Um Sistema de Ensino Inteligente para o Diagnóstico Médico

Aurora Ramírez Pozo, Jefferson Fernandes, Jorge Barreto
aurora@inf.ufpr.br,
FAX: 55-41-2676874




O objetivo deste trabalho foi o de criar um sistema de apoio ao ensino do diagnóstico classificatório da epilepsia - EPIIS - via computador. O EPIIS faz uso de tecnologias de inteligência artificial distribuída, mais especificamente pelo paradigma de sociedade de multi-agentes, para implementar um processo de ensino/aprendizado individual e adaptável às necessidades do aluno. Sua arquitetura é formada por quatro agentes: o agente especialista, responsável sobre os conceitos e classificação das crises epilépticas; o agente tutor responsável pela didática; o agente modelo do estudante, que registra as ações tomadas pelo estudante; e o agente interface, responsável pela interação estudante/sistema. O EPIIS utiliza uma combinação de recursos de hipermídia (vídeos, sons, fotos e texto) com solução de problemas, criando condições similares àquelas que o aluno encontra durante a sua formação. O sistema assim implementado e utilizado mostrou ser uma excelente ferramenta de aprendizado.
 
 
 

Introdução
 

Os sistemas de ensino por computador são uma tecnologia nova que apresenta grandes desafios para a Inteligência Artificial (IA). As técnicas de IA permitem projetar um método educacional rico em conhecimento e estimulante para o estudante. Tais sistemas se caracterizam por estruturas de controle flexíveis e técnicas elaboradas para comunicar conhecimentos. De acordo com uma situação de ensino/ aprendizado real, o sistema deve possuir as seguintes habilidades [5]:

Como se observa, o processo de ensino/ aprendizado abrange um conjunto de atividades de diferentes domínios, cada uma delas com seus próprios objetivos, porem interagindo cooperativamente para conseguir o objetivo global do processo.

Na atualidade, existe grande interesse em analisar e desenvolver "comunidades inteligentes", nas quais interagem um conjunto de processos baseados em conhecimentos (KBS), de acordo com leis de cooperação e coordenação. A linha de pesquisa de IA que trata deste tipo de concorrência é conhecida como Inteligência Artificial Distribuída (IAD). Em IAD, a inteligência é distribuída usando vários agentes. Os agentes são as entidades responsáveis pela solução dos problemas. Possuem um comportamento autônomo, consequência de suas observações, seu conhecimento e suas interações com outros agentes. Neste contexto nasce um novo conceito em IA, o "comportamento social" que emerge da cooperação, coordenação e negociação das ações dos agentes. Este comportamento social encontra seu domínio de aplicação na solução de problemas complexos onde o conhecimento provém de diferentes campos. Este é o caso particular dos sistemas de ensino por computador.

O objetivo deste trabalho foi projetar e implementar um sistema de ensino por computador usando técnicas de IAD, para o diagnóstico de crises epilépticas. Em epilepsia assim como nas áreas médicas, grande parte do conhecimento é assimilado pela experiência prática, onde para cada caso (paciente) é criado um quadro de associações mentais entre sintomas e doença. O EPIIS utiliza uma combinação de recursos de hipermídia (vídeos, sons, fotos e texto) com solução de problemas, criando condições similares àquelas que o aluno encontra durante a sua formação. Neste trabalho se analisam alguns aspectos do projeto e implementação de EPIIS. Mostram-se algumas sessões de trabalho, enfatizando as interações estudante-sistema.
 
 

Arquitetura do Sistema EPIIS

Nas pesquisas de "softwares" educacionais que envolvem inteligência artificial (ICAI, Intelligent Computer Aided Instruction) o propósito é adquirir os conhecimentos dos especialistas (educador) para compor as interações do processo educacional. Em particular, este enfoque permite que os sistemas realizem decisões não antecipadas pelos especialistas. Um ponto importante e freqüentemente desejado dos sistemas de ensino é sua adaptabilidade ao aprendiz. As técnicas de inteligência artificial (IA) têm sido usadas para modelar a estrutura cognitiva do aprendiz, assim como o conhecimento do domínio e das estratégias pedagógicas. Isto introduz uma orientação cognitiva, em contraste com o ponto de vista comportamental que caracterizava os primeiros sistemas de ensino [3].
 
