,28% 2 100% definiram como Suspeito 14,28% 3 75% definiram como Normal e 25% como Suspeito 14,28% 4 75% definiram como Suspeito e 25% como Patológico 9,52% 5 50% definiram como Normal e 50% como Suspeito 14,28% 6 50% definiram como Suspeito e 50% como Patológico 23,80% 7 50% definiram como Normal, 25% como Suspeito 4,76% e 25% como Patológico 8 25% definiram como Normal, 50% como Suspeito e 25% como Patológico 4,76% Percentual do total de exames pesquisados Tabela 5.1: resultados tabulados da análise visual de CTGs por 4 especialistas. exames são selecionados com maior ênfase para os casos em que haviam alterações significativas da FCF. Daí a existência de poucos exames classificados como normais. Os resultados apresentados corroboram a necessidade do desenvolvimento de sistemas computacionais para auxílio ao diagnóstico médico para aumentar a precisão na análise de cardiotocografias. 5.2 Resultados do SISCTG O SISCTG é testado com o uso de duas bases de dados. A primeira consiste nos mesmos 21 exames da pesquisa qualitativa, realizada na MEAC, já descrita. Neste caso, são consideradas as opiniões de 4 especialistas para cada CTG avaliada. A segunda base de dados é fornecida e rotulada pela empresa Trium, consistindo em 159 CTGs com as informações sobre os parâmetros, porém sem classificação de diagnóstico. Deste universo, 59 CTGs são selecionadas aleatoriamente para testes e modelagem do sistema de inferência. As outras 100 CTGs são utilizadas para teste

77 Capítulo 5: Resultados 63 de validação do SISCTG, considerando, neste caso, apenas 1 especialista para gerar suas classificações de referência Base de Dados da MEAC Para análise do primeiro caso, os resultados apresentados na Tabela 5.1 servem como referência para validação dos dados. Conforme definido com a equipe médica envolvida na modelagem do sistema, neste caso, é considerado que se uma classificação possui um percentual superior ao das outras duas, aquela representa a classificação adequada para o exame. Para o caso de divisão de 50% entre duas opiniões, ponderase, a princípio, pela classificação mais grave, como forma de prevenção a problemas na gestação. O SISCTG apresenta as seguintes características de classificação: classifica corretamente os casos em que ocorreram unanimidade de opiniões, equivalente a 28,56% do total, ítens 1 e 2 da Tabela 5.1; para as classificações baseadas na maioria das opiniões, o SISCTG errou na classificação de apenas uma entrada, referente ao item 8 da Tabela 5.1, classificando corretamente todas as outras, referentes aos ítens 3, 4 e 7, o que equivale a 28,57% do total; o sistema classifica corretamente em 75% dos casos em que houve opção pela classificação mais grave, o que é equivalente a 28,57% do total, ítens 5 e 6 da Tabela 5.1. Conclui-se que, para esta base de dados, o SISCTG classifica corretamente 85,71% dos casos Base de Dados da Trium No segundo caso, são avaliadas 100 CTGs da empresa Trium, disponíveis como parte do acordo firmado no projeto de pesquisa (maiores detalhes no Apêndice A). Estas

78 Capítulo 5: Resultados 64 cardiotocografias estão com os parâmetros detectados, mas não possuem classificação de diagnóstico. Para a classificação destes exames, é utilizado um especialista vinculado à empresa Trium. A validação desta base trabalha com dois modelos de classificação dos exames. No primeiro, o especialista classifica todas as CTGs como Normal, Subnormal e Patológica, resultando em 49 exames classificados como normais, 18 exames como subnormais e 33 exames classificados como patológicos. Em um segundo modelo de classificação, o especialista pode ponderar com percentuais entre as três opções de classificação. Neste caso, em comparação com o critério anterior, são determinados 9 exames com classificações ponderadas pelo especialista. Deste total, 6 são definidos com 50% de possibilidade de ser normal e 50% de ser subnormal, sendo 3 antes definidos como normais e 3 como subnormais. Finalmente, mais 3 exames, sendo 2 anteriormente classificados como subnormais e 1 como patológico, são definidos com 50% de possibilidade de ser subnormal e 50% de ser patológico. Em seguida, o SISCTG analisa os dois tipos de classificações fornecidas pelo especialista para classificar os mesmos 100 exames. No caso em que o especialista define a classificação deterministicamente como uma das três opções possíveis, o sistema tem um bom desempenho e classifica corretamente 88% dos exames. Conforme definido com a equipe médica envolvida na modelagem do sistema, no caso em que o especialista define percentuais entre as três classificações, assumiu-se que se uma classificação possui um percentual superior ao das outras duas, aquela representa a classificação adequada para o exame. Para o caso de divisão de 50% entre duas classificações, escolhe-se a classificação mais grave, como forma de prevenção a problemas na gestação. O desempenho do sistema é ainda superior, classificando corretamente 93% dos exames. Isto se dá pelo fato de ser utilizada uma base de modelagem do sistema composta por 59 exames com significativa diversidade de tipos, permitindo o refinamento das regras de acordo com o padrão de classificação desejado.

79 Capítulo 5: Resultados 65 Para cada caso, é montada uma matriz de confusão do SISCTG com o intuito de apresentar os percentuais relativos de acertos e erros do sistema. Na Tabela 5.2 estão os percentuais obtidos com a classificação determinística do especialista. Calculandose a média dos elementos da diagonal principal da matriz, encontra-se o percentual de 87,3531%, que corresponde a um valor aproximado do total de acertos do sistema. Classificado como: Diagnóstico Normal (%) Subnormal (%) Patológico (%) Normal 93,8775 6, Subnormal 5, ,3333 1,1111 Patológico 0 15, ,8484 Tabela 5.2: matriz de confusão resultante da análise pelo SISCTG de 100 exames classificados deterministicamente. Na Tabela 5.3 estão os percentuais obtidos com a classificação ponderada pelo especialista, que é o segundo critério descrito anteriormente. Calculando-se a média dos elementos da diagonal principal da matriz, encontra-se o percentual de 92,6817%, que corresponde a um valor aproximado do total de acertos do sistema. Classificado como: Diagnóstico Normal (%) Subnormal (%) Patológico (%) Normal Subnormal 0 89, ,5263 Patológico 0 11, ,5714 Tabela 5.3: matriz de confusão resultante da análise pelo SISCTG de 100 exames classificados com ponderações pelo especialista. É possível verificar pelas duas matrizes apresentadas, que a utilização de valores ponderados melhora a performance do sistema a partir do momento em que o especialista considera como indeterminados (com margem de 50% para duas classificações distintas), alguns exames que anteriormente estavam classificados erroneamente pelo

