Métodos de Tomada de Decisão

Como esta aula se encaixa

Mapa do Dia

Combinado sobre o conteúdo

• Toda fórmula será lida em português antes de ser usada
• Todo código em R é demonstração — vocês não precisam saber programar para acompanhar
• O que importa é: o que o método faz, quando usar e como interpretar o resultado
• Perguntem na hora.

Retomando: os ambientes de decisão

As três teorias da decisão — e por que isso importa

O ponto que mais gera erro: processo ≠ resultado

• Uma decisão correta pode ter desfecho ruim por azar
• Uma decisão mal informada pode ter desfecho bom por sorte
• Avaliamos o processo, não apenas o resultado

Decisão sob risco: a utilidade esperada

Quando conheço as probabilidades, posso calcular qual alternativa é melhor:

\[EU(A) = \sum_{i} P(O_i \mid A) \cdot U(O_i)\]

Lendo em português: a utilidade esperada de uma ação \(A\) é a soma, sobre todos os desfechos possíveis, do valor de cada desfecho multiplicado pela chance dele acontecer.

• \(U(O_i)\) — utilidade: quanto vale aquele desfecho, numa escala que nós definimos (ex.: 0 a 10)
• \(P(O_i \mid A)\) — a probabilidade daquele desfecho, dado que escolhemos \(A\)

Exemplo: cirurgia ou medicamento?

ue_cirurgico   <- 0.8 * 10 + 0.2 * 2
ue_medicamento <- 1.0 * 7

cat(sprintf("UE Cirurgia:    %.2f\n", ue_cirurgico))
cat(sprintf("UE Medicamento: %.2f\n", ue_medicamento))
cat(ifelse(ue_cirurgico > ue_medicamento,
           "Escolha: Cirurgia", "Escolha: Medicamento"))

#> UE Cirurgia:    8.40
#> UE Medicamento: 7.00
#> Escolha: Cirurgia

A utilidade não é neutra

• Os valores de \(U\) são escolhas — refletem preferências, valores e contexto
• Mudar a utilidade muda a decisão

• É exatamente aqui que entram a sabedoria (o W do DIKW) e o valor do paciente da MBE
• O modelo não decide — ele torna explícito o que está sendo decidido e com base em quê

Exercício 1 — Internar ou observar?

ue_internar <- 0.95*10 + 0.05*3
ue_observar <- 0.80*10 + 0.20*4

cat(sprintf("UE Internar: %.2f\nUE Observar: %.2f\n", ue_internar, ue_observar))
cat(ifelse(ue_internar > ue_observar,
           "Conduta prescritiva: Internar",
           "Conduta prescritiva: Observar em casa"))

#> UE Internar: 9.65
#> UE Observar: 8.80
#> Conduta prescritiva: Internar

Do cálculo ao sistema: dois tipos de SAD

Probabilidade: conceitos básicos

• Probabilidade mede o quanto acreditamos que um evento vai ocorrer
• Notação: \(P(A)\), sempre entre 0 e 1
• \(P(A) = 0\): impossível · \(P(A) = 1\): certo
• Complementar: \(P(\bar{A}) = 1 - P(A)\)

• Probabilidade não é só frequência histórica — pode expressar o grau de crença de um especialista

Probabilidade condicional

\[P(A \mid B) = \frac{P(A \cap B)}{P(B)}\]

Lendo em português: a probabilidade de \(A\) dado que \(B\) já aconteceu.

• A barra \(\mid\) significa “dado que” — não é divisão
• Condicionar em \(B\) é estreitar o mundo: só os casos em que \(B\) é verdade
• Exemplo: \(P(\text{doença} \mid \text{teste} +)\) — chance de ter a doença entre os positivos

Independência e comorbidades

• Se \(A\) e \(B\) são independentes: \(P(A \cap B) = P(A) \times P(B)\)
• Ou seja: saber de um não muda nada sobre o outro

• Multiplicar probabilidades de condições associadas subestima a chance real de coexistência
• Essa estrutura de dependência é exatamente o que as redes bayesianas vão representar à tarde

Teorema de Bayes

\[P(D \mid +) = \frac{P(+ \mid D) \cdot P(D)}{P(+)}\]