 

Uma abordagem de Inteligência Artificial Distribuída

A IA clássica preocupa-se com a construção de programas, capazes de executar tarefas complexas, apoiando-se na centralização e concentração da inteligência. Mas isto resulta em grandes dificuldades, devido a necessidade de integração, em uma mesma base de conhecimento, de habilidades de indivíduos diferentes, que na realidade se comunicam e colaboram na realização de um objetivo comum, a custo de eventuais conflitos. Nascem a noção de inteligência artificial distribuída (IAD) e o conceito de agentes. A metáfora na IAD é baseada no comportamento social e a ênfase é colocada em ação e interação. Os agentes não são mais "pensadores" fechados em seus próprios mundos, mas "pensadores" abertos para o exterior, capazes de realizar o intercâmbio de conhecimentos como ocorrem nas sociedades em geral. O conceito de agente é central para este paradigma:

"Um agente é uma entidade real ou virtual que está imersa num ambiente onde ele pode realizar ações, que é capaz de perceber e representar parcialmente este ambiente, de comunicar-se com outros agentes e que possui um comportamento autônomo, que é conseqüência de suas observações, seu conhecimento e interações com outros agentes."[2]

Nesta definição de agente ficam implícitas as características que um agente deve possuir [7]:

O paradigma de IAD é recomendável . quando se busca resolver problemas grandes e complexos, que requerem conhecimento de diferentes domínios, caso particular dos sistemas de ensino por computador.
 
 

Estrutura Organizacional de EPIIS

Apesar de não existir concordância geral sobre a estrutura básica dos ICAI, a maior parte dos pesquisadores distinguem quatro módulos, representados em EPIIS por agentes [4], ver Figura 1.

Figura 1- Estrutura de Agentes de EPIIS
 
 


É simples justificar a presença destes agentes. De fato, refere-se a uma situação educacional que envolve um sistema de ensino e um estudante. O objetivo é ensinar o conhecimento em algum domínio e este deve ser apresentado ao estudante da maneira mais apropriada. Como se pode observar o processo de ensino/ aprendizado é visualizado como um "conjunto de atividades" compreendendo diferentes domínios, cada um com seu próprio objetivo e interagindo de forma cooperativa para atingir o objetivo global do processo, o que justifica a abordagem por inteligência artificial distribuída.

Na estrutura mostrada na Figura 1, observa-se que todos os agentes possuem entre eles canais de comunicações diretos. Estes canais são privados, isto é, quando o agente hipermídia se comunica com o agente tutor, os agentes modelo do estudante e especialista não tem conhecimento desta conversação. Na área global de dados (blackboard, [1]) o acesso para leitura é permitido para todos os agentes. Porém, a atualização de cada informação é feita somente por um agente, o agente gerador da informação. Na estrutura apresentada não existe um agente que efetue o controle das ações dos outros agentes. Mas na prática, é o estudante via o agente hipermídia quem controla a maior parte das ações dos agentes.

Para representar os conhecimentos manipulados por EPIIS, se escolheu um formalismo orientado a objeto. Cada agente é representado por uma objeto. Aqui se usa uma analogia ao ser humano [6]. Neste caso o objeto é composto por três partes: boca, cabeça e corpo. A boca preocupa-se com a comunicação com os outros agentes. O corpo é a parte do agente que trata da solução do problema e a cabeça controla a cooperação com os outros agentes. Note que esta estrutura pode ser vista como uma especialização do conceito de objeto.
 
 

Ambiente de Aprendizagem

A medicina é uma área onde a tecnologia hipermídia se faz especialmente indicada dado que a imagem e algumas vezes sons constituem-se elementos fundamentais para o diagnóstico médico e, como conseqüência, para ensino das diferentes especialidades. Por outro lado, existem evidências ou ao menos indicativos, que o ensino das habilidades clínicas pode ser complementado com o auxilio do computador, chega-se a proposta deste sistema: a utilização de ferramentas de hipermídia em combinação com uma abordagem de resolução de problemas (especialista articulado) para simular a situação profissional do estudante.