80 Capítulo 5: Resultados 66 SISCTG. No presente caso, 3 exames classificados anteriormente pelo especialista como normais e erroneamente classificados pelo SISCTG como subnormais foram considerados, no segundo critério, como indeterminados (50% de possibilidade de serem normais e 50% de serem subnormais) pelo especialista. Da mesma forma, 2 exames anteriormente classificados como subnormais pelo especialista e patológicos pelo SISCTG, passam a ser considerados indeterminados (50% de possibilidade de serem subnormais e 50% de serem patológicos) pelo especialista. A ocorrência de falsos negativos, isto é, classificar um exame patológico como normal ou subnormal ou ainda classificar um exame subnormal como normal, é um importante parâmetro para a análise de CTGs. Na Tabela 5.3, por exemplo, aproximadamente 11% dos casos patológicos foram classificados como subnormais. No entanto, devido à natureza de baixa especificidade de uma CTG, a indicação de estado subnormal já leva a um acompanhamento mais detalhado do feto. Portanto, o mais grave seria classificar alguma possível alteração como normal. Ênfase deve ser dada para os resultados bastante significativos e satisfatórios do sistema, de acordo com a equipe da MEAC, que são a detecção de 100% dos exames normais como Normal, assim como também a inexistência de exames subnormais ou patológicos classificados como normais. 5.3 Conclusão O sistema SISCTG apresenta promissores resultados na avaliação de CTGs computadorizadas na MEAC, com resultados de 85,71% de classificações corretas em uma base de dados e um valor máximo de 93% na classificação correta em outra base de dados. Alguns aspectos de padronização do sistema ainda devem ser considerados para sua adoção em nível internacional, como módulo adicional ao software CTGOnLine da empresa Trium, uma vez que o padrão seguido pela MEAC, e adotado pelo SISCTG, difere em alguns aspectos em relação à padronização definida pela FIGO e adotada pelo CTGOnLine.

81 Capítulo 5: Resultados 67 Dentro do objetivo de atender à comunidade médica da MEAC e melhorar o atendimento à população atendida por esta instituição, o sistema atingiu seu intuito. A equipe médica está apta, após treinamento, a operar o sistema, restando definir como pode ser feito o treinamento, na operação do sistema, para futuros grupos de profissionais da instituição.

82 Capítulo 6 Conclusões, Contribuições e Trabalhos Futuros A forte subjetividade existente na análise de exames cardiotocográficos, torna-os propícios para o desenvolvimento de sistemas computacionais para auxílio ao diagnóstico médico. Levando-se em conta a natureza lingüística das variáveis envolvidas em uma CTG, a lógica fuzzy pode ser usada como alternativa viável de implementação. O programa desenvolvido no projeto SISCTG auxilia o diagnóstico sobre o estado fetal, consistindo em um sistema híbrido com um conjunto de regras determinísticas integrado a um sistema de inferência fuzzy. A saída do sistema classifica o estado fetal como normal, subnormal ou patológico. 6.1 Contribuições do SISCTG Uma importante contribuição do SISCTG confirma o alto grau de discordância entre diversos especialistas na análise visual dos traçados em uma única CTG, principalmente na ocorrência de alterações significativas no exame, como a existência de diversas desacelerações, movimentação fetal, dentre outras. Com os bons resultados obtidos pelo SISCTG nas diversas pesquisas realizadas, pode-se concluir que o uso deste sistema é eficiente no auxílio ao diagnóstico médico de 68

83 Capítulo 6: Conclusões, Contribuições e Trabalhos Futuros 69 cardiotocografias para determinação do estado fetal, constituindo-se como principal contribuição deste trabalho. O projeto SISCTG contribui também com a publicação de um artigo no X Congresso Brasileiro de Informática em Saúde - CBIS, intitulado Sistema de Inferência Fuzzy para Análise da Freqüência Cardíaca Fetal em Exames Cardiotocográficos, sistema este que leva em consideração somente duas variáveis nebulosas, a FCF basal e a LTV, para classificação de CTGs [28]. Graças à qualidade das informações apresentadas na saída do sistema, o SISCTG também pode ser utilizado como ferramenta de suporte ao ensino de médicos residentes e estudantes da MEAC. 6.2 Trabalhos Futuros Uma implementação futura para o sistema pode ser a classificação dos exames fazendo o uso de janelas de tempo fixo ou variável, ou seja, em uma CTG de 30 minutos, o sistema de inferência nebuloso pode ser aplicado com o uso de três janelas de 10 minutos, gerando três diferentes diagnósticos e considerando como resultado uma ponderação destes três valores. O problema desta abordagem está no método de validação do resultado, podendo ser criada uma nova pesquisa com o especialista analisando as três janelas ou apenas levar em consideração somente uma classificação final do especialista. Como extensão do SISCTG, já encontra-se em andamento o projeto de expansão da parceria com a empresa Trium, com a utilização de seu sistema de coleta remota de cardiotografias, denominado CTG-Mobile. Um cardiotocógrafo pode ser levado para a execução de exames em locais sem a presença de equipes médicas, é interligado a um software instalado em um equipamento do tipo PocketPC, o qual envia os dados coletados através de rede celular com suporte a GPRS para um servidor de internet com o sistema CTGOnLine, localizado em Munique, na Alemanha. Neste projeto ainda será definido como serão acessados os dados coletados. A

84 Capítulo 6: Conclusões, Contribuições e Trabalhos Futuros 70 primeira forma será com a utilização de um usuário e senha no sistema de CTG computadorizada da própria Trium. A segunda maneira poderá ser com o envio dos dados coletados em formato próprio para ser importado para o CTGOnLine instalado na MEAC. Outras abordagens podem ser utilizadas para se analisar computacionalmente as cardiotocografias. Aspectos de detecção de características dos exames podem ser pesquisados com a análise da entropia aproximada da FCF e das variabilidades LTV e STV. Em outra vertente, uma pesquisa utilizando wavelets para análise no domínio da freqüência da FCF e a detecção e classificação de acelerações e desacelerações A implementação de redes neurais artificiais (RNAs) para o auxílio ao diagnóstico também deve ser considerada como um possível trabalho futuro. Este tipo de abordagem pode ser utilizada tanto para a determinação do estado fetal de uma maneira geral, quanto para um detalhamento da patologia presente, se for o caso. Finalmente, um importante trabalho futuro é a investigação sobre a existência de correlacionamento entre aspectos maternos e fetais, com foco na análise da variabilidade cardíaca e da entropia aproximada da variabilidade cardíaca de ambos. A análise da variabilidade da freqüência cardíaca (VFC) materna é verificada no exame de Holter e a fetal, pela CTG.

