@MASTERSTHESIS{ 2021:1990814858,
 	title = {Protocolo de classificação com inteligência artificial de pacientes com quadro de AVC agudo no contexto da emergência},
 	year = {2021},
 	url = "http://tede.bc.uepb.edu.br/jspui/handle/tede/4362",
 	abstract = "Contexto: Dentre os agravos de saúde que acometem a população, o Acidente Vascular Cerebral (AVC) é um dos mais graves, pois trata-se de moléstia com significativa mortalidade e morbidade. O pronto reconhecimento e tratamento dessa doença são necessários para reduzir os impactos na saúde do indivíduo acometido. Para isso é necessária a realização de exames de imagem e a interpretação imediata por profissionais capacitados para este fim que nem sempre estão presentes nas unidades de saúde. Com o advento da tecnologia de Inteligência Artificial (IA) surgiram novas ferramentas de apoio computacional ao diagnóstico médico (computer aidede diagnosis – CAD) que possibilitam agilidade e melhora da performance nessa tarefa. Objetivo: o presente trabalho tem por objetivo apresentar e validar uma ferramenta de classificação de pacientes com quadro de Acidente Vascular Cerebral utilizando uma solução baseada em Inteligência Artificial denominada SDAC-AVC. Essa ferramenta consiste em dois classificadores: um baseado nos achados clínicos (semântico) e outro baseado nas características das imagens (Rede Neural Convolucional- RNC). Método: foram avaliados 100 casos de pacientes acometidos por Acidente Vascular Cerebral, sendo 67 casos do tipo isquêmico e 33 casos do tipo hemorrágico, todos submetidos a avaliação clínica e exame de Tomografia Computadorizada de Crânio. Os exames foram avaliados pelo especialista e submetidos a classificação pela ferramenta de IA quanto ao tipo de lesão presente, se AVC isquêmico ou AVC hemorrágico, sendo então avaliadas as métricas de qualidade Sensibilidade, Especificidade, Acurácia, Valor Preditivo Positivo (VPP) e Valor Preditivo Negativo (VPN). Resultados: os resultados encontrados para o classificador semântico na classificação de lesões de natureza isquêmica foram sensibilidade 0,58, especificidade 0,54, acurácia 0,57, VPP 0,12 e VPN 0,92. Para lesões de natureza hemorrágica os valores encontrados foram sensibilidade 0,54, especificidade 0,58, acurácia 0,57, VPP 0,12 e VPN 0,92. Para o classificador RNC os valores encontrados para lesões de natureza isquêmica foram sensibilidade 0,91, especificidade 0,96, acurácia 0,93, VPP 0,28 e VPN 0,99. Para lesões de natureza hemorrágica os valores encontrados foram sensibilidade 0,96, especificidade 0,91, acurácia 0,93, VPP 0,12 e VPN 0,99. Os resultados foram comparados aos de outras ferramentas já existentes e disponíveis no mercado, obtendo desempenho semelhante. Conclusão: A ferramenta de IA baseada nos achados clínicos demonstrou um desempenho pouco satisfatório na classificação dos casos de AVC, não sendo aconselhável o seu uso. Por outro lado, a ferramenta baseada em RNC para classificação dos achados dos exames de imagem nos pacientes acometidos por AVC demonstrou um desempenho bastante satisfatório, sendo sua aplicação no contexto da Emergência uma opção para auxílio diagnóstico ao médico plantonista.",
 	publisher = {Universidade Estadual da Paraíba},
 	scholl = {Programa de Pós-Graduação Profissional em Ciência e Tecnologia em Saúde - PPGCTS},
 	note = {Pró-Reitoria de Pós-Graduação e Pesquisa - PRPGP}
}