gerenciamento de texturas para aplicaÇÕes de … · assim o retardo da doença e em alguns casos...
TRANSCRIPT
Universidade Federal do Rio de Janeiro
Escola Politécnica
MBA em Governança, Projetos e Serviços de TI
(MGPS)
O uso da ferramenta Watson na definição dos protocolos
quimioterápicos
Autor:
_________________________________________________
Eliaquim Alves dos Santos
Orientador:
_________________________________________________
Prof. Edilberto Strauss, Ph.D.
Examinador(es):
_________________________________________________
Prof. Edilberto Strauss, Ph.D.
_________________________________________________
Prof. Flávio Luis de Mello, D. Sc.
_________________________________________________
Prof. Manoel Villas Boas Júnior, M. Sc.
MGPS
Agosto de 2017
ii
DEDICATÓRIA
Dedico este trabalho aos meus pais por todo esforço dedicado a minha educação,
a minha esposa que contribuiu de forma significativa para a realização desta pesquisa e
ao meu filho (a) que já é muito amado antes de chegar.
iii
AGRADECIMENTO
Gostaria de agradecer primeiramente a Deus, por me permitir contribuir de
alguma forma através deste artigo para os profissionais de tecnologia e para os
profissionais de saúde, bem como com os portadores da doença, que lutam
cotidianamente em busca da cura do câncer.
Dedico esta obra também a minha esposa que faz parte deste seleto grupo de
profissionais que dedicam suas vidas em promover em meio a este cenário patológico os
melhores momentos a seus pacientes.
iv
RESUMO
Este trabalho tem como objetivo, apresentar um estudo baseado na computação
cognitiva aplicada a definição de protócolos quimioterápicos para tratamento de
pacientes com câncer, objetivando um aprimoramento e melhor acertividade na
definição desses protocolos. O câncer é uma doença que vem crescendo nos últimos
anos em rítmo muito acelerado. Observa-se que pelo fato desta aceleração, muitos
individuos portadores desta doença, contam com o cognitivismo natural humano na
definição de seus protocolos. Isto pode interferir de forma negativa para a minimização
da doença e em alguns casos a possibilidade de cura.
Palavras-Chave: Computação Cognitiva; Câncer; Quimioterapia; IBM
v
ABSTRACT
This study aims to present a study based on cognitive computation applied to the
definition of chemotherapeutic protocols for the treatment of cancer patients, aiming at
an improvement and better accuracy in the definition of these protocols. Cancer is a
disease that has been growing in recent years in a very fast pace. It is observed that
because of this acceleration, many individuals with this disease rely on natural human
cognitivism in the definition of their protocols. This can interfere in a negative way to
minimize the disease and in some cases the possibility of cure.
Keywords: Cognitive Computing; Cancer; Chemotherapy; Watson; API
vi
SIGLAS
ADN – Ácido Desoxirribonucléico
API – Application Program Interface
BI – Business Intelligence
DataSUS – Departamento de Informática do Sistema Único de Saúde
IA – Inteligência Artificial
IBM – International Business Machines
INCA – Instituto Nacional de Câncer José Alencar Gomes da Silva
OMS – Organização Mundial da Saúde
Q’s e A’s – Question and Answer (Arquitetura de Perguntas e Respostas)
RCBP – Registros de Câncer de Base Populacional
RHC – Registros Hospitalares de Câncer
SGBD – Sistema Gerenciador de Banco de Dados
SIM – Sistema de Informação sobre Mortalidade
TNM – Sistema de Classificação dos Tumores Malignos
UFRJ – Universidade Federal do Rio de Janeiro
UICC – União Internacional Contra o Câncer
WATSON – FrameWork
vii
Sumário
Capítulo 1: Introdução .................................................................................................... 1
1.1 – Tema ......................................................................................................................... 1
1.2 – Delimitação ............................................................................................................... 1
1.3 – Justificativa ............................................................................................................... 2
1.4 – Objetivos ................................................................................................................... 3
1.5 – Metodologia .............................................................................................................. 3
1.6 – Descrição ................................................................................................................ 32
Capítulo 2: Embasamento Teórico ................................................................................ 5
2.1 – Revolução Industrial ................................................................................................. 5
2.2 – A Primeira Fase da Revolução Industrial - 1760 à 1860 .......................................... 6
2.3 – Segunda Fase da Revolução Industrial 1860 à 1900 ................................................ 7
2.4 – Terceira Fase da Revolução Industrial – Séculos XX e XXI ................................... 7
2.5 – Computação Cognitiva – Uma Nova Revolução ...................................................... 8
2.6 – O Framework Watson .............................................. Erro! Indicador não definido.