Sensibilidade, especificidade e valores preditivos

O jeito mais fácil de entender Bayes: contar pessoas

O mesmo cálculo com a fórmula

vpp_vpn <- function(prev, sens, espec) {
  p_pos <- sens * prev + (1 - espec) * (1 - prev)   # regra da probabilidade total
  c(VPP = 100 * (sens * prev) / p_pos,
    VPN = 100 * (espec * (1 - prev)) / (1 - p_pos))
}

round(rbind(`Rastreamento (prev. 1%)`   = vpp_vpn(0.01, 0.95, 0.90),
            `Clínica espec. (prev. 30%)` = vpp_vpn(0.30, 0.95, 0.90)), 1)

#>                             VPP  VPN
#> Rastreamento (prev. 1%)     8.8 99.9
#> Clínica espec. (prev. 30%) 80.3 97.7

Visualizando o efeito da prevalência

library(ggplot2)
library(scales)

prev_seq <- seq(0.001, 0.50, by = 0.001)
sens <- 0.95; espec <- 0.90
vpp_seq <- (sens * prev_seq) / (sens * prev_seq + (1 - espec) * (1 - prev_seq))
df_vpp  <- data.frame(prevalencia = prev_seq, vpp = vpp_seq)

ggplot(df_vpp, aes(x = prevalencia, y = vpp)) +
  geom_line(color = "#7ecff7", linewidth = 1.3) +
  geom_vline(xintercept = 0.01, color = "#f07050", linetype = "dashed") +
  geom_vline(xintercept = 0.30, color = "#a8f77e", linetype = "dashed") +
  annotate("text", x = 0.01, y = 0.15, label = "1%\n(rastreamento)",
           color = "#f07050", size = 3.5, hjust = -0.1) +
  annotate("text", x = 0.30, y = 0.50, label = "30%\n(clínica especializada)",
           color = "#a8f77e", size = 3.5, hjust = -0.05) +
  scale_x_continuous(labels = percent_format()) +
  scale_y_continuous(labels = percent_format()) +
  labs(title = "Valor Preditivo Positivo em função da prevalência",
       subtitle = "Sensibilidade = 95%, Especificidade = 90%",
       x = "Prevalência da doença", y = "VPP") +
  theme_minimal(base_size = 13)

Atualização sequencial: cada exame é um novo Bayes

• A probabilidade a posteriori de um exame vira a a priori do próximo

\[P(D \mid +_A, +_B) \;\propto\; P(+_B \mid D) \cdot \underbrace{P(D \mid +_A)}_{\text{nova priori}}\]

• Exemplo: paciente com fatores de risco (priori já alta) → ECG alterado (sobe) → troponina elevada (sobe muito)
• É exatamente isso que o raciocínio clínico faz de forma intuitiva
• E é exatamente isso que uma rede bayesiana faz de forma automática e explícita

Exercício 3 — Sepse na UTI

Exercício 3 — A solução

sens <- 0.85; espec <- 0.80; prev <- 0.25

p_pos <- sens * prev + (1 - espec) * (1 - prev)
p_neg <- (1 - sens) * prev + espec * (1 - prev)

cat(sprintf("VPP: %.1f%%\nVPN: %.1f%%\n",
            100 * (sens * prev) / p_pos, 100 * (espec * (1 - prev)) / p_neg))

#> VPP: 58.6%
#> VPN: 94.1%

O que é Lógica?

• Lógica é o estudo das formas corretas de raciocínio e inferência
• Permite derivar conclusões válidas a partir de premissas dadas
• Em computação e IA, fornece a linguagem para representar e manipular conhecimento

Os quatro tipos que nos interessam

Proposições e valores de verdade

• Uma proposição (\(p\), \(q\), …) é uma sentença declarativa que pode ser verdadeira (V) ou falsa (F)
• Não é pergunta, ordem ou exclamação

Conectivos lógicos

Sejam \(p\) e \(q\) proposições.

