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.

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.