A hipermídia permite criar uma estrutura curricular completa na qual o estudante navega escolhendo livremente os assuntos que lhe interessam. Desta maneira o estudante cria seu próprio plano de ensino.

O cenário de aprendizagem, especialista articulado, permite centrar-se no ensino de classificação de crises epilepsia, apoiando-se no conhecimento (previamente programado) do médico especialista. Na área médica utiliza-se com freqüência o estudo de casos de pacientes como forma de ensino. Esta mesma situação pode ser criada pelo tutor artificial por meio deste cenário. A principal função do sistema especialista é de imitar o comportamento otimizado de um especialista na área para atender ao caso considerado. Entretanto, quem dirige a sessão e toma realmente as iniciativas é o aluno. Desta maneira o especialista trabalha passo a passo de acordo com as decisões do aluno. O sistema de posse dos dados do paciente, indica qual a melhor atitude a ser tomada naquele momento. Ou seja, o sistema realiza somente uma inferência e aguarda a tomada de decisão do aluno. Após isto, ele realiza uma nova inferência, com base nos dados disponíveis, os quais dependem da escolha feita pelo aluno. Isto significa que num determinado momento o paciente mostra sintomas de uma crise (ex: ausência), mas o estudante pode estar confuso e decidir pesquisar sobre outra crise (ex: tônico-clônica). O especialista pode seguir esta linha de raciocínio. Ao serem solicitados os sintomas e estes não corresponderem a este tipo de crise o aluno poderá por si, verificar que ele estava enganado e finalmente voltar ao caminho correto. Ou após atingir-se o nível de liberdade graduada (explicado na seção a seguir) o tutor percebendo do desvio, toma a atitude corretiva.
 
 

Filosofia de Operação

O sistema consta de uma estrutura curricular onde são abordados os principais temas de crises epilépticas. A Figura 2 mostra o "browser" interativo, onde aparecem os principais nós. O "browser" é o mecanismo para navegar dentro da estrutura. O "browser" permite ao usuário o acesso direto a qualquer nó do documento. Quando o usuário seleciona o item "clicando", nó selecionado aparece na tela do computador, substituindo o nó antigo. Na Figura 3, mostra-se um exemplo de visita a um nó, neste caso Crises Parciais. Na tela aparecem as informações sobre crises parciais e referências a outros nós. Basta acionar o "mouse" na região correspondente, por exemplo, Parcial Simples, para se ter acesso as informações deste nó.
 
 

Figura 2 - O "browser" de EPIIS
 
 

Figura 3 - Nó Crises Parciais
 
 





O nó Simulação está associado especificamente ao cenário de aprendizagem especialista articulado. Entrando neste nó, o primeiro passo é esclarecer ao estudante os objetivos pedagógicos deste módulo, ver Figura 4, observe que o aprendiz sempre tem o controle da situação de ensino/aprendizado. Ele sempre pode optar por abandonar este módulo e explorar outro. Antes de começar a sessão de simulação de um paciente são necessários dois passos:


 

Figura 4 - Escolha do objetivo



 
 

Acompanhamento do especialista: no qual o aluno acompanha o especialista na resolução da situação em questão. Dentro deste quadro o aluno não tem possibilidade de tomar atitudes, mas tão somente de verificar o que está sendo feito, podendo questionar sobre o por quê das mesmas e se outras atitudes poderiam ser tomadas. Ao final da sessão ele pode também solicitar explicação de como se chegou ao diagnóstico em consideração, bem como uma lista dos passos que foram tomados ao longo do processo de atendimento.

Atuação de liberdade graduada: o aprendiz toma as atitudes que considerar conveniente para dar atendimento ao paciente, podendo solicitar auxílio. A cada momento o aprendiz pode perguntar pelos sintomas do paciente que ele julgar necessário. Isto significa que ele pode explorar outros caminhos que não são os mais corretos. Dependendo da graduação escolhida, o tutor intervirá, tomando uma atitude corretiva.

Figura 5 - Liberdade graduada






Uma vez feitas estas escolhas iniciais começa a sessão. O sistema é estruturado com uma interface baseada em menus de modo a facilitar a interação com o estudante. Utilizou-se como escolhas padrão as seguintes opções:

Na Figura 5 é mostrada parte de uma sessão de trabalho no modo de liberdade graduada. A parte superior da tela apresenta diferentes níveis de orientações tutorais que o aluno ativou; na parte central o sistema pede para o aluno continuar no processo de amnese do paciente.
 