2.7 – A Plataforma Watson e suas API’s......................................................................... 17
2.8 – Watson Analitics .................................................................................................... 17
Capítulo 3: Contextualizando – Câncer e Quimioterapia ......................................... 21
3.1 – Situação do Câncer no Brasil ............................................................................... 217
3.2 – Câncer e seus tipos de tratamento........................................................................... 23
3.2.1 – Cirurgia ............................................................................................................. 26
3.2.2 – Radioterapia ...................................................................................................... 27
3.2.3 – Quimioterapia ................................................................................................... 28
3.2.3.1 – Mecanismos de ação e classificação das drogas antineoplásicas ............... 29
3.2.3.2 – Toxidade dos Quimioterápicos ................................................................... 30
Capítulo 4: Propostas Tecnológicas ............................................................................. 32
4.1 – Proposta 1 ............................................................................................................... 32
4.2 – Proposta 2 ............................................................................................................... 34
Capítulo 5: Resultados Esperados ............................................................................... 37
5.1 – Resultados Esperados.............................................................................................37
5.1.1 – Resultados Esperados - Oncologistas...............................................................37
5.1.2 – Resultados Esperados - Pacientes.....................................................................38
5.1.3 – Resultados Esperados - Instituição...................................................................39
Capítulo 6: Conclusão e Trabalhos Futuros ............................................................... 40
6.1 – Conclusão ............................................................................................................... 40
6.2 – Trabalhos Futuros ................................................................................................... 40
viii
Bibliografia ..................................................................................................................... 41
ix
Lista de Figuras
2.1 – Evolução da Técnologia da Informação. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 – Arquitetura Inteligência Artificial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.3 – Inteligência Artificial. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.4 – Arquitetura Computação Cognitiva. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.5 – Deep Q’s e A’s High-Level Architecture. . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.6 – API’s do Watson. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.7 – Cinco Tecnologias. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.8 – Watson Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2.9 – Arquitetura Watson Analytics. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.1 – Formação do Câncer. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
4.1 – Processo de Tomada de Decisão. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 – Proposta 1 e 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.3 – Proposta 3 e 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . 36
x
Lista de Tabelas
3.1 – Tipos de Câncer – Homens. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 – Tipo de Câncer – Mulheres. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
4.3 – Avaliação da Capacidade Funcional. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
5.4 – Resultados Esperados Oncologista. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.5 – Resultados Esperados Paciente. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.6 – Resultados Esperados Instituição. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
39
1
Capítulo 1
Introdução
1.1 – Tema
Nos últimos anos a necessidade humana por encontrar a cura para doenças que
desafiam a medicina tem sido bastante frequente. Com este enfoque, grandes
especialistas das áreas médicas entenderam que, com o avanço que a tecnologia vem
sofrendo nas últimas décadas, esta pode se configurar como uma grande parceira neste
trabalho cotidiano.
Entendendo a importância de subsidiar profissionais de saúde e da área de
tecnologia com conhecimentos sobre a computação cognitiva e sua influência na
definição de condutas para o tratamento do câncer, este trabalho tem como objetivo
mostrar como a computação cognitiva pode se tornar uma importante ferramenta para
os profissionais de saúde na definição de protocolos quimioterápicos para o cuidado de
individuos com câncer.
