Modelo para suporte à descoberta de conhecimento em base dedados (KDD): aplicação em estratégias de venda no mercado de medicina diagnóstica

• Autor(a) principal: Lucelia Pinto Branquinho
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/BUBD-A8SJWL
• topic: Ontologia; Regras de associacao; Medicina Diagnostica; KDD; Ciência da Informação; Ontologias (Recuperação da informação); Mineração de dados (Computação); Medicina Diagnóstico

A grande quantidade de dados acumulados nos bancos de dados informatizados das organizacoes pode esconder conhecimentos valiosos e uteis para a tomada de decisao. A mineracao de dados e uma das tecnicas adotadas para identificar estes padroes. A area da saude oferece inumeras possibilidades de aplicacoes destastecnicas devido a complexidades dos processos e o grande volume dearmazenamento de seus dados em uso pelos sistemas de informacao. Em um dominio especifico, um desafio dos processos de recuperacao da informacao e criar a relacao semantica entre os termos de um vocabulario especializado, gerando um modelo de representacao do conhecimento eficiente, atraves, por exemplo, de instrumentos como as ontologias. O objetivo deste trabalho e descrever uma proposta de uso de ontologias biomedicas de doencas e testes laboratoriais no processo de Knowledge Discovery in Database (KDD) para tornar mais efetiva a recuperacao da informacao sobre o comportamento de prescricao de testes laboratorios, no caso deste experimento,relacionados as hepatites virais. Associa-se a tecnica de organizacao deconhecimento e a de mineracao de dados contribuindo para a recuperacao da informacao e, consequentemente, para extracao do conhecimento. O modelo desenvolvido instancia uma ontologia de testes complementares das hepatites virais para generalizacao dos termos do conjunto para hierarquia de nivel mais alto na fase de pre-processamento, e posteriormente, classificar as regras deassociacao obtidas considerando a similaridade semantica entre o antecedente e consequente, ou seja, avaliar os testes complementares considerando a semelhanca entre as doencas. As ontologias de dominio sao utilizadas para representar conceitualmente os termos e introduz conhecimentos dos especialistas permitindo poda e classificacao dos padroes filtrando itens mais interessantes.Apos a validacao do modelo, foi criado um banco de dados com os pedidos de janeiro ate marco de 2015 que continham algum teste complementar diretamente relacionado ao diagnostico de hepatites virais. Os registros a serem minerados foram generalizados por uma aplicacao desenvolvida em Java com framework Jena e posteriormente, as regras de associacao obtidas foram classificadas utilizando omodelo calculo de similaridade de Tversky. Os resultados obtidos nos experimentos mostraram que com a generalizacao dos atributos, consolidacao de testes complementares relacionados, e, posteriormente, classificacao das regras, avaliando as caracteristicas relacionadas a doenca, seus sintomas e o local onde predominante atacam, utilizando ontologia e possivel reduzir o numero de padroes gerados e, portanto, recuperar informacoes mais relevantespara a tomada de decisao. A analise dos resultados obtidos possibilita aos gestores direcionar de forma mais efetiva acoes de divulgacao dos ciclos de venda de marketing e abordagem de vendas.