Um novo biomarcador para auxiliar na interpretação dos exames de espirometria através da aplicação da inteligência artificial e das funções das wavelets

• Ano de defesa: 2022
• Autor(a) principal: Piva, Rodrigo Galluzzi Garcia
• Orientador(a): Giacomini, R.
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Centro Universitário FEI, São Bernardo do Campo
• Palavras-chave em Português: espirometria; wavelets (matemática); inteligência artificial
• Link de acesso: https://repositorio.fei.edu.br/handle/FEI/4548; https://doi.org/10.31414/EE.2022.T.131506

Nas últimas décadas, o volume de informações armazenadas digitalmente cresce em taxas expressivas. Soluções tradicionais relacionadas ao tratamento de séries temporais e inteligência artificial são amplamente aplicadas no contexto na extração de informação deste tipo de dado. Um dos sistemas mais robustos e de baixo custo para a aquisição de sinais de função pulmonar, são os espirometros. O processamento dos sinais de espirometria, através de inteligência artificial, utilizando um conjunto de wavelets para uma análise espacial e temporal da capacidade pulmonar, apresenta uma alternativa para classificação e ordenação de um conjunto de exames. Neste trabalho é proposto uma metodologia para classificar e representar uma relação entre exames de espirometria juntamente com conjuntos de exames posteriormente realizados para diferentes grupos de voluntários. Também é interessante mencionar que um novo marcador em exames de espirometria é de grande importância, visto que na nossa pesquisa bibliográfica poucos trabalhos foram encontrados utilizando um modelo matemático mais robusto na busca por novos marcadores e, procurando ter uma maior eficiência, utilizando-se modelos matemáticos e séries temporais, além da aplicação desses resultados em uma estrutura de armazenamento de dados de forma que possam ser estudadas no futuro, com a análise das wavelets que também são utilizadas por diversos pesquisadores como uma alternativa da série de fourier clássica, auxilia neste caso o médico pneumologista a ter um diagnóstico mais confiável e preciso. Assim, para a inteligência artificial ter sucesso, precisamos da inteligência e de um artefato, e o computador tem sido o artefato preferido. Este trabalho aplica métodos matemáticos em sistemas multiváriáveis, e através da análise estatística em conjunto com a inteligencia artificial, produz artefatos de forma a caracterizar exames de prova de função pulmonar em três níveis, classificando os pacientes em normal, obstrutivo ou restritivo. Oresultado final é um sistema computacional que demonstra graficamente os valores encontrados de um banco de dados, comparando-os com o resultado do exame obtido a ser analisado no momento. Através desse conjunto de ferramentas, utilizou-se um banco de dados, gentilmente cedido pela Dra. Silvia Rodrigues, proporcionando realizar o treinamento do modelo e, utilizando ferramentas de I.A., extraindo a covariância dos coeficientes produzidos pelas wavelets, possibilitando a classificação em três grupos distintos (clustering), e através da regressão de Ridge, criar parâmetros como o índice de precisão de uma nova amostra analisada