Como objeto de estudo tem-se a literatura científica recente sobre o assunto,
bem como materiais desenvolvidos pela própria empresa criadora da ferramenta e
referências de conceitos e definições importantes sobre câncer e quimioterapia. Espera-
se contribuir para a área de assistência de saúde uma vez que enumera as vantagens de
utilização da computação cognitiva no cotidiano do cuidado de pessoas com câncer
além de incentivar o desenvolvimento de novas pesquisas sobre a temática.
1.2 – Delimitação
Esta pesquisa foi desenvolvida a fim de proporcionar ao usuário a visão de uma
poderosa ferramenta de TI que faz uso de uma linguagem cognitiva e análises de dados
estruturados e não estruturados, podendo ser utilizada como uma parceira na definição
2
de protocolos quimioterápicos, para pacientes diagnosticados com algum tipo de câncer.
Uma vez diagnosticada a doença, o uso da ferramenta se dará para a melhor forma de
prognóstico, não descartando a análise do oncologista.
1.3 – Justificativa
O mundo está constantemente vivendo desenvolvimento tecnológico e junto
com este desenvolvimento nos deparamos com avanços em tipos de doenças que
desafiam a medicina e a mente humana.
Existem estudos de institutos especializados que apontam para um crescente
número de pessoas nos próximos anos que serão diagnosticadas com algum tipo de
doença crônica.
Quase todos os dias são publicadas matérias em jornais e revistas sobre doenças
em que não existam nenhum tipo de possibilidade de cura. Outras, que apesar de não ter
cura, já apresentam alguma forma de minimizar seus impactos e um possível convívio
com a doença. A partir disto, é possível observar que as pessoas possuem uma maior
preocupação com relação a sua saúde e como sua vida pode ser completamente
modificada após ser diagnósticada com uma doença desta natureza.
Os pacientes que são diagnosticados com este tipo de doença precisam começar
o mais rápido possível o seu tratamento e contar com o melhor diagnóstico. A
computação cognitiva pode contribuir para um definição mais acertiva, garantindo
assim o retardo da doença e em alguns casos o aumento de chance na cura.
Dentro da perspectiva aqui exposta, este estudo apresenta relevância tanto para
organizações que pretendem implementar soluções cognitivas como também para o uso
desta ferramenta no dia a dia.
3
1.4 – Objetivos
Identificando esta nova fase que o mundo atual está vivendo, torna-se
conveniente à atenção para a utilização da computação cognitiva no tratamento de
doenças crônicas, um assunto que vem sendo discutido cada vez mais nos últimos anos.
Pesquisas recentes mostram que a mortalidade deste tipo de doença em países
em desenvolvimento pode chegar a 70%. Isso devido a falta de estrutura, demora na
descoberta da doença e aos erros na hora de optar pelo melhor tratamento.
O objetivo deste trabalho consiste em apresentar como a computação cognitiva
pode ser uma verdadeira aliada no combate de doenças crônicas como o câncer.
O Watson possui arquiteturas que são capazes de analisar dados estruturados e
não estruturados, direcionando o médico, por exemplo, a ser mais acertivo em suas
tomadas de decisões através de insights extraídos dos exames de seus pacientes. O guia
possui a finalidade de avaliar dados de exames e o estadiamento da doença para
definição de um protocolo, submetendo o paciente a um tipo de tratamento. Sendo
assim, apresenta-se com objetivos deste trabalho:
Apresentar o conceito de computação cognitiva no framework Watson e suas
evoluções;
Explanar a definição do Framework Watson;
Contextualizar o câncer e quimioterapia;
Analisar os outputs de exames para construção de um melhor protocolo
quimioterápico;
Avaliar critérios para aplicação de quimioterapia;
Desenvolver uma proposta de uso das API’s (Application Programming
Interface) Watson em conjunto com o módulo Watson Analytics na
quimioterapia;
1.5 – Metodologia
Este trabalho utiliza-se de uma revisão bibliográfica, a qual proporciona auxílio
ao leitor sobre o tema discutido. Foram utilizados conteúdos da internet, livros,
4
publicações e artigos científicos, embasando os conceitos e aplicações presentes neste
trabalho. A pesquisa foi realizada de maneira empírica afim de reunir referenciais para
embasar um possível uso da ferramenta Watson no cotidiano dos profissionais ligados a
quimioterapia.
