Integração de Dados Baseada em Ontologias e Raciocínio Automático: Estudo de Caso com Dados Públicos de Saúde

• Autor(a) principal: Fernandes, Roberta de Medeiros
• Data de Publicação: 2012
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/10973
• topic: ontologias; web semântica; banco de dados; epidemiologia

No Brasil atualmente, quantidades consideráveis de dados úteis à vigilância epidemiológica encontram-se armazenados nos bancos de dados dos diversos sistemas de informações em saúde criados pelo Ministério da Saúde. Esse dados, dispostos em fontes de dados isoladas e de sintaxes heterogêneas, muitas vezes não podem ser comparados, pois representações tabulares não possuem uma semântica explícita. Além disso, as ferramentas utilizadas para a integração dessas bases de dados, preocupam-se apenas em listar os casos em comum presentes nas duas bases de dados, deixando a análise e extração das informações úteis à epidemiologia, a cargo dos profissionais treinados na ferramenta. Com base nesse cenário, esse estudo propõe uma solução de integração de dados baseada em ontologias. Pretende-se, com os dados epidemiológicos integrados através de ontologias e empregados através de ferramentas oriundas dos padrões da Web Semântica (WS), minimizar a intervenção humana no processo de análise dos dados, provendo assim maior agilidade ao acesso de informações advindas das fontes de dados de saúde. Para ilustrar a utilidade e complexidade de tal solução foi construído um estudo de caso real de integração semântica dos dados através do emprego de múltiplas ontologias com informações sobre a Classificação Estatística Internacional de Doenças e Problemas Relacionados à Saúde (CID-10), localização geográfica, doenças negligenciadas (Leishmaniose, Dengue, entre outras) e morbidade - com as fontes de dados do Ministério da Saúde (MS) citadas de forma a explorar os dados no contexto epidemiológico. Através dessa abordagem, em comparação a consultas relacionais em bancos de dados isolados, é ilustrado o enriquecimento das consultas complexas aos dados de saúde com a integração de conhecimento de diferentes naturezas (geográfico e de doenças) e utilizando raciocínio automático não-trivial.