Tabelas-verdade: negação e conjunção

Tabelas-verdade: disjunção e condicional

Todos os conectivos numa tabela só

Os mesmos conectivos em R

Regras lógicas em ação: os dados

# Dados simulados de 5 pacientes
febre       <- c(TRUE, TRUE, FALSE, TRUE, FALSE)
taquicardia <- c(TRUE, FALSE, TRUE, TRUE, FALSE)
dispneia    <- c(FALSE, TRUE, FALSE, TRUE, FALSE)

# Conjunção: dois critérios SIRS ao mesmo tempo
cat("Alerta SIRS (febre E taquicardia):\n")
print(febre & taquicardia)

#> Alerta SIRS (febre E taquicardia):
#> [1]  TRUE FALSE FALSE  TRUE FALSE

Regras lógicas em ação: combinando critérios

# Disjunção: qualquer critério respiratório
cat("taquicardia OU dispneia:\n");  print(taquicardia | dispneia)

# Combinação: febre E (taquicardia OU dispneia)
cat("febre E (taquic. OU dispneia):\n");  print(febre & (taquicardia | dispneia))

#> taquicardia OU dispneia:
#> [1]  TRUE  TRUE  TRUE  TRUE FALSE
#> febre E (taquic. OU dispneia):
#> [1]  TRUE  TRUE FALSE  TRUE FALSE

Inferência: Modus Ponens e Modus Tollens

Lógica de predicados: falando de grupos

• Estende a lógica proposicional com variáveis e quantificadores
• Para todo (\(\forall\)): \(\forall x \; [\text{Diabético}(x) \rightarrow \text{MonitorarGlicemia}(x)]\) → “Todo paciente diabético deve ter a glicemia monitorada”
• Existe ao menos um (\(\exists\)): \(\exists x \; [\text{Internado}(x) \wedge \text{Febre}(x)]\) → “Existe ao menos um paciente internado com febre”

Sistemas especialistas: arquitetura

Fatores de certeza: quando a regra não é 100%

• A lógica clássica é binária, mas na clínica as evidências têm graus de confiança
• Shortliffe & Buchanan (MYCIN, 1975) introduziram os fatores de certeza (CF)
• CF varia de \(-1\) (certamente falso) a \(+1\) (certamente verdadeiro), com \(0\) neutro
• Combinação: se CF(\(p\)) \(= 0{,}7\) e CF(\(q\)) \(= 0{,}6\), então
  • CF(\(p \wedge q\)) \(= \min(0{,}7;\, 0{,}6) = 0{,}6\)
  • CF(\(p \vee q\)) \(= \max(0{,}7;\, 0{,}6) = 0{,}7\)

As limitações da lógica clássica em saúde

• Tudo é V ou F — não há meio-termo
• “Febre alta” é verdadeiro ou falso? Depende do limiar — 37,9°C não é febre, mas 38,0°C é?
• Não modela gradações: “dor leve”, “pressão levemente elevada”
• Regras são rígidas: um valor fora do limiar invalida a regra inteira
• Não lida bem com dados ruidosos — comuns em ambiente clínico real

Exercício 4 — Motor de inferência na prática

classificar_desidratacao <- function(turgor, olhos, mucosas) {
  n_sinais <- as.integer(turgor) + as.integer(olhos) + as.integer(mucosas)
  ifelse(n_sinais == 3, "GRAVE",
  ifelse(n_sinais >= 1, "Leve", "Sem desidratação"))
}

dados <- data.frame(
  turgor  = c(TRUE,  TRUE,  FALSE, FALSE),
  olhos   = c(TRUE,  TRUE,  FALSE, TRUE),
  mucosas = c(TRUE,  FALSE, FALSE, FALSE)
)
dados$classificacao <- classificar_desidratacao(dados$turgor, dados$olhos, dados$mucosas)
print(dados)

#>   turgor olhos mucosas    classificacao
#> 1   TRUE  TRUE    TRUE            GRAVE
#> 2   TRUE  TRUE   FALSE             Leve
#> 3  FALSE FALSE   FALSE Sem desidratação
#> 4  FALSE  TRUE   FALSE             Leve

O problema do limiar

• “O paciente está com febre alta” — o que é alto? Acima de 38? De 39? De 40?
• “Pressão elevada” — 135 mmHg é elevada? E 139? E 141?
• “Dor moderada” — como quantificar?
• “Idoso” — 60 anos é idoso? 65? 70?

