Titulo Estágio
SApOS: uma ferramenta de apoio ao diagnóstico da síndrome da apneia obstrutiva do sono
Área Tecnológica
Sistemas Evol. e Comp.
Local do Estágio
DEI/CISUC
Enquadramento
A síndroma da apneia obstrutiva do sono (AOS) caracteriza-se por episódios repetidos de obstrução da faringe seja total (apneia) ou parcial (hypoapneia), durante o sono, levando à redução do nível de oxigénio no sangue (desnaturação de O2) e ao despertar durante o sono. A manifestação da doença em conjunto com a sua prevalência - dados recentes apontam par uma percentagem até 32.8% da população adulta - fazem da síndroma de AOS a perturbação do sono mais significativa do ponto de vista médico, sendo responsável por 70% das razões que levam os pacientes a uma clínica do sono. A previsão da AOS tem sido considerada ao longo do tempo como um aspecto importante na gestão da doença. Apesar de várias tentativas suportadas por técnicas distintas os resultados têm sido pouco animadores.
Temos por objectivo propor uma abordagem ao problema da transformação do conhecimento implícito, escondido, presente num conjunto da dados de vários pacientes com problemas de sono, num modelo preciso, compreensível e útil que suporte a decisão médica. A abordagem irá basear-se na construção automática de um modelo de decisão criado a partir de uma base de dados média real, facultada pelo Centro de Medicina do Sono (CMS) do Centro Hospitalar e Universitário de Coimbra.
Objetivo
O objectivo deste projecto é o de propor, implementar, testar e validar um protótipo computacional que auxilie o decisor clínico na tarefa de diagnóstico e eventual detecção precoce da apneia obstrutiva do sono(AOS).
A abordagem que nos propomos desenvolver será baseada em Algoritmos Evolucionários (AE), uma forma particular de computação inspirada na natureza (CIN). Os AE são métodos de procura global, estocásticos, inspirados nos princípios da selecção natural e na genética. São particularmente adequados para para problemas que, ou não têm solução analítica, ou cujo espaço de procura é de grande dimensão, e que, por isso, não podem ser resolvidos pelos métodos tradicionais. Quase todas os problemas médicos podem ser formulados como um problema de procura, embora muito complexa, envolvendo a busca do melhor modelo no espaço dos modelos possíveis. Isto resulta do facto de as bases de dados médicas, de que as da AOS são um exemplo, terem um número muito grande de casos, cada um com um considerável número de atributos. Para além disso, os dados podem estar afectados de ruído e os atributos interactuam de modo não linear. Finalmente, a fronteira entre as classes é nebulosa, sendo possível dois vizinhos corresponderem a diferentes classificações. Não é pois realista a construção de um modelo por recurso a métodos analíticos. Uma vantagem adicional da abordagem proposta, deriva do facto de o sistema poder providenciar mais do que uma solução que o decisor poderá escolher. Os EA são apropriados para a tarefa, embora seja necessário tomar algumas precauções. Primeiro, é preciso reduzir a dimensão do espaço de procura, através de uma apropriada limpeza e integração dos dados, e impondo uma limitação aos modelos candidatos, tudo isto sem prejudicar a precisão do modelo final. Segundo, a representação escolhida para a saída deve ser tal que contribua para a transparência do modelo. Terceiro, devem-se tomar precauções para evitar a convergência para um óptimo local, mantendo os modelos candidatos tão diversos quanto possível. Como desenvolvimentos posteriores deste trabalho, podem-se indicar a detecção precoce da AOS e a avaliação da conveniência de hibridizar a CIN com outras abordagens, nomeadamente as que permitem tratar a incerteza, e.g., sistemas vagos.
Plano de Trabalhos - Semestre 1
1. Introdução ao problema da síndrome da apneia obstrutiva do sono
2. Pesquisa bibliográfica
3. Familiarização com a base de dados
4. Definição da arquitectura do sistema
5. Escrita de Relatório
Plano de Trabalhos - Semestre 2
1. Preparação dos dados
2. Implementação e teste do modelo
3. Validação Experimental
4. Escrita da tese
Condições
O estágio decorrerá no DEI, Laboratório ECOSLab do grupo ECOS do CISUC. Será orientado por Ernesto Costa (DEI/ECOS). Envolverá ainda entanto interacções com médicos do Centro de Medicina do Sono (CMS) do Centro Hospitalar e Universitário de Coimbra.
Observações
O candidato deverá ter preferencialmente uma formação académica prévia em Aprendizagem Computacional (Machine Learning) e Computação Evolucionária. Deve ainda ter bons conhecimentos de programação, nomeadamente em Python.
Orientador
Ernesto Costa
ernesto@dei.uc.pt 📩