"Informática em Saúde e Cidadania" Avaliação Alimentar Utilizando Técnicas de Inteligência Artificial Jaqueline Stumm (stumm@inf.ufsc.br) Silvia Modesto Nassar (silvia@inf.ufsc.br) Maria Marlene de Souza Pires (marlene@ccs.ufsc.br) X Congresso Brasileiro de Informática em Saúde CBIS'2006 "Informática em Saúde e Cidadania" Outubro de 2006 Florianópolis - SC 1
Plano da Apresentação Introdução Objetivo Implementação Técnicas Utilizadas Diferencial do Sistema Metodologia Alimentação Saudável Lógica Fuzzy Sistema Especialista Fuzzy Resultados etapas para desenvolvimento da metodologia de monitoração alimentar Discussões e Conclusões 2
Introdução A área da saúde vem utilizando, com o auxílio de técnicas de Inteligência Artificial, os computadores de forma inteligente, como, por exemplo, para o suporte a decisões médicas. No caso particular de doenças ocorridas por meio de distúrbios nutricionais, o computador pode ser uma ferramenta de apoio no contexto educativo, fomentando o conhecimento das pessoas para formas saudáveis de vida e tornando esse conhecimento acessível a todos os indivíduos através da Web. 3
Introdução Objetivo Apresentar a modelagem computacional do problema de monitoração da qualidade alimentar, de crianças e adolescentes de 7 a 20 anos, para diferentes níveis calóricos. Implementação Sistema Especialista para Web que além de permitir um acompanhamento alimentar aos usuários em geral, pode auxiliar a decisão médica sobre a dieta alimentar, tratando as incertezas presentes no processo da avaliação alimentar. 4
Introdução Técnicas Utilizadas Sistemas Especialistas Lógica Fuzzy Inteligência Artificial Tecnologia atual da Internet Diferencial do Sistema Busca perceber o mundo real alimentar do usuário, isto é, avalia a alimentação a partir da escolha dos alimentos pelo usuário. 5
Metodologia Alimentação Saudável MACRONUTRIENTES Percentual de Macronutrientes para o total calórico diário Proteína Lipídio 10% a 15% 25% a 30% Carboidrato 50% a 60% 0% 20% 40% 100% 6
Metodologia Alimentação Saudável REFEIÇÕES Distribuição do percentual calórico para cada Refeição Colação 10% Colação 10% Colação 10% Café da Manhã 20% Almoço 30% Jantar 20% 7
Metodologia Raciocínio Incerto O conhecimento médico é repleto de incerteza e com o problema da avaliação alimentar não é diferente, sendo necessária uma técnica para representar esse tipo de informação. Lógica Fuzzy Representa e trata do conhecimento que contenha incerteza por imprecisão 8
Metodologia Sistema Especialista Fuzzy Funções de Pertinência de Entrada Entradas Crisp FUZZIFICAÇÃO Entradas Fuzzy INFERÊNCIA BASE DE REGRAS Saídas Fuzzy Funções de Pertinência de Saída DESFUZZIFICAÇÃO Saídas Crisp Base de Conhecimento 9
A metodologia proposta abrange quatro principais etapas: 1) a definição do total calórico diário; 2) a modelagem do problema da dieta alimentar; 3) a seleção adequada da técnica de avaliação da dieta escolhida, 4) modelo de apresentação das recomendações para alimentação saudável. 10
1) Total Calórico crianças e adolescente de 07 a 20 anos 2000 kcal alterar total de calorias sistema se adapta para avaliar os resultados 11
2) Modelagem do problema da dieta alimentar APROXIMADAMENTE 50% a 60% Carboidrato 25% a 30% Lipídios 10% a 15% Proteína EM MÉDIA 20% Café da Manhã 30% Almoço 20% Jantar 10% Colações Termos: APROXIMADAMENTE - EM MÉDIA presença de INCERTEZA no problema 12
3) Seleção da técnica t de avaliação da dieta alimentar Incerteza IMPRECISÃO LÓGICA FUZZY 13
3) Seleção da técnica t de avaliação da dieta alimentar Atributos de entrada Diagnóstico Macronutrinetes Carboidrato Lipídios Proteína Diagnóstico Refeição Café da Manhã Almoço Jantar Colações 14