Conjunto crisp × conjunto fuzzy

Conjunto fuzzy e grau de pertinência

Um conjunto fuzzy \(A\) atribui a cada elemento \(x\) um número entre 0 e 1:

\[\mu_A(x) \in [0, 1]\]

Lendo em português: \(\mu_A(x)\) é o quanto \(x\) pertence ao conjunto \(A\).

• \(\mu_A(x) = 0\): não pertence
• \(\mu_A(x) = 1\): pertence totalmente
• \(\mu_A(x) = 0{,}6\): pertence em grau 0,6

Pertinência não é probabilidade

• Probabilidade pergunta: qual a chance de ser verdade? — há um fato desconhecido
• Pertinência pergunta: em que medida a descrição se aplica? — não há fato desconhecido; sei que a temperatura é 39,2
• Consequência: os graus não precisam somar 1

Funções de pertinência: as formas mais usadas

library(ggplot2)

x <- seq(35, 42, by = 0.05)
tri   <- pmax(0, pmin((x - 37.5)/1, (39.5 - x)/1))          # triangular
trap  <- pmax(0, pmin((x - 38.5)/1, 1, (42 - x)/0.5))       # trapezoidal
gauss <- exp(-0.5 * ((x - 36.8)/0.4)^2)                     # gaussiana

df <- data.frame(
  x = rep(x, 3), mu = c(tri, trap, gauss),
  tipo = rep(c("Triangular — Febre Moderada",
               "Trapezoidal — Febre Alta",
               "Gaussiana — Temperatura Normal"), each = length(x))
)

ggplot(df, aes(x = x, y = mu, color = tipo)) +
  geom_line(linewidth = 1.3) +
  scale_color_manual(values = c("#7ecff7", "#f07050", "#a8f77e")) +
  labs(title = "Funções de pertinência para temperatura corporal",
       x = "Temperatura (°C)", y = "Grau de pertinência μ(x)", color = "") +
  theme_minimal(base_size = 13) + theme(legend.position = "bottom")

Variáveis linguísticas: matemática que fala como médico

• Uma variável linguística tem como valores palavras, não números
• Cada palavra é representada por um conjunto fuzzy

• O especialista clínico define o sistema na própria linguagem dele
• Quem constrói o sistema converte cada palavra numa função de pertinência

Exemplo: a escala de dor é naturalmente fuzzy

library(ggplot2)

dor <- seq(0, 10, by = 0.05)
mu_leve    <- pmax(0, pmin(1, (3 - dor)/2))
mu_mod     <- pmax(0, pmin((dor - 1)/2, (6 - dor)/2, 1))
mu_intensa <- pmax(0, pmin((dor - 4)/2, (9 - dor)/2, 1))
mu_insup   <- pmax(0, pmin((dor - 7)/2, 1))

df <- data.frame(
  x = rep(dor, 4), mu = c(mu_leve, mu_mod, mu_intensa, mu_insup),
  cat = rep(c("Leve","Moderada","Intensa","Insuportável"), each = length(dor))
)
df$cat <- factor(df$cat, levels = c("Leve","Moderada","Intensa","Insuportável"))

ggplot(df, aes(x = x, y = mu, color = cat)) +
  geom_line(linewidth = 1.3) +
  geom_vline(xintercept = 5, linetype = "dashed", color = "#aaa") +
  scale_color_manual(values = c("#a8f77e","#7ecff7","#f7c87e","#f07050")) +
  labs(title = "Escala Visual Analógica de dor (0–10)",
       x = "Intensidade referida pelo paciente", y = "Grau de pertinência μ(x)",
       color = "Categoria") +
  theme_minimal(base_size = 13)

Operações: E, OU e NÃO no mundo fuzzy

Regras fuzzy: SE-ENTÃO com graus

• Mesma forma das regras clássicas: SE <condição> ENTÃO <conclusão>
• A diferença: condição e conclusão têm grau, não V/F

Base de regras para triagem de dor:

