Eigenroutines: modelo computacional para identificação de padrões comportamentais em pessoas com transtornos neuropsiquiátricos utilizando histórico de contextos

• Autor(a) principal: Büttenbender, Paulo César
• Data de Publicação: 2020
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Repositório Institucional da UNISINOS (RBDU Repositório Digital da Biblioteca da Unisinos)
• Texto Completo: http://www.repositorio.jesuita.org.br/handle/UNISINOS/9357
• topic: ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação; Computação ubíqua; Sensibilidade de contextos; Histórico de contextos; Análise de similaridade; Ubiquitous computing; Context-aware computing; Context history; Similarity analysis

Por muito tempo os transtornos neuropsiquiátricos foram negligenciados pelos órgãos de saúde pública, em grande parte devido a baixa mortalidade diretamente atribuída aos mesmos. O pouco interesse refletiu em baixo investimento em pesquisa e em práticas médicas, e como consequência transtornos neuropsiquiátricos estão hoje entre as doenças com maior impacto socioeconômico. Considerando que parte destes transtornos são passíveis de diagnóstico por alterações no comportamento rotineiro do paciente e que smartphones e wearables estão cada vez mais presentes na sociedade, é natural imaginar que o uso destes dispositivos possa auxiliar nos diagnósticos, nos tratamentos e num melhor entendimento destes transtornos e como eles afetam a população, através de perfis epidemiológicos. A computação ubíqua, mais precisamente na aplicação e uso de históricos de contextos é uma forma de aplicação de recursos computacionais que utiliza os sensores dos dispositivos móveis como fonte de dados sobre comportamento. Nesse modelo computacional o dispositivo constantemente captura informações de contexto, como acelerômetro, chamadas, mensagens, luminosidade e localização, para então formar uma série de contextos numa linha do tempo, como se fossem retratos de cada momento. Essa série de retratos podem identificar variações no comportamento, que como consequência, podem auxiliar no gerenciamento de transtornos neuropsiquiátricos, e quando utilizado em escala suficiente, poderia construir perfis epidemiológico dos transtornos gerenciados. Este trabalho propõe um modelo para identificação de padrões de comportamento em pessoas com transtornos neuropsiquiátricos baseado em históricos de contextos de forma que o acompanhamento de um indivíduo possa ser utilizado como base no tratamento de outros indivíduos, sendo que se utilizado em escala o modelo poderá ser capaz de montar perfis epidemiológicos dos transtornos em tratamento na plataforma. O modelo é baseado na premissa de que a disseminação e utilização em massa de dispositivos móveis criou uma oportunidade de utilizar estes dispositivos como ferramenta de identificação de comportamento, e que estes podem ser utilizados para suportar o gerenciamento dos transtornos neuropsiquiátricos. E que além do gerenciamento de apenas um indivíduo, tal abordagem permitiria: (1) comparar e adaptar o tratamento de um indivíduo com sintomas semelhantes em outro indivíduo em tratamento, e (2) construir perfis epidemiológicos dos transtornos mentais utilizando as informações sóciodemográficas e de tratamento existentes na plataforma. Este trabalho apresenta o modelo, a arquitetura, um protótipo e avaliação do modelo, bem como estuda os limites e necessidades de utilização em larga escala para que os perfis possam ser construídos. As principais contribuições são: (1) o auxílio ao diagnóstico baseado em julgamento clínico utilizando históricos de contexto de indivíduos em fase final de tratamento e indivíduos na fase inicial como forma de sugestão de caminho ao profissional de saúde, (2) a inclusão do profissional de saúde mental como agente chave na definição de intervenções e da opinião clínica como parte da escolha de algoritmos adaptativos para diagnóstico, e (3) a construção de perfis epidemiológicos psiquiátricos utilizando o histórico de contextos e diagnósticos dos profissionais.