3) Seleção da técnica t de avaliação da dieta alimentar Valores Lingüísticos AUMENTAR ACEITÁVEL DIMINUIR 15
3) Seleção da técnica t de avaliação da dieta alimentar Universo de Discurso Intervalo percentual 0% a 100% 16
3) Seleção da técnica t de avaliação da dieta alimentar Base de Conhecimento Constituída de regras SE{antecedente} ENTÃO{conseqüente} 17
3) Seleção da técnica t de avaliação da dieta alimentar Máquina de Inferência Regra 1: Regra 2: Regra 3: : : Regra N: se A 1 então B 1, ou se A 2 então B 2, ou se A 3 então B 3, ou se A N então B N t-normas conectivo e Interseção Padrão t-conormas conectivo ou Soma Limitada 18
3) Seleção da técnica t de avaliação da dieta alimentar μ(x) Avaliação da dieta alimentar Incorreta Correta 1 INADEQUADO Mostrar alterações 0 PARCIALMENTE ADEQUADO Mostrar alterações ADEQUADO Sem alterações Alimentação 0 0.4 0.7 1 19
4) Modelo de apresentação das recomendações para alimentação saudável Em relação ao grau de pertinência aos conjuntos Aumentar, Aceitável e Diminuir 20
4) Modelo de apresentação das recomendações para alimentação saudável Pertinência ao conjunto Aceitável >= 0.5 não há a necessidade de mudanças alimentares. Aumentar Aceitável Diminuir 0,00 0,60 0,00 Mudanças de Hábitos Alimentares Consumo aceitável na dieta alimentar diária 21
4) Modelo de apresentação das recomendações para alimentação saudável Pertinência ao conjunto Aceitável < 0.5 Verifica pertinência a outro conjunto vizinho: mudanças em relação ao conjunto com grau de pertinência maior que zero. Aumentar Aceitável Diminuir 0,08 0,40 0,00 Mudanças de Hábitos Alimentares Aumentar o consumo na dieta alimentar diária 22
4) Modelo de apresentação das recomendações para alimentação saudável Pertinência ao conjunto Aceitável < 0.5 Se não houver pertinência a outro conjunto vizinho: função do número de calorias consumidas para o intervalo de calorias desejadas. Aumentar Aceitável Diminuir Caloria Total Desejada Caloria Total Consumida 0,00 0,20 0,00 [500,600] 700 Mudanças de Hábitos Alimentares Diminuir consumo na dieta alimentar diária 23
Validação do Sistema 10 testes utilizando cardápios, adequados e inadequados, disponibilizados pelo especialista A cada teste realizado o especialista comparava o resultado do sistema com o seu próprio diagnóstico. Ao final dos testes o especialista considerou que os resultados obtidos pelo sistema eram condizentes ao seu diagnóstico, considerando, desta forma, que o sistema avalia adequadamente a dieta alimentar diária. 24
Discussão e Conclusões Alternativa de tratamento e avaliação alimentar de indivíduos aliando técnicas computacionais e IA. Metodologia diferencia-se da forma tradicional de avaliação alimentar ao utilizar técnicas de IA para representar o conhecimento médico para o problema alimentar e a lógica fuzzy para tratar das incertezas presentes no processo de avaliação alimentar. A utilização de variáveis lingüísticas para apresentar os resultados da avaliação, ou seja, para informar as mudanças de hábitos alimentares necessárias. 25
Discussão e Conclusões Difere pela permissão dada aos usuários de fazerem escolhas de acordo com o seu hábito alimentar para posteriormente avaliar a dieta escolhida; ao final da avaliação recomendações sobre mudanças de hábitos alimentares são apresentadas, quando forem necessárias, permitindo, desta forma, uma educação alimentar. Por meio da utilização de novas tecnologias de apoio à decisão a metodologia fomenta o conhecimento através de uma educação personalizada, atingindo um número maior de pessoas por meio da Web, respondendo a seus interesses, capacidades e objetivos. 26
Jaqueline Stumm stumm@inf.ufsc.br Saúde e cidadania 27