Sistema de Apoio à Decisão Inteligente para a Medicina Intensiva 1 1 PTDC/EIA/72819/2006 Filipe Portela (Centro Algoritmi – Business Intelligence Group)

Apresentação em tema: "Sistema de Apoio à Decisão Inteligente para a Medicina Intensiva 1 1 PTDC/EIA/72819/2006 Filipe Portela (Centro Algoritmi – Business Intelligence Group)"— Transcrição da apresentação:

1 Sistema de Apoio à Decisão Inteligente para a Medicina Intensiva 1 1 PTDC/EIA/72819/2006 Filipe Portela (Centro Algoritmi – Business Intelligence Group)

2  As Unidades de Cuidados Intensivos (UCI) caracterizam-se por serem ambientes críticos e específicos onde diariamente é produzida e recolhida uma grande quantidade de dados relacionados com o estado do doente;  Devido à situação complexa dos doentes críticos e da enorme quantidade de dados, pode ser difícil para os médicos decidir sobre qual o melhor tratamento a aplicar ao doente.  O factor humano provoca erros no processo de tomada de decisão, uma vez que, normalmente, não há tempo suficiente para analisar correctamente a situação clinica do doente e, além disso, não é possível analisar e monitorizar os dados de forma contínua e em tempo real. Introdução

3  O principal objectivo em Unidades de Cuidados Intensivos (UCI) é evitar ou reverter a falência de órgãos;  UCI é complexa e, por vezes, é difícil para os médicos decidir acerca do procedimento mais correcto para prestar o melhor serviço aos doentes;  Diariamente, é gerado um grande volume de dados relativamente à condição clínica dos doentes e às Bases de Dados (BD).  Estes dados podem conter informação importante, até então desconhecida, acerca do prognóstico;  Na era da Informação, as UCI são um meio particularmente interessante para a Descoberta de Conhecimento em Bases de Dados (DCBD). Motivação

4  Utilização de técnicas de Data Mining (DM) para descoberta de padrões e sua integração num Sistema de Apoio à Decisão Inteligente (SADI) para previsão horária, e em tempo real, da disfunção/falência de órgãos e outcome;  Melhoramento dos cuidados de saúde através de um sistema que auxilia os médicos e os dota de ferramentas que lhes permitam ter uma atitude pró-activa no melhor interesse do doente; Objectivos Investigação

5 : Modelos de Previsão para a hora seguinte:  Falência dos seis sistemas orgânicos:  Cardiovascular;  Respiratório;  Renal;  Hepático;  Hematológico;  Neurológico.  Outcome:  Estado do doente à altura da alta hospitalar SistemaINTCare Sistema INTCare

6  Modelos Antigos: Aprendizagem em Modo Offline; Previsão Diária; Dados de 42 UCIs.  Modelos Novos (INTCare): Aprendizagem em Modo Online; Previsão Horária e em Tempo Real; SCI do CHP – Hospital Santo António SistemaINTCare Sistema INTCare

7 SADI Aprendizagem Online / Automática Tempo RealAdaptabilidade Modelos de Previsão e Decisão Optimização Agentes Inteligentes InteroperabilidadeUbiquidade

8 SistemaINTCare Sistema INTCare

9

10

11 Fontes de dados distribuídas e heterogéneas  Monitores de Sinais Vitais;  Circuito do Medicamento;  Resultados Laboratoriais;  Folha de Enfermagem Electrónica;  Processo Clínico Electrónico SistemaINTCare Sistema INTCare

12 Folha Enfermagem Electrónica

13 Data Mining Clínico Informação Clínica dos Doentes Previsão do Outcome Apoio à Decisão Clínica Qualidade dos Tratamentos

14  Case Mix:  Idade;  Tipo de Admissão;  Origem de Admissão.  Eventos Críticos:  Pressão Sanguínea;  Saturação de Oxigénio;  Frequência Cardíaca;  Débito Urinário.  Eventos Críticos Acumulados (ECA);  Rácios;  SOFA de cada sistema orgânico. DM - Variáveis

15 63472 modelos SOFA (Respiratório) SOFA (Cardiovascular) SOFA (Renal) SOFA (Hematológico) SOFA (Hepático) Outcome M1 = Case Mix + Hora + ECA M2 = M1 + Rácios M3 = M2 + SOFA Redes Neuronais Artificiais Árvores de Decisão Regressão (logísticas) Métodos Ensemble. (RNA, AD, Reg.) Vars ObjectivoVars Entrada Técnicas DM - Modelos

16 Resultados da aplicação de algoritmos de DM (Redes Neuronais Artificiais) para previsão de falência de órgãos e outcome. DM - Resultados SistemaCenárioSensibilidade CardiovascularM393.4% RespiratórioM296.2% RenalM398.1% HematológicoM297.5% HepáticoM398.3% OutcomeM198.3% M1 = Case Mix + Hora + ECA M2 = M1 + Rácios M3 = M2 + SOFA

17 Conclusão  O INTCare evoluiu e actualmente utiliza, para a criação de modelos de previsão e decisão, os dados clínicos obtidos online e em tempo real.  O sistema INTCare está a ser desenvolvido para uma previsão horária da condição clínica dos doentes, ou seja, a previsão da disfunção / falência dos sistemas orgânicos (cardiovascular, respiratório, renal, hepática e sistemas) e do outcome.  O desenvolvimento da FEE permite a obtenção de novos dados clínicos em formato electrónico bem como a integração de todas as aplicações que têm dados fundamentais para a criação de modelos de previsão.  Permite que os médicos tenham uma atitude pró-activa em relação aos cuidados dos doentes.