85 Referências Bibliográficas [1] Alencar Jr, Carlos A. Assistência Pré-Natal - Manual de Orientação. Disponível em: < Acesso em: 01 de novembro de [2] American College of Obstetricians and Ginecologists. Medical Library. Disponível em: < Acesso em: 10 de outubro de [3] Anseschi, M. M. et al. Validity of short term variation (STV) in detection of fetal acidemia. Journal of Perinatal Medicine. Vol. 31. No. 3. pp França [4] Borgatta, L.; Shrout, P. E.; Divon, M. Y. Reliability and reproducibility of nonstress test readings. American Journal of Obstetricians and Gynecologists. 159: [5] Cazares, S. et al. Automated Identification of Abnormal Cardiotocograms using Neural Network Visualization Techniques. Proceedings of the 23rd. Annual EMBS International Conference. Turquia [6] Cervo, Amado L.; Bervian, Pedro A. Metodologia Científica. 5. ed. São Paulo: Pearson - Prentice Hall. 242 pp [7] Cha, Sang Choon. Instituto Médico Dr. Fleury. Cardiotocografia Computadorizada. Disponível em: < Acesso em: 05 novembro

86 Referências Bibliográficas 72 [8] Clínica Obstétrica do Hospital das Clínicas da USP. Cardiotocografia. Disponível em: < Acesso em: 05 novembro [9] Daumer, M.; Falk, M. On-line change point detection (for state space models) using multi-process Kalman filters. Linear Algebra and its Applications. pp Alemanha [10] Daumer, M.; Neiss A. A new adaptive algorithm to detect shift, drifts and outliers in biomedical time seires. Mathematical Statistics with Applications in Biometry. Ed. Kunert J., Trenkler, G. Josef Eul Verlag Lohmar - Colônia. Alemanha [11] Dawes, G. S.; Houghten, C. R. S.; Redman, C. W. G. Baseline in human fetal heart rate records. BJOG - British Journal of Obstetrics and Gynaecology. V. 89. p Oxford. Inglaterra [12] Federação Brasileira de Ginecologia e Obstetrícia. Site da FEBRASGO. Disponível em: < Acesso em: 01 de novembro de [13] FIGO - International Federation of Gynecology and Obstetrics. FIGO Guidelines. Disponível em: < Acesso em: 01 de outubro de [14] Freeman, Roger K.; Garite, Thomas J.; Nageotte Michael P. Fetal Heart Rate Monitoring. 2. ed. Baltimore: Williams Wilkins p. [15] Geijn, Herman p. van. Cardiotocography. Published in Textbook of Perinatal Medicine. Disponível em: < cardiotocographya998-def.htm>. Acesso em: 04 novembro 2005.

87 Referências Bibliográficas 73 [16] Hackzell, John L. Categorization of Fetal Heart Rate Patterns Using Neural Networks. IEEE Computers in Cardiology. University of Lindköping, Dept of Medical Informatics. Suécia [17] Hardalaç, F. et. al. Application of FFT-Analyzed Umbilical Artery Doppler Signals to Fuzzy Algorithms. Journal of Medical Systems. pp Vol [18] Hospital Carazinho - Departamento de Obstetrícia. Cardiotocografia. Disponível em: < Acesso em: 10 setembro [19] Ingemarsson, Ingemar; Ingemarsson, Eva; Spencer, John A. D. Fetal Heart Rate Monitoring - A Practical Guide. New York: Oxford Medical Publications - Oxford University Press p. [20] Jezewski, J.; Wrobel, J. Fetal Monitoring with Automated Analysis of Cardiotocogram: The KOMPOR System. Engineering in Medicine and Biology Society. Proc. of the 15th Annual Int. Conf. of the IEEE. pp [21] Jezewski, J. et al. Interfacing Fetal Monitors in Computerized Cardiotocography Systems. Engineering in Medicine and Biology Society. New Opportunities for Biomedical Engineers. Proc. of the 16th Annual Int. Conf. of the IEEE. pp Vol [22] Jezewski, J., et al. Comparison of two Computer-Aided Cardiotocography Systems: The influence of indirectly obtained input traces. Engineering in Medicine and Biology Society. Engineering Advances: New Opportunities for Biomedical Engineers. Proc. of the 16th Annual Int. Conf. of the IEEE. pp vol [23] Jezewski, J. et al. Ergonomic Visualization of Cardiotocographic Data in Computerized Fetal Monitoring Systems. Proceedings RC-IEEE-RMBS and 14th BMESI. Polônia

88 Referências Bibliográficas 74 [24] Kosko, B. Fuzzy Thinking - The New Science of Fuzzy Logic, Hyperion, Nova York. EUA [25] Klir, Geroge J. Filger, Tina A. Fuzzy Sets, Uncertainty and Information, Prentice Hall, New Jersey. pp Caps EUA [26] Kosko, B.; Isaka, S. Fuzzy Logic. Scientific American [27] Krajewski, J. et al. Reliable Data Communication in Modular Fetal Monitoring System. 18th Annual International Conf. of the IEEE Eng. in Medicine and Biology Soc. pp Amsterdan [28] Marques, J. A. L. et. al. Sistema de Inferência Fuzzy para Análise da Frequência Cardíaca Fetal em Exames Cardiotocográficos. X Congresso Brasileiro de Informática em Saúde. pp Vol [29] Mendel, J. M. Fuzzy Logic Systems for Engineering: A Tutorial. Proceedings of the IEEE [30] Morris, M. H. Energy and Entropy. Evolution and the Modern Christian. Apologetics Press. EUA [31] Magenes, Giovanni; Signorini, Maria G.; Arduini, Domenico. Detection of Normal and Pathological fetal states by means of Neural and Fuzzy Classifiers applied to CTG parameters. Engineering in Medicine and Biology. 21st Annual Conf. and the 1999 Annual Fall Meeting of the Biomedical Engineering Soc. pp Vol [32] Magenes, Giovanni; Signorini, Maria G.; Arduini, Domenico. Classification of Cardiotocographic Records by Neural Networks. IEEE-INNS-ENNS International Joint Conference on Neural Networks (IJCNN 00). p Vol [33] National Institute of Child Health and Human Development. NICHD Guide. Disponível em: < Acesso em: 01 de novembro de 2006.

