Título
Intelligent clinical decision support system for managing COPD patients
Autor
Pereira, José Maria Silva
Resumo
pt
Doença Pulmonar Obstrutiva Crónica (DPOC) é a terceira principal causa de
morte em todo o mundo. Sistemas de Monitorização Remota de Saúde (SMRS)
desempenham um papel crucial na gestão de doentes com DPOC, identificando
anomalias em seus sinais biométricos e alertando profissionais de saúde. Ao analisar
as relações entre os sinais biométricos e os fatores ambientais, é possível desenvolver
modelos de inteligência artificial capazes de inferir os riscos futuros de
deterioração da saúde dos doentes. Esta dissertação tem como objetivo desenvolver
um Sistema Inteligente de Apoio à Decisão Clínica (SISDC) capaz de fornecer informações
precoces sobre a evolução da saúde do paciente e análise de risco para
apoiar o tratamento de doentes com DPOC. O SISDC do presente trabalho é
composto por dois módulos principais: o Módulo de Previsões de Sinais Vitais e o
Módulo de Cálculo do Early Warning Score, que geram informações sobre a saúde
do paciente e o risco de deterioração, respectivamente. Além disso, o SISDC gera
alertas sempre que uma medição de sinal biométrico estiver fora da intervalo normal
de valores para um paciente ou no caso de uma mudança significativa em um
valor basal. Finalmente, o sistema foi implementado e avaliado em um caso real
e também validado em termos clínicos por meio de um inquérito respondido por
profissionais de saúde envolvidos no projeto. Em conclusão, o SISDC demonstra
ser uma ferramenta útil e valiosa para profissionais de saúde, permitindo intervenções
proativas e facilitando ajustes no tratamento médico dos doentes.
en
Chronic obstructive pulmonary disease (COPD) is the third leading cause of death
worldwide. Health remote monitoring systems (HRMSs) play a crucial role in managing
COPD patients by identifying anomalies in their biometric signs and alerting
healthcare professionals. By analyzing the relationships between biometric signs
and environmental factors, it is possible to develop artificial intelligence models
capable of inferring patients’ future health deterioration risks. In this research
work, we review recent works in this area and develop an intelligent clinical decision
support system (ICDSS) capable of providing early information concerning
patient health evolution and risk analysis in order to support the treatment of
COPD patients. The present work’s ICDSS is composed of two main modules:
the vital signs prediction module and the early warning score calculation module,
which generate the patient health information and deterioration risks, respectively.
Additionally, the ICDSS generates alerts whenever a biometric sign measurement
falls outside the allowed range for a patient or in case a basal value changes significantly.
Finally, the system was implemented and assessed in a real case and
validated in clinical terms through an evaluation survey answered by healthcare
professionals involved in the project. In conclusion, the ICDSS proves to be a useful
and valuable tool for medical and healthcare professionals, enabling proactive
intervention and facilitating adjustments to the medical treatment of patients.