Percurso completo — Etapa 1: fuzzificação

temp <- 39.5; spo2 <- 91.0

# o `1` dentro do pmin garante que nenhum grau ultrapasse 1
mu_t_febre <- pmax(0, pmin((temp - 37.5)/1, (40.5 - temp)/1, 1))
mu_t_alta  <- pmax(0, pmin((temp - 39.0)/0.8, 1))
mu_s_leve  <- pmax(0, pmin((spo2 - 89)/2, (96 - spo2)/2, 1))
mu_s_grave <- pmax(0, pmin((92 - spo2)/2, 1))

cat(sprintf("μ(febre)=%.2f  μ(febre alta)=%.2f\n", mu_t_febre, mu_t_alta))
cat(sprintf("μ(hipox. leve)=%.2f  μ(hipox. grave)=%.2f\n", mu_s_leve, mu_s_grave))

#> μ(febre)=1.00  μ(febre alta)=0.62
#> μ(hipox. leve)=1.00  μ(hipox. grave)=0.50

Percurso completo — Etapas 2 a 4: regras e escore

# 2. REGRAS — o "E" é o mínimo
R2 <- min(mu_t_febre, mu_s_leve)    # moderada
R3 <- min(mu_t_alta,  mu_s_leve)    # alta
R4 <- min(mu_t_febre, mu_s_grave)   # crítica

# 3-4. AGREGAÇÃO E DEFUZZIFICAÇÃO — média ponderada dos centros
centros <- c(moderada = 4.0, alta = 7.0, critica = 9.5)
escore  <- sum(centros * c(R2, R3, R4)) / sum(c(R2, R3, R4))

cat(sprintf("Ativação: R2=%.3f  R3=%.3f  R4=%.3f\n", R2, R3, R4))
cat(sprintf("Escore: %.2f / 10  ->  LARANJA (urgente)\n", escore))

#> Ativação: R2=1.000  R3=0.625  R4=0.500
#> Escore: 6.18 / 10  ->  LARANJA (urgente)

Por que isso importa: a superfície de decisão

library(ggplot2)

temp_grid <- seq(36.5, 41, by = 0.2)
spo2_grid <- seq(88, 100, by = 0.5)
grade <- expand.grid(temp = temp_grid, spo2 = spo2_grid)

calcular_urgencia <- function(t, s) {
  mu_tf <- pmax(0, pmin((t - 37.5)/1, 1));  mu_ta <- pmax(0, pmin((t - 39.0)/0.8, 1))
  mu_sn <- pmax(0, pmin((s - 94)/2, 1));    mu_sl <- pmax(0, pmin((s - 89)/2, (96 - s)/2, 1))
  mu_sg <- pmax(0, pmin((92 - s)/2, 1))

  ativacao <- c(min(1 - mu_tf, mu_sn),   # baixa
                min(mu_tf, mu_sl),       # moderada
                min(mu_ta, mu_sl),       # alta
                min(mu_tf, mu_sg),       # crítica
                min(mu_ta, mu_sg))       # emergência
  centros  <- c(1.5, 4.0, 7.0, 8.5, 9.5)

  if (sum(ativacao) == 0) return(1)
  sum(centros * ativacao) / sum(ativacao)   # mesma média ponderada de antes
}

grade$urgencia <- mapply(calcular_urgencia, grade$temp, grade$spo2)

ggplot(grade, aes(x = temp, y = spo2, fill = urgencia)) +
  geom_tile() +
  scale_fill_gradient2(low = "#a8f77e", mid = "#f7c87e", high = "#f07050",
                       midpoint = 5, limits = c(0, 10), name = "Urgência") +
  labs(title = "Superfície de urgência — sistema de triagem fuzzy",
       subtitle = "Verde: baixa urgência | Vermelho: emergência",
       x = "Temperatura (°C)", y = "SpO₂ (%)") +
  theme_minimal(base_size = 13)