89 Referências Bibliográficas 75 [34] Noguchi, Yasuaki; Kobayashi, Hisaaki; Hataoka, Hiroshi. Integral Function Method - A new analyzing Method for Fetal Heart Rate Variability. Proc. IEEE 9th Annual Conf. on EMBS. pp Nov [35] Noguchi, Yasuaki; Kobayashi, Hisaaki; Hataoka, Hiroshi. Frequency Component of Fetal Heart Rate with Integral Function Method. Engineering in Medicine and Biology Society. Proc. of the Annual Int. Conf. of the IEEE. pp Nov [36] Nomura, Rosely M. Y.; et al. Análise Computadorizada de Cardiotocografia Anteparto em Gestações de Alto Risco. Revista Brasileira de Ginecologia e Obstetrícia - RBGO. vol. 24, n. 1, pgs. 29 a [37] Outram, N.J.; Ifeachor, E. C. Techniques for detection and classification of the fetal QRS complex. IEEE Coll. Application of neural networks to signal processing. IEE Digest No. 1994/248, pp 10/1-3. Londres [38] Pedrycz, W. Fuzzy Sets Engineering, CRC Press. pp Caps EUA [39] Pedrycz, W. Fuzzy Control and Fuzzy Systems, RSP. pp Caps Inglaterra [40] Pincus, Steven M. Approximate Entropy as a Measure of System Complexity. Proc. Natl. Acad. Sci. Vol. 88. pp EUA [41] Reis, M. A. M. et. al. Fuzzy Expert System in the Prediction of Neonatal Ressuscitation. Brazilian Journal of Medical and Biological Research. pp Vol [42] Richter, E. Computerunterstützte CTG-Analyse mit Fuzzy-Methoden. Diplomarbeit. Der Bundeswehr Universität München. Alemanha

90 Referências Bibliográficas 76 [43] Romero, Oscar Fontenla; Betanzos, Amparo Alonso; Berdiñas, Bertha Guijarro. Adaptive Pattern Recognition in the Analisys of Cardiotocographic Records. IEEE Transactions on Neural Networks. Vol. 12. No. 5. Espanha [44] Royal College of Obstetricians and Gynaecologists. The use of Electonic Fetal Monitoring - The use and interpretation of cardiotocography in intrapartum fetal suveillance. Evidence-based Clinical Guideline Number 8. RCOG Press p. [45] Salamalekis, E.; Thomopoulos, P.; Giannaris, D. et al. Computerised Intrapartum diagnosis of fetal hypoxia based on fetal heart rate monitoring and fetal pulse oximetry utilising wavelet analysis and SOM neural networks. Journal of Obstetrician and Gynecologists Research. No. 32. pp [46] Sandri, S.; Correa, C. Lógica Nebulosa. V Escola de Redes Neurais - ITA. São José dos Campos, SP [47] Schlinder, T. DMW Analysis. Diplomarbeit. Der Technischen Universität München. Alemanha [48] Signorini, Maria G.; Magines, et al. Classification of Fetal Pathologies Through Fuzzy Inference Systems Based on a Multiparametric Analysis of Fetal Heart Rate. IEEE Computers in Cardiology. pp [49] Silveira, A. M., et al. Identificação de Abordagens Administrativas: Um ensaio com Lógica Fuzzy. Universidade Federal do Pará. Belém, PA [50] Simpson, Kathleen R. Monitoring the Preterm Fetus During Labor. The American Journal of Maternal-Child Nursing. Vol. 29. N. 6. pp Disponível em: < article.asp?tid=538035>. Acesso em: 10 de dezembro de 2006.

91 Referências Bibliográficas 77 [51] Sonicaid. Oxford System Disponível em: < Acesso em: 10 setembro [52] Trium. Sistema CTGOnLine. Disponível em: < Acesso em: 10 de novembro [53] Ulbricht, Claudia. Neural networks for recognizing patterns in cardiotocograms. Artificial Intelligence in Medicine. Vol. 12. No. 3. pp [54] Virant-Klun I.; Virant J. Fuzzy logic alternative for analysis in the biomedical sciences, Department of Obstetrics and Gynaecology, University Medical Centre, Slajmerjeva 3, Ljubljana, 1000, Slovenia [55] Zadeh, L. A. Fuzzy sets, Inf. Control [56] Zadeh, Lofti A.; Yager, Ronald R. An Introduction to Fuzzy Logic Applications in Intelligent Systems, Kluwer Academic Publishers, London. Inglaterra [57] Zadeh, Lofti A. Professor Lofti Zadeh - Página oficial da Universidade de Berkeley. Disponível em: < zadeh/>. Acesso em: 25 de setembro de [58] Zimmermann, H.-J. Fuzzy Set Theory and its Applications, Kluwer Academic Publishers, London. Inglaterra

92 Apêndice A O Projeto SISCTG A Maternidade Escola Assis Chateaubreand - MEAC - é uma instituição vinculada à Universidade Federal do Ceará que atende à comunidade em geral, com ênfase no atendimento pelo SUS - Sistema Único de Saúde, o que caracteriza seu público como de baixa renda e com pouco acesso à informação. A MEAC conta em sua equipe com professores, médicos, residentes, estudantes internos, enfermeiras e auxiliares para atender uma demanda de trinta partos por dia, em média, contando com diversos leitos de enfermaria e salas de parto, além de uma Unidade de Terapia Intensiva (UTI) neonatal. A cardiotocografia é um exame muito utilizado na MEAC como apoio à decisão médica na análise do bem-estar fetal em gravidez de risco. Para isto, a Maternidade conta com um conjunto de equipamentos cardiotocográficos dos mais variados fabricantes e com características distintas distribuídos no ambulatório, nas salas de parto e na UTI neonatal. Até o início do projeto SISCTG, não existia nenhum sistema de análise computadorizada de exames cardiotocográficos na instituição, nem previsão orçamentária de aquisição de um sistema desta natureza, dado o alto custo das soluções existentes. Além disso, não existe sequer um sistema informatizado de registro de exames para análise histórica dos pacientes. 78