Discussões

Neste trabalho mostrou-se o projeto e implementação de EPIIS. Observou-se que neste sistema o estudante está sempre de posse do controle da situação de ensino/ aprendizado decidindo a que nível operar o sistema e quando e que tipo de ajuda solicitar de forma a construir seu conhecimento na área. Destaca-se aqui as principais características do sistema:

O sistema EPIIS foi submetido a uma avaliação qualitativa. Diversos grupos de usuários utilizaram o sistema: alunos de graduação de medicina, monitores de neurologia e residentes de neurologia. As principais conclusões desta avaliação são: Conclusões

Este trabalho mostra uma aplicação prática das idéias de IAD num ambiente rico em complexidade como são os sistemas de ensino por computador. Neste ambiente, o conhecimento é composto por diferentes domínios e as interações entre eles são numerosas. Foi desenvolvido um sistema de ensino para o apoio ao diagnóstico de epilepsia (EPIIS) usando IAD e implementado usando um ambiente para desenvolvimento de sistemas especialistas, Kappa® 2.0, que permite a programação orientada a objetos. O conceito de agente pode ser compreendido como uma especialização do conceito de objeto, sendo que cada agente tem três funções principais: comunicar, decidir e atuar. Os agentes que integram o sistema são: agente especialista, agente tutor, agente modelo do estudante e agente hipermídia.

A estrutura dada ao sistema com diferentes menus, trabalhando em ambiente Windows® possibilita ampla interação do aluno com o sistema. Basta acionar o "mouse" para escolher a opção. O aluno tem liberdade para escolher o momento de solicitar ajuda assim como o objetivo da sessão. Desta forma, foi criado um ambiente rico em recursos onde os alunos podem construir os seus conhecimentos segundo seus estilos individuais de aprendizagem. Neste tipo de sistema a ênfase não está na memorização de fatos ou na repetição de respostas corretas, mas na capacidade de pensar e de se expressar claramente, de solucionar problemas e de tomar decisões adequadas. Estas características de flexibilidade do sistema ajudam a torná-lo um agente estimulador do processo ensino/ aprendizado, isto ficou demonstrado na validação feita do sistema.

A modelagem efetuada neste trabalho traz vantagens que se originam no projeto do sistema e mais tarde na implementação como: a distribuição do conhecimento que permite a decomposição das tarefas; encapsulamento do conhecimento (só se conhece as habilidades dos agentes); projeto estruturado das interações via protocolos; possibilidade de distribuição geográfica, e para isto é necessário um suporte de sistemas distribuídos.
 
 

Referências

   1.Erman L.D. & Hayes-Roth & F. Lesser & D. Reddy. The Hearsay -II Speech understanding System: Integrating Knowledge to Resolve
     Uncertainty. Computer Surveys, 12:213-253, 1980.
   2.Ferber J. & L. Gasser. Intelligence Artificielle Distribuée. In: International Workshop on Expert Systems & Their Applications, 11, France,
     1991.
   3.Pagano R. Computer Simulation as na Educational Tool. Tese ("Docteur em Sciences Appliquées"). Université Catholique de Louvain,
     1992.
   4.Ramirez A. Um Sistema de Ensino Inteligente via Sociedade de Multi-Agentes Aplicado ao Diagnóstico de Epilepsia. Tese de Doutorado.
     Universidade Federal de Santa Catarina, Brasil, 1996.
   5.Ramirez A. & S. Nassar & W. Lima. Aplicação de Inteligência Distribuída em Sistemas de Ensino Inteligentes. In: V Simpósio de
     Informática em Educação. P. A., Brasil, 286-290, 1994.
   6.Shoham Y. Agent-Oriented Programming. Artificial Intelligence, 59:51-92, 1993.
   7.Sichman J. & Y. Demazeau & º Boissier. When can Knowledge-Based Systems be called agents? In: IX Simpósio Brasileiro de IA. Rio de
     Janeiro, Brasil, 172-185, 1992.
 


.