Consultoria

Revista Informédica, 1(6), 13, 1994


Ultimamente ouvi falar muito a respeito de redes neurais artificiais. Entretanto não tenho uma noção clara sobre seu funcionamento e objetivo. O que são, e como poderiam ser utilizadas em aplicações médicas ? (Mario Maccari Filho, Campinas, SP).
As redes neurais artificiais representam um novo paradigma metodológico no campo da Inteligência Artificial, ou seja, no desenvolvimento de sistemas computacionais capazes de imitar tarefas intelectuais complexas, tais como a resolução de problemas, o reconhecimento e classificação de padrões, os processos indutivos e dedutivos, etc. Ao contrário dos sistemas heurísticos, assim chamados porque procuram obter sistemas inteligentes baseados em lógica e em processamento simbólico (por exemplo, os sistemas especialistas); as redes neurais artificiais se inspiram em um modelo biológico para a inteligência, isto é, na maneira como o cérebro é organizado em sua arquitetura elementar, e em como a mesma é capaz de executar tarefas computacionais. Da mesma maneira que no cérebro, as redes neurais artificiais são organizadas na forma de um número de elementos individuais simples (os neurônios), que se interconectam uns aos outros, formando redes capazes de armazenar e transmitir informação provinda do exterior. Outra capacidade importante das redes neurais artificiais é a auto-organização, ou seja, através de um processo de aprendizado, é possível alterar-se os padrões de interconexão entre seus elementos. Por este motivo, as redes neurais artificiais são um tipo de sistema conexionista, no qual as propriedades computacionais são resultado dos padrões de interconexão da rede.

Modelo de um neuronio artificial


Num dos modelos mais simples de redes neurais artificiais, os neurodos (elementos de processamento) recebem influências (entradas) vindas do exterior, ou de outros elementos da rede. Cada entrada corresponde a um valor numérico variável, normalmente limitado entre -1 e +1. Cada conexão, por sua vez, equivalente à sinapse biológica, tem um valor numérico fixo, que pode ser negativo, zero ou positivo. O neurodo efetua a seguinte operação computacional: cada entrada é multiplicada pelo peso da sinapse correspondente, e todos os valores ponderados assim obtidos são somados algebricamente. Caso o valor resultante exceda um limiar, o neurodo produz um valor de saída (novamente, um número entre -1 e +1), que é então enviado a todos os neurodos aos quais ele está conectado).


Arquitetura de um perceptron de tres camadas


Existem diversas maneiras de se organizar uma rede (a topografia da rede neural). O perceptron multicamadas é um dos mais utilizados atualmente. Nele, os neurodos são organizados em camadas, em imitação ao que acontece nos sistemas sensoriais. Uma primeira camada recebe valores de entrada. Em um exemplo médico típico, esses valores poderiam corresponder a presença (1) e ausência de sintomas, intensidade de sinais (0, 1, 2, 3), medidas fisiológicas (por exemplo, glicemia, pressão arterial sistólica, etc.). O conjunto de sinais de entrada forma um padrão específico para um determinado caso ou paciente, por exemplo. O resultado do cômputo efetuado pelos neurodos de entrada é enviado aos neurodos de uma ou mais camadas intermediárias (também chamadas de camadas associativas), os quais, por sua vez, enviam seus sinais para os neurodos da camada de saída. Em nosso exemplo médico, esses neurodos poderiam corresponder, cada um, a distintos diagnósticos ou prognósticos; ou seja, à classificação desejada dos padrões de entrada.

No processo de aprendizado, os pesos sinápticos não ficam fixos, ou seja, eles são alterados gradativamente por alguma técnica matemática, de modo que ocorra uma classificação cada vez mais correta dos padrões de entrada (em outras palavras, sucessivos exemplos de padrões de entrada são apresentados à camada de entrada, e a rede se auto-ajusta de modo a otimizar a classificação dos mesmos). Existem dois modos de obter esse aprendizado:

Atualmente, a maioria das redes neurais artificiais é implementada na forma de um software, em computadores seqüenciais ou paralelos. Assim, a sua estrutura inerentemente hiper-paralela é imitada através de técnicas matemáticas, nas quais o conjunto de pesos sinápticos é armazenado em uma matriz multidimensional, e os neurodos são abstraídos na forma de equações matemáticas, simuladas numericamente no computador. Já existem, entretanto, circuitos integrados (chamados de neurochips), que implementam eletronicamente os neurodos e suas redes, em qualque configuração arbitrária.

Existem muitas aplicações para as redes neurais na Medicina. Além da aplicação na decisão médica (diagnóstico, prognóstico e terapia), como vimos no exemplo acima, elas podem ser utilizadas para reconhecimento de padrões em aplicações de sinais biológicos (ECG, EEG, etc.) e imagens médicas (tomografias, cintilografias, ecografias, etc.). Outra aplicação interessante consiste em utilizar redes neurais para controlar biopróteses neuromusculares ou órgãos artificiais; ou, ainda, para descobrir automaticamente relações significativas entre bancos de dados. A literatura registra mais de 800 trabalhos já publicados internacionalmente sobre o assunto. Se você quiser mais dados sobre esta área de aplicação, o Núcleo de Informática Biomédica da UNICAMP publicou uma bibliografia completa sobre o assunto.


Voltar HomePage Voltar ao Índice de Consultorias Enviar email p/o Editor
Copyright (c) 1995 Renato M.E. Sabbatini