93 Apêndice A: O Projeto SISCTG 79 A.1 Histórico do Projeto No ano de 2002 são iniciados os contatos junto à MEAC-UFC para a criação de uma parceria científica-tecnológica entre alguns membros de sua equipe médica e o então Departamento de Engenharia Elétrica da UFC. O primeiro passo realizado é o mapeamento de possíveis pesquisas, detectando-se a possibilidade de trabalhos em várias áreas, desde a análise de exames em fetos até mesmo a criação de sistemas integrados para a busca de correlações entre alterações na saúde das mães e dos fetos. Nesta fase inicial, destaca-se uma demanda no desenvolvimento de um sistema para análise computadorizada de cardiotocografias. O objetivo é enviar os dados dos exames para um computador para armazenamento dos dados e análise automatizada, uma vez que a as cardiotocografias realizadas são impressas em uma impressora térmica, não possuindo identificação da paciente e com uma pobre qualidade da impressão, tendendo a se deteriorar com o tempo. No entanto, uma dificuldade encontrada é a inexistência na MEAC de cardiotocógrafos com interfaceamento de comunicação externa, ou seja, os equipamentos existentes são projetados para funcionar de maneira isolada ou off-line, não permitindo o envio dos dados obtidos nos exames para um microcomputador ou mesmo para algum dispositivo de coleta de dados. A Figura A.1 mostra um cardiotocógrafo existente existente na MEAC e ainda utilizado até hoje. É importante ressaltar que o exame denominado cardiotocografia computadorizada já existe e é amplamente utilizado no mundo inteiro, consistindo na utilização de softwares projetados para coletar os dados adquiridos por cardiotocógrafos e deles gerar determinados níveis de interpretação dos sinais, facilitando a detecção de patologias fetais. Durante o ano de 2005 são adquiridos pelo Ministério da Saúde e enviados para a MEAC seis cardiotocógrafos modelo FETALGARD Lite, fabricados pela empresa norte-americana ANALOGIC CORPORATION e distribuídos, no Brasil, quando da compra, pela empresa DIXTAL Biomédica. Estes equipamentos possuem interfaces

94 Apêndice A: O Projeto SISCTG 80 Figura A.1: Cardiotocógrafo existente na MEAC no início do projeto. Sem interface de comunicação. seriais padrão RS-232 para comunicação com microcomputadores, com o objetivo de enviar os dados coletados nos exames de cardiotocografia. Com estes novos equipamentos, o projeto entre a MEAC e o atual Departamento de Engenharia de Teleinformática (DETI) é então remodelado. Inicialmente, são realizados contatos com o fabricante do equipamento nos Estados Unidos e com o seu representante no Brasil, quando se toma conhecimento que o próprio fabricante possui um software chamado Fetalgard Light VIEWER para coleta e visualização dos exames em um microcomputador IBM-PC. Este software, no entanto, é simplesmente um visualizador e não realiza nenhum tipo de análise no sinal coletado. Além disso, o banco de dados é criptografado, não permitindo a análise dos sinais sem um acordo comercial com o fabricante. Neste contato, o próprio fabricante indica a empresa Trium Analysis Online GmbH na Alemanha que desenvolve o CTGOnline, um sistema para análise e diagnóstico de cardiotocografias que possui o selo da Comunidade Européia CE Mark, um atestado de qualidade e de conformidade do sistema para uso com equipamentos médicos. Através do contato com a empresa Trium, é estabelecida uma parceria de pesquisa conjunta Brasil-Alemanha.

95 Apêndice A: O Projeto SISCTG 81 A.2 A parceria Brasil-Alemanha A Trium é uma empresa sediada em Munique, na Alemanha, que desenvolve softwares para análise computadorizada de exames médicos. Dentre eles, está o sistema denominado CTGOnline, utilizado para auxílio ao diagnóstico médico da área Obstétrica, avaliando a Frequência Cardíaca Fetal e as Contrações Uterinas maternas. Em outubro de 2005, o primeiro contato com a Trium é estabelecido, dando início às negociações de parceria que resultam em um acordo de cooperação e pesquisa assinado pela Trium e pela MEAC/DETI/UFC em Fevereiro de Tal acordo permite que a MEAC utilize, sem nenhum ônus, uma licença do sistema CTGOnline para o monitoramento computadorizado de seis cardiotocógrafos instalados nos diversos setores da Instituição. O valor de tal licença, na época da assinatura do acordo, era de (vinte e quatro mil) euros, aproximadamente R$ ,00 (setenta e dois mil reais). O projeto previsto no acordo está dividido em sete principais atividades, definidas da seguinte forma: 1. tradução do software CTGOnline para o idioma Português do Brasil. 2. instalação do sistema CTGOnline na MEAC/UFC. 3. pesquisa sobre as soluções já existentes. 4. aquisição de dados no Brasil. 5. desenvolvimento de novas implementações e algoritmos. 6. testes e otimização. 7. validação. O projeto também contempla o intercâmbio de estudantes pesquisadores, com a vinda de uma estudante de Mestrado da Universidade de Munique e que trabalha na Trium no período de Julho a Outubro de 2006, e a ida de um estudante brasileiro para Munique no ano de 2007.

96 Apêndice A: O Projeto SISCTG 82 A.3 Implantação do CTGOnline na MEAC No período de Junho a Agosto de 2006 é realizada a instalação do sistema CT- GOnline na MEAC. Diversos problemas são superados, desde à inexistência de um computador para monitoramento dos cardiotocógrafos, até a falta de cabeamento para comunicação entre os dispositivos e o referido computador. Finalmente, em Setembro de 2006, é realizado o primeiro exame de cardiotocografia computadorizada da MEAC/UFC. Inicialmente, o sistema está monitorando os dois cardiotocógrafos existentes na Enfermaria, devendo ser instalado também na UTI neonatal da Instituição. Vale ressaltar que na MEAC, tanto por motivos de infra-estrutura física quanto pela reduzida equipe proporcionalmente ao número de pacientes atendidos, são realizados exames de cardiotocografia apenas em pacientes com diagnóstico de gravidez de risco. Por outro lado, na Alemanha o exame é realizado em todas as gestantes, como parte do acompanhamento do bem-estar fetal na gravidez. O sistema traz muitos benefícios para a Maternidade, dentre os quais podem ser citados: monitoramento computadorizado dos exames cardiotocográficos. acesso remoto aos exames de qualquer parte da MEAC ou mesmo de fora dela. criação de uma base digital de exames realizados, substituindo o armazenamento das cardiotocografias realizadas em papel e com uma identificação manual do paciente. criação de uma ferramenta (SISCTG) de apoio ao ensino aos médicos obstetras residentes da MEAC.