18 Trabalho Futuro  Suporte a actividades no âmbito dos cuidados intensivos “any time, any place”  Reformulação dos modelos com as novas informações obtidas dos ajustes do sistema, i.e., dados obtidos online e em tempo real.  Continuação da integração com as várias fontes de dados e com os sistemas de informação existentes no hospital.  Desenvolvimento, implementação e teste do SADI em ambiente real – UCI do Hospital Geral de Santo António, Porto.  Análise do impacto dos modelos relativamente ao processo de decisão.

19 Equipa de Investigação Manuel Filipe Santos (Investigador Principal), Departamento de Sistemas de Informação, Universidade do Minho. Paulo Cortez, Departamento de Sistemas de Informação, Universidade do Minho. Pedro Gago, Instituto Politécnico de Leiria. Marta Vilas Boas, Departamento de Sistemas de Informação, Universidade do Minho. Filipe Portela, Departamento de Sistemas de Informação, Universidade do Minho. Álvaro Silva, Unidade de Cuidados Intensivos, Hospital Geral de Santo António EPE. Lopes Gomes, Médico Clínico, Instituto de Ciências Biomédicas Abel Salazar. José Maia Neves, Departamento de Informática, Universidade do Minho. José Machado, Departamento de Informática, Universidade do Minho. António Abelha, Departamento de Informática, Universidade do Minho.

20 Principais Publicações Santos, M. F., P. Cortez, P. Gago, Á. Silva & F. Rua. (2006). Intelligent decision support in Intensive Care Medicine. In 2nd International Conference on Knowledge Engineering and Decision Support, 401-405. Lisbon, Portugal. Gago, P., M. F. Santos, Á. Silva, P. Cortez, J. Neves & L. Gomes (2006) INTCare: a knowledge discovery based intelligent decision support system for intensive care medicine. Journal of Decision Systems. Gago, P., A. Silva & M. F. Santos. (2007). Adaptive decision support for intensive care. In 13th Portuguese Conference on Artificial Intelligence, ed. J. S. M. F. M. J. M. Neves, 415- 425. Guimaraes, PORTUGAL: Springer-Verlag Berlin. Gago, P. & M. F. Santos. (2008). Towards an Intelligent Decision Support System for Intensive Care Units. In 18th European Conference on Artificial Intelligence. Greece. Santos, M.F., Portela, F., Vilas-Boas, M., Machado, J., Abelha, A., Neves, J., Silva, A., Rua, F. (2009): Information Modeling for Real-Time Decision Support in Intensive Medicine. In: Chen, S.Y., Li, Q. (eds.) Proceedings of the 8th International Conference on Applied Computer and Applied Computational Science, pp. 360-365. Athens Santos, M.F., Portela, F., Vilas-Boas, M., Machado, J., Abelha, A., Neves, J. (2009): Information Architecture for Intelligent Decision Support in Intensive Medicine. 8th International Conference on APPLIED COMPUTER & APPLIED COMPUTATIONAL SCIENCE (ACACOS '09) 8, 810-819

21 Santos, M.F., Portela, F., Vilas-Boas, M., Machado, J., Abelha, A., Neves, J., Silva, A., Rua, F., Salazar, M., Quintas, C., Cabral, A. (2009): Intelligent Decision Support in Intensive Care Units - Nursing Information Requirements. In: Springer (ed.), Portela, F., Santos, M., Vilas-Boas, M., Rua, F., Silva, Á., Neves, J. (2010) : Real-time Intelligent decision support in intensive medicine. KMIS 2010- International Conference on Knowledge Management and Information Sharing, pp. 7, Valência, Espanha Vilas-Boas, M., Santos, M.F., Portela, F., Silva, Á., Rua, F. (2010): Hourly prediction of organ failure and outcome in intensive care based on data mining techniques. In: Springer (ed.) 12th International Conference on Enterprise Information Systems, pp. 9, Funchal, Madeira, Portugal Portela, F., Vilas-Boas, M., Santos, M.F., Fernando, R. (2010): Improvements in data quality for decision support in Intensive Care. Electronic Healthcare for the 21st century, pp. 8, accepted for publication, Casablanca, Morroco Villas Boas, M., Gago, P., Portela, F., Rua, F., Silva, Á., Santos, M.F. (2010): Distributed and real time Data Mining in the Intensive Care Unit. 19th European Conference on Artificial Intelligence - ECAI 2010, pp. 5, Lisbon, Portugal Santos, M. F., Portela, F., Vilas-Boas, M., Machado, J., Abelha, A., Neves, J. (2011). INTCARE - Multi-agent approach for real-time Intelligent Decision Support in Intensive Medicine. Paper accepted to the 3rd International Conference on Agents and Artificial Intelligence (ICAART). Principais Publicações

22 Obrigado!