Exercício 5 — Clássico contra fuzzy, lado a lado

Exercício 5 — A solução

idade <- 68; fe <- 36; intern <- 2

risco_a <- (idade > 70) & (fe < 35) & (intern > 2)
cat(sprintf("Sistema A (clássico): %s\n\n", ifelse(risco_a, "RISCO ALTO", "risco baixo")))

mu_idoso <- pmax(0, pmin((idade - 60)/15, 1))
mu_fe    <- pmax(0, pmin((40 - fe)/10, 1))
mu_int   <- pmax(0, pmin((intern - 1)/3, 1))

cat("Sistema B (fuzzy):\n")
cat(sprintf("  μ(idoso):             %.2f\n", mu_idoso))
cat(sprintf("  μ(FE muito reduzida): %.2f\n", mu_fe))
cat(sprintf("  μ(múltiplas intern.): %.2f\n", mu_int))
cat(sprintf("  Grau de risco (mín):  %.2f\n", min(mu_idoso, mu_fe, mu_int)))

#> Sistema A (clássico): risco baixo
#> 
#> Sistema B (fuzzy):
#>   μ(idoso):             0.53
#>   μ(FE muito reduzida): 0.40
#>   μ(múltiplas intern.): 0.33
#>   Grau de risco (mín):  0.33

Lógica fuzzy na prática: onde ela já está

• Dosagem de medicamentos: bombas de insulina, sedação em UTI, heparina — combinando vários parâmetros fisiológicos
• Monitores multiparamétricos: índices de deterioração clínica que combinam sinais com graus de alarme
• Imagem médica: sistemas de auxílio que devolvem grau de suspeição, não “positivo/negativo”
• Protocolos de triagem: versões fuzzy do Manchester e do ESI, sem os paradoxos de limiar

O problema: Bayes com muitas variáveis

• De manhã: uma doença, um teste → conta simples
• Na prática: fatores de risco, vários sintomas, vários exames, vários diagnósticos possíveis
• Se todas as variáveis dependessem de todas, o número de números a estimar explode

• A solução: dizer explicitamente quem depende de quem — e só isso precisa ser estimado
• Esse desenho de dependências é uma rede bayesiana

O que é uma rede bayesiana? Duas peças

Exemplo-guia: triagem de dor torácica

• FR → D: fatores de risco cardiovascular aumentam a chance de síndrome coronariana aguda
• D → ECG e D → Tn: a doença altera ambos os exames
• Os dois exames não se ligam diretamente — o que eles têm em comum é a doença

As tabelas do exemplo

Por que o desenho economiza tanto

\[P(FR, D, ECG, Tn) = P(FR)\cdot P(D \mid FR)\cdot P(ECG \mid D)\cdot P(Tn \mid D)\]

Lendo em português: para saber a chance de qualquer combinação, basta multiplicar, para cada variável, a chance dela dado os seus pais.

• Sem a estrutura: tabela de \(2^4 = 16\) combinações → 15 números a estimar
• Com a estrutura: \(2 + 2 + 2 + 2 =\) 8 números
• Com 4 variáveis a economia é modesta; com 20 variáveis, é a diferença entre possível e impossível

Lendo o grafo: as três conexões

• Serial e divergente: conhecer o nó do meio desliga a associação entre as pontas
• Convergente: conhecer o nó de baixo liga duas variáveis que eram independentes

Inferência: montando a conta

# As tabelas da rede, em código
p_FR     <- 0.30
p_D_dado <- c(sim = 0.35, nao = 0.05)   # P(D=sim | FR)
p_ECG    <- c(sim = 0.75, nao = 0.10)   # P(ECG=+ | D)
p_Tn     <- c(sim = 0.85, nao = 0.06)   # P(Tn=+  | D)

# Probabilidade da doença ANTES de qualquer exame
p_D <- p_FR * p_D_dado["sim"] + (1 - p_FR) * p_D_dado["nao"]

cat(sprintf("P(SCA) antes dos exames: %.1f%%\n", p_D * 100))

#> P(SCA) antes dos exames: 14.0%

Inferência: a crença sendo atualizada

num1 <- p_D * p_ECG["sim"]                                   # ECG +
p_D_ecg <- num1 / (num1 + (1 - p_D) * p_ECG["nao"])

num2 <- p_D * p_ECG["sim"] * p_Tn["sim"]                     # ECG + e Tn +
p_D_ecg_tn <- num2 / (num2 + (1 - p_D) * p_ECG["nao"] * p_Tn["nao"])

cat(sprintf("Antes dos exames:     %.1f%%\n", p_D * 100))
cat(sprintf("Com ECG alterado:     %.1f%%\n", p_D_ecg * 100))
cat(sprintf("Com ECG + troponina:  %.1f%%\n", p_D_ecg_tn * 100))