97 Apêndice B Introdução à Lógica Nebulosa A lógica nebulosa, também denominada fuzzy ou difusa, é uma ampliação dos conceitos estabelecidos na Lógica Aristotélica ou lógica bivalente. Enquanto nesta última são reconhecidos apenas dois valores para uma determinada classificação, ou seja, verdadeiro ou falso, pertence ou não pertence, sim ou não, naquela é criada uma nova noção conhecida como nível de pertinência de uma determinada grandeza, fazendo com que ela possa pertencer parcialmente a mais de uma classificação ou conjunto. Lofti Zadeh [55], no ano de 1965, lançou as bases desta nova lógica, com uma abordagem que visa aproximar-se da noção de classificação ou valoração que os seres humanos utilizam em seu raciocínio. B.1 Pensamento Nebuloso Aristóteles foi um grande pensador da história humana que viveu no período de 384 a 322 AC. Foi aluno e seguidor de Platão, que por sua vez foi discípulo de Sócrates. Através da evolução do pensamento da escola filosófica grega, pode ser acompanhada a evolução do pensamento humano ocidental na busca de explicações sobre a natureza do homem e do ambiente que o cerca. Esta busca culminou na criação por parte de Aristóteles de uma lógica denominada bivalente que se baseava em uma classificação única para tudo o que existisse na natureza. Nesta lógica, cada coisa pertence ou não 83

98 Apêndice B: Introdução à Lógica Nebulosa 84 pertence completamente a uma classe. Outro aspecto importante é que Aristóteles era proveniente de uma família ligada à medicina, uma área de estudo intrinsecamente observatória à época que buscava explicações fisiológicas e na natureza para se firmar como ciência. Neste ponto, também pode ser ressaltada a necessidade buscada por Aristóteles em se classificar tudo de uma maneira determinística e única. Ou se é, ou não. Esta forma de pensar ganhou o nome de Lógica Aristotélica e se baseia em se dividir tudo em classes muito bem definidas, com todas as coisas pertencendo completamente ou não a uma determinada classe. É a noção do ser ou não ser, do um ou zero, do sim ou não. Este pensamento moldou a forma de pensamento ocidental durante séculos. Contudo, sempre que um ser humano é convocado a realizar classificações dos mais variados parâmetros, é comum fazer uso de expressões como mais ou menos, demais, muito pouco, dentre outras. A Lógica Nebulosa é uma teoria lógicamatemática que expande o modelo bivalente tradicional e busca modelar matematicamente a forma de raciocínio humana, isto é, traz a característica difusa do pensamento humano para um conjunto de expressões matemáticas ou computacionais. Bart Kosko [24] afirma que o mundo é cinza, e não preto e branco. Esta metáfora busca levar à reflexão que grande parte das classificações realizadas e, consequentemente, das decisões tomadas usualmente não são bivalentes mas sempre estão contidas em uma escala gradual de classificação. Esta linha de pensamento não é uma novidade filosófica. O Buda, um dos grandes mestres da cultura oriental, afirma diversas vezes em seus ensinamentos, que o modo de raciocínio humano é nebuloso e não determinístico. Ele afirmou certa vez que: Eu não expliquei que o mundo é eterno ou não eterno. Eu não expliquei que o mundo é finito ou infinito. Uma declaração de que, sob seu ponto de vista, o pensamento humano é fuzzy e não binário. Com isso, fica claro que a criação da lógica Aristotélica envolve não somente aspectos matemáticos e lógicos, mas também históricos e filosóficos.

99 Apêndice B: Introdução à Lógica Nebulosa 85 Como exemplo, tem-se que a lógica das linguagens de programação é completamente bivalente, ou seja, valores polarizados como 0 ou 1, sim ou não, são utilizados para representar o conhecimento. Agora imagine um computador que, ao ser perguntado sobre um determinado assunto, por exemplo, a velocidade de rotação de um cooler, respondesse estou mais ou menos lento, ou estou com pouquíssima velocidade. Não estaria muito mais próximo da forma como uma pessoa responderia? B.1.1 Imprecisão x Incerteza Dois conceitos podem ser comparados para que se compreenda melhor onde a teoria da lógica nebulosa expande a teoria da lógica tradicional: precisão e certeza. Precisão e certeza são duas coisas intrinsecamente ligadas mas de natureza oposta. Quanto mais preciso se é, maior a probabilidade de se estar errado ou incerto. Quanto mais certo se está, mais imprecisa a informação pode ser. Por exemplo, quando se diz que Lofti Zadeh lançou as bases para a criação da lógica nebulosa no século passado, esta informação temporal é extremamente imprecisa mas completamente certa. Na medida em que se deseja aumentar a precisão, informando a década, o ano ou mesmo o mês em que ele o fez, está se aumentando a precisão mas a possibilidade de incerteza aumenta. A teoria de conjuntos e a teoria das probabilidades são as bases clássicas mais utilizadas para tratar desses níveis de incerteza e imprecisão tão característicos dos problemas comuns com que o homem se depara. Entretanto, existem conteúdos informacionais que não são captados pela noção bivalente da teoria dos conjuntos nem pela noção frequentista da teoria probabilística. São os conteúdos difusos do pensamento humano. A teoria da lógica nebulosa ou teoria dos conjuntos nebulosos abrange esta vacuidade de informações que as teorias tradicionais ou clássicas não conseguem captar. É a partir da modelagem que se inicia o tratamento de um problema nebuloso.

100 Apêndice B: Introdução à Lógica Nebulosa 86 B.2 Caracterização de um Problema Nebuloso Ao iniciar uma análise de problemas comuns sob a luz da lógica nebulosa, vê-se que sua aplicação é intrinsecamente realizada pelos seres humanos e não é contemplada caso seja utilizada a lógica aristotélica tradicional. Normalmente o pensamento humano cria uma escala de valoração para suas classificações. Raramente vê-se alguém respondendo alguma coisa com precisão e certeza simultaneamente. Este comportamento é mais encontrado em computadores que pensam através da lógica bivalente. O pensamento nebuloso está presente no dia-a-dia. Para compreender melhor esta abordagem, tome-se como exemplo a caracterização de uma população de fumantes e não fumantes em uma comunidade. Pela lógica aristotélica, caso uma pessoa ingerisse apenas um cigarro por dia deveria já ser classificada como fumante. Não existe nenhum grau de transição entre ser fumante e ser não fumante. Mesmo transformando esta classificação em um padrão menos rígido, alterando-se o limite inicial para uma pessoa ser considerada fumante somente caso ingerisse dez cigarros ou mais por dia, a lógica tradicional leva a classificar uma pessoa que fuma nove cigarros igualmente àquela que fuma apenas um cigarro diariamente. Abordar o problema pela teoria dos conjuntos tradicional possibilita mostrar graficamente o pensamento da lógica aristotélica, conforme pode ser visto na Figura B.1. Existe o conjunto de fumantes e o de não fumantes mutuamente excludentes, ou seja, se o indivíduo pertence a um, automaticamente é considerado que não pertence ao outro. Modelando este mesmo problema pela lógica nebulosa, o primeiro passo seria criar os níveis de classificação para o que é ser fumante. Podem, por exemplo, ser criados cinco grupos de fumantes de acordo com a quantidade do consumo de cigarros por dia. Este modelo poderia ser modelado com as classificações: Baixíssimo Consumo - 0 a 2 cigarros por dia Baixo Consumo - 1 a 5 cigarros por dia

