Título: Pleural Tuberculosis Diagnosis Based On Artificial Neural Networks Models
Autores: Faria, João Felipe; Seixas, José Manoel de; Souza Filho, João Baptista de Oliveira e; Orjuela, Alvaro D.; Vieira, André Filipe Marcondes; Kritski, Afrânio Lineu; Silva, Isabel Michelly F.; Trajman, Anete
Resumo: O diagnóstico da tuberculose pleural (pTB) ainda se apresenta como um desafio, pois o teste diagnóstico tido como padrão de facto (exame histopatológico) e todos os testes diagnósticos clássicos requerem a realização da toracocentese, procedimento invasivo que incorre em custos e riscos elevados. Abordagens inovadoras que levem em conta somente aspectos clínicos são portanto muito relevantes para prover ferramentas para um diagnóstico menos invasivo da pTB. Este artigo propõe a investigação de modelos não-lineares utilizando redes neurais artificiais para desenvolver uma ferramenta de suporte ao diagnóstico baseada tão somente no processamento de variáveis clínicas disponíveis sem a realização da toracocentese. Perceptrons multicamadas alcançaram 84.7% (95%CI, 82.4% to 87.1%) de acurácia no diagnóstico, versus 82.5% (95%CI, 80.2% to 84.8%) obtidos pelo exame histopatológico. Adicionalmente, a sensibilidade dos modelos foi novamente avaliada, mas somente em pacientes cujo diagnóstico de pTB se deu apenas com base no acompanhamento clínico, não tendo obtido resultado positivo em nenhum dos testes clássicos; a sensibilidade estimada desta maneira indica que os modelos são capazes de extrair características relevantes dos dados clínicos, mesmo em casos em que a pTB não é detectada pelos testes usuais, mas o pequeno número de pacientes nesta situação se apresenta como uma limitação para esta análise.
Palavras-chave: Redes neurais artificiais; tuberculose pleural; suporte ao diagnóstico; modelos não-lineares
Páginas: 7
Código DOI: 10.21528/CBIC2011-13.3
Artigo em pdf: st_13.3.pdf
Arquivo BibTex: st_13.3.bib