#> Antes dos exames:     14.0%
#> Com ECG alterado:     55.0%
#> Com ECG + troponina:  94.5%

Um caso particular famoso: Naïve Bayes

• Estrutura em estrela: o diagnóstico é pai de todos os sintomas e exames
• Suposição ingênua: dado o diagnóstico, os sintomas são independentes entre si
• Quase nunca é verdade — mas prevê bem e torna o nº de parâmetros linear

Panorama: o que existe além disso

Cautela essencial: seta não é causa

• Uma seta \(X \rightarrow Y\) codifica dependência estatística, não necessariamente causalidade
• Interpretar setas como causa exige suposições adicionais e fortes
• Os algoritmos que aprendem estrutura não garantem causalidade — só encontram grafos compatíveis com as associações observadas

Onde as redes bayesianas ajudam na saúde

• Diagnóstico diferencial: várias hipóteses atualizadas simultaneamente conforme sintomas e exames chegam
• Predição de desfechos: readmissão, mortalidade, complicações
• Prontuário eletrônico: tolerância nativa a dados faltantes — a rede não quebra com campos vazios
• Combinar dados com opinião de especialista: útil quando a amostra é pequena, situação comum em doenças raras

Quem escreve a regra?

O trajeto do dado à decisão

• O modelo — qualquer modelo — é apenas uma etapa do trajeto
• A Aprendizagem de Máquina ocupa a caixa “Modelo”, não o trajeto inteiro
• A última caixa, a sabedoria, continua humana

Três pontes concretas com o que vocês já viram

E as métricas que vocês viram em ML?

• Sensibilidade e especificidade já estavam aqui, no Bloco 2 — são as mesmas de sempre
• A curva ROC é o desempenho do modelo variando o ponto de corte
• VPP e VPN dependem da prevalência — logo, um modelo validado numa população pode ter desempenho preditivo muito diferente em outra

Interpretabilidade e responsabilidade

• “Quem responde se o algoritmo recomendar errado e o paciente piorar?”
• Legalmente, o sistema é apoio — a decisão (e a caneta) continuam sendo do profissional
• Modelos explicáveis — regras, sistemas fuzzy, redes bayesianas — permitem justificar o porquê da recomendação
• Modelos de alto desempenho podem ser caixas-pretas: acertam mais e explicam menos

Referências (1/2)

Decisão e Sistemas de Apoio à Decisão

• SAUTER, V. L. Decision Support Systems for Business Intelligence. 2. ed. Wiley, 2010.
• BEKMAN, O. R. Análise Estatística da Decisão. 2. ed. São Paulo: Blucher, 2009.
• SIMON, H. A. Administrative Behavior. 4. ed. Free Press, 1997.

Lógica clássica e sistemas especialistas

• GENESERETH, M.; NILSSON, N. Logical Foundations of Artificial Intelligence. Morgan Kaufmann, 1987.
• SHORTLIFFE, E. H.; BUCHANAN, B. G. A model of inexact reasoning in medicine. Mathematical Biosciences, v. 23, 1975.

Referências (2/2)

Lógica fuzzy

• ZADEH, L. A. Fuzzy sets. Information and Control, 8(3), 1965.
• NGUYEN, H. T.; WALKER, E. A. A First Course in Fuzzy Logic. CRC Press, 2019.
• KLIR, G. J.; YUAN, B. Fuzzy Sets and Fuzzy Logic. Prentice Hall, 1995.

Redes bayesianas

• ARA, A. Redes Bayesianas e Aplicações. Handouts #01–#04. UFPR, 2021.
• SCUTARI, M.; DENIS, J.-B. Bayesian Networks: With Examples in R. CRC Press, 2022.
• PEARL, J. Probabilistic Reasoning in Intelligent Systems. Morgan Kaufmann, 1988.