101 Apêndice B: Introdução à Lógica Nebulosa 87 Figura B.1: Dado o Universo U, seja o conjunto A representando os fumantes e B os não fumantes. Médio Consumo - 4 a 12 cigarros por dia Alto Consumo - 8 a 18 cigarros por dia Altíssimo Consumo - mais que 15 cigarros por dia Um aspecto importante que pode ser visto nesta classificação é que além da criação dos diversos níveis, são criadas zonas de interseção nas classificações, criando uma espécie de transição entre elas. Uma representação gráfica destas classificações com suas respectivas interseções pode ser vista na Figura B.2. Cada classificação de fumante neste caso gera um conjunto denominado de conjunto nebuloso. Conforme estabelecido anteriormente, os níveis são criados com zonas de interseção com seus vizinhos imediatos, havendo momentos em que um valor pode possuir duas classificações. Analisando-se ainda a Figura B.2, pode-se constatar que uma pessoa que fuma dez cigarros por dia pode ser classificada como pertencente parcialmente ao grupo de fumantes classificados como de Médio Consumo, assim como também parcialmente ao grupo de Alto Consumo. Um segundo exemplo que pode melhorar a compreensão destes conceitos introdutórios pode ser o da classificação de uma gestante como hipertensa. Neste caso, para fazer uma análise bivalente ou tradicional, seria necessário determinar um valor de referência de pressão arterial diastólica e sistólica, para que, partindo deste valor, se pudesse classificar uma gestante como hipertensa ou não.

102 Apêndice B: Introdução à Lógica Nebulosa 88 Figura B.2: Representação gráfica da população de fumantes Fazendo uma modelagem baseada na lógica nebulosa ou Fuzzy, podem ser traçados níveis de hipertensão, criando-se também interseções entre os níveis classificados, permitindo representar numericamente o sentimento lingüístico de expressões como Pressão alta, Pressão muito alta, Pressão muito baixa, pressão baixa, etc, para o nível em que se encontra a paciente no momento da medição. Com estes exemplos, pode-se compreender matematicamente um problema nebuloso através da análise da teoria de conjuntos nebulosos, apresentada a seguir. B.3 Teoria dos Conjuntos Nebulosos A Teoria dos Conjuntos Nebulosos é a fundamentação para o tratamento matemático de sistemas fuzzy. Enquanto na teoria dos conjuntos CRISP é estabelecida a noção

103 Apêndice B: Introdução à Lógica Nebulosa 89 de que um elemento somente pertence ao conjunto A ou ao seu complemento, o conjunto Não A, na teoria dos conjuntos nebulosos, um mesmo elemento pode pertencer tanto a A quanto a Não A, de acordo com uma grandeza denominada grau de pertinência. Analisando-se matematicamente a teoria de conjuntos tradicionais ou CRISP, pode-se representar a função característica de um elemento X no universo U como A : X[0, 1], onde: A(X) = 1; se e somente se X A A(X) = 0; se e somente se X / A Já um conjunto nebuloso A do universo de discurso U é definido por uma função de pertinência µ A (x) : U [0,1]. Esta função associa cada elemento x de U a um valor de A(x), que represente o nível em que x pertence a A. Caso: µ A (x) = 1; x pertence completamente a A 0 < µ A (x) < 1; x pertence parcialmente a A µ A (x) = 0; x nao pertence a A Estas duas definições, apesar de a princípio parecerem completamente distintas são na verdade complementares, uma vez que é possível verificar que a definição de conjunto nebuloso é uma generalização da teoria dos conjuntos CRISP para o caso em que a pertinência µ A (x) assume apenas os valores 0 ou 1. Em outras palavras, a teoria dos conjuntos CRISP pode ser considerada um caso particular da teoria dos conjuntos nebulosos. Para uma perfeita compreensão dos conjuntos fuzzy, o conceito de função de pertinência é fundamental, por isso na próxima seção será realizada uma discussão mais detalhada sobre o assunto.

104 Apêndice B: Introdução à Lógica Nebulosa 90 B.4 Funções de Pertinência É através das funções de pertinência que o conceito de informação difusa ou nebulosa é extraído de um sistema. A função de pertinência µ A (X) representa um valor do conjunto nebuloso A para o caso em que a variável lingüística assume o valor X. A partir das definições anteriores, pode-se afirmar que a função de pertinência pode ser definida como uma expressão do nível de compatibilidade entre X e o conjunto A, onde 0 quer dizer que X é não compatível com A e 1, seu valor máximo, significa que X é completamente compatível com A. A noção de compatibilidade (ao invés da noção de estar contido ou não estar contido) torna mais simples de se compreender o conceito de pertinência. Podese, assim, dizer que um elemento é parcialmente compatível com um ou com outro conjunto nebuloso. A Figura B.3 mostra mais um exemplo de variável lingüística: Temperatura Ambiente. Da mesma forma que o conjunto da população de fumantes apresentado anteriormente, esta variável também será representada por cinco conjuntos nebulosos, que são: [Baixíssima, Baixa, Média, Alta, Altíssima]. Tomando-se, por exemplo, a temperatura de 14 graus, vê-se que podem ser determinados dois valores de pertinência distintos para esta mesma temperatura, sendo um para o conjunto de temperaturas baixas e outro para o conjunto de temperaturas médias. µ T EMP ERAT URAS BAIXAS (14 graus) = 0, 25; µ T EMP ERAT URAS M ÉDIAS (14 graus) = 0, 50; Isto quer dizer que este valor de temperatura carrega em si informações tanto como uma baixa temperatura quanto como uma temperatura média. A pertinência indicará o grau de compatibilidade do valor com cada um dos níveis. Neste exemplo, 14 graus é mais compatível com o conceito de temperatura baixa, com uma pertinência de 0,50, do que com o de temperatura normal, com uma pertinência de 0,25.

105 Apêndice B: Introdução à Lógica Nebulosa 91 Figura B.3: Conjuntos Fuzzy para a variável Temperatura Ambiente. Analisando-se ainda a Figura B.3, vê-se que as funções de pertinência representam todos os valores que uma pertinência pode assumir para um determinado conjunto nebuloso, variando no intervalo de 0 a 1. Neste exemplo, os cinco conjuntos foram representados por funções triangulares, tendo cada conjunto nebuloso apenas um valor com pertinência máxima: µ T EMP ERAT URAS BAIX ÍSSIMAS (0 graus) = 1; µ T EMP ERAT URAS BAIXAS (10 graus) = 1; µ T EMP ERAT URAS M ÉDIAS (20 graus) = 1; µ T EMP ERAT URAS ALT AS (30 graus) = 1; µ T EMP ERAT URAS ALT ÍSSIMAS (40 graus) = 1;

106 Apêndice B: Introdução à Lógica Nebulosa 92 No entanto, as funções de pertinência podem assumir não somente formas triangulares como as apresentadas até o momento, mas também formas trapezoidais ou gaussianas. A escolha do tipo de função adequada para cada conjunto depende intrinsecamente do problema avaliado. As Figuras B.4 e B.5 apresentam dois exemplos de funções de pertinência com formas diversas que podem ser utilizadas para representar variáveis lingüísticas. Figura B.4: Conjuntos nebulosos representados por funções de pertinência trapezoidais. Figura B.5: Conjuntos nebulosos representados por funções de pertinência gaussianas. Compreendido o conceito de conjuntos nebulosos e as funções de pertinência que os representam, na próxima seção serão definidas as operações básicas sobre estes conjuntos definidas pela teoria da Lógica Nebulosa.

107 Apêndice B: Introdução à Lógica Nebulosa 93 B.5 Operações sobre Conjuntos Nebulosos A teoria original dos conjuntos fuzzy foi formulada com base na definição de três operações específicas: Complemento: µ A (X) = 1 µ A (X); União: µ A B (X) = max[µ A, µ B ]; Interseção: µ A B (X) = min[µ A, µ B ]; Deve-se perceber que, para o caso em que as funções de pertinência estão limitadas aos valores {0,1}, os operadores adequam-se perfeitamente às operações realizadas nos conjuntos CRISP, tornando mais claro o conceito de generalização apresentado anteriormente. Com um firme embasamento matemático, diversas aplicações utilizando a lógica nebulosa surgem e tornam-se mais populares na medida em que sua aplicação é bem sucedida. A seguir estão apresentadas diversas aplicações e suas principais características. B.6 Exemplo de Sistema de Inferência Nebuloso Uma análise gráfica da implementação de um sistema de inferência fuzzy pode enriquecer o entendimento de seu funcionamento. Seja um sistema de inferência fuzzy baseado no modelo de Mamdani com duas variáveis de entrada, A e B e uma variável de saída, C. As variáveis, suas funções de pertinência e o conjunto de regras de inferência estão definidos a seguir.

108 Apêndice B: Introdução à Lógica Nebulosa 94 Variável de entrada A - Variável fuzzy com cinco conjuntos nebulosos, todos com função de pertinência do tipo triangular, com os intervalos definidos de acordo com a Figura B.6. Figura B.6: Variável de Entrada A, com valores definidos no intervalo de 0 a 100 Variável de entrada B - Variável fuzzy com três conjuntos nebulosos, todos com função de pertinência do tipo trapezoidal, com os intervalos definidos de acordo com a Figura B.7. Figura B.7: Variável de Entrada B, com valores definidos no intervalo de 0 a 200 Variável de saída C - Variável fuzzy com três conjuntos nebulosos, todos com

109 Apêndice B: Introdução à Lógica Nebulosa 95 função de pertinência do tipo triangular, com os intervalos definidos de acordo com a Figura B.8. Figura B.8: Variável de Saída C, com valores definidos no intervalo de 0 a 50 Com o resultado das regras de inferências sendo normalmente um conjunto também fuzzy, o próximo passo é obter uma saída real ou escalar do sistema utilizando-se, se necessário, um desfuzzificador, cujas técnicas serão abordadas na seção seguinte. B.6.1 Módulo Desfuzzificador Por último, o bloco desfuzzificador faz o mapeamento da saída nebulosa da máquina de inferência em um número real. Na verdade, existem dois modelos de saídas para sistemas fuzzy, classificados de acordo com a necessidade ou não de se ter um módulo Desfuzzificador. Sistemas baseados nos modelos de Takagi-Sugeno e o de Tsukamoto possuem saídas obtidas por técnicas de interpolação, utilizando funções matemáticas lineares ou não lineares, geralmente monotônicas, para apresentar um número real que já representa uma saída para o sistema. Estes modelos são muito utilizados na área de controle industrial [46]. Já os sistemas baseados no modelo definido inicialmente por Mamdani têm como saída também um conjunto fuzzy, o que torna necessária a definição de uma técnica de

110 Apêndice B: Introdução à Lógica Nebulosa 96 desfuzzificação, que consiste em ser especificado um ponto no conjunto que represente a interpretação em forma de um número real da saída do sistema nebuloso. Várias técnicas podem ser utilizadas para encontrar este valor de saída. Dentre eles podem ser citados: dentro de gravidade, centro ponderado e o valor máximo. Continuando com o exemplo apresentado, supondo que o mesmo é baseado no modelo de Mamdani, sejam dois possíveis valores para os conjuntos de entrada A e B, e um conjunto de regras de inferência com 5 regras. Para cada regra, um conjunto nebuloso de saída será encontrado, identificados como C1 a C5, conforme pode ser visto na Figura B.9. Para o caso em que as variáveis de entrada A e B assumem os valores a seguir: A = 10 = pertence aos conjuntos Pouco e Pouquíssimo da Variável A; B = 50 = pertence aos conjuntos Baixo e Médio da Variável B; A aplicação dos máximos destes conjuntos resultará em um conjunto C. O método do Centro de Gravidade aplicado a este conjunto, resultará em um valor real para os valores de entrada do exemplo: C = 7.94 = pertencendo aos conjuntos Normal e Atenção da Variável C; B.7 Aplicações de Lógica Nebulosa O uso de sistemas baseados em lógica nebulosa já é uma realidade nas mais variadas áreas de aplicação. Alguns exemplos são: Engenharia de controle [38] Reconhecimento de padrões [58] Sistemas de tomadas de decisão em ambientes organizacionais [49] Engenharia Biomédica [54] Visão computacional [56]

111 Apêndice B: Introdução à Lógica Nebulosa 97 Figura B.9: Aplicação do modelo de Mamdani a um conjunto de regras de inferência. Com o intuito de mostrar o crescimento nos estudos e na aplicabilidade na lógica por ele delineada, Lofti Zadeh [57], fez um levantamento, até o final do século passado, do número de artigos sobre lógica nebulosa nas publicações INSPEC e Mathematical Science, que pode ser visto na Tabela B.1. O aumento significativo das publicações é um indicativo de como as pesquisas envolvendo lógica nebulosa estão em ascendência, podendo-se destacar as áreas de Controle Nebuloso e de Engenharia Biomédica. B.7.1 Controle Nebuloso A lógica fuzzy busca moldar a experiência e o comportamento na tomada de decisões dos seres humanos. Com isso, a área de Controle de Sistemas tornou-se uma das mais profícuas no desenvolvimento de aplicações utilizando lógica nebulosa. Em Pedrycz [38] e [39] e Zadeh [56] podem ser encontradas diversas aplicações na área, ressaltando o alto nível de aceitabilidade deste tipo de controlador.