1.6 – Descrição
O capítulo 2 apresenta alguns conceitos ligados a revolução industrial dividida
em três fases, além de apresentar o conceito de computação cognitiva, o Framework
Watson, a Arquiterura Deep Q’s and A’s (Arquitetura de Perguntas e Respostas) usada
para o programa de Quiz JEOPARDY em que o Watson foi o ganhador, finalizando
com as mais recentes API’s criadas para atender o mercado.
O capítulo 3 contextualiza a situação do câncer no Brasil, os tipos de tratamento
levando em consideração estadiamento (grau de evolução em que o câncer se encontra)
e a forma de combater a doença. Cirurgia, Radioterapia e Quimioterapia como forma de
tratamento e retardo da doença finalizando assim com as toxicidades aos
quimioterápicos.
O capítulo 4 apresenta como o módulo Watson Analytics em conjunto ou não
com outras API’s (Application Programming Interface) do Watson podem contribuir
através das análises dos dados estruturados (restultados de exames) para a definição de
protocolos quimioterápicos, bem como esta ferramenta pode colaborar para análises
futuras.
Permeando todo o trabalho desenvolvido, o capítulo 5 apresenta os resultados
esperados com o uso da ferramenta e o capítulo 6 discorre sobre a conclusão da
pesquisa e as melhorias que podem ser aplicadas no item trabalhos futuros.
5
Capítulo 2
Embasamento Teórico
2.1 – Revolução Industrial
Em meados do século XVIII (ano de 1760), a humanidade presenciou um grande
feito: os processos de criação de obras artesanais, ferro, produtos químicos, eficiência
da energia da água, o uso da energia a vapor e o desenvolvimento das máquinas
ferramentais, além da substituição da madeira pelo carvão, marcam um movimento
conhecido como revolução industrial [1].
Este fenômeno teve seu início na Inglaterra, e segundo especialistas por motivos
óbvios. Foi neste período que a Inglaterra era o país que possuía uma rica burguesia,
que acarretava a maior zona de livre comércio da Europa, além de ser a mais
frequentada [2].
Como se não bastassem esses benefícios, o êxodo rural e a localização
privilegiada junto ao mar também foram fatores que contribuíram para exploração dos
mercados ultramarinos [1].
Até o final do século XVIII a maioria da população europeia vivia do campo e
produzia o que consumia. De maneira artesanal, era o produtor que dominava todo o
processo produtivo frequentada [1].
Segundo Robert e Lucas Jr [3] (apud Beaudreau [2]) a Revolução Industrial foi a
responsável por atingir todos os aspectos da vida cotidiana da época e teve sua essência
dividida em três etapas. A Primeira etapa da Revolução Industrial - entre 1760 a 1860,
A Segunda Etapa da Revolução Industrial - período de 1860 a 1900 e A Terceira Etapa
da Revolução Industrial - século XX e XXI.
6
2.2 – A Primeira Fase da Revolução Industrial - 1760 à 1860
Marcada pela invenção e o uso de novos sistemas de transportes, esta primeira
fase ficou conhecida pela transição do sistema de produção artesanal para o
industrial. Foi neste período em que mais se destaca o investimento em
desenvolvimento de diversas máquinas [4].
Dois pontos foram os fatores primordiais para o marco desta primeira fase: a
transformação no setor produtivo e a reviravolta na forma de transporte das mercadorias
[1].
Com o avanço e investimentos em estudos, a ciência descobre o carvão como
uma grande utilidade na área de energia. Não demorou muito para que o grandes
empresários passassem a olhar este mineral como fonte de renda [2].
Com a atenção voltada a este componente, surgem neste mercado competitivo a
máquina à vapor e a locomotiva.
Esses novos equipamentos aparecem como um grande aliado no transporte de
matéria prima, pessoas e mercadorias, dando inicio também a uma forma diferente de
exportação, até então feita de forma bem manual [2].
Freitas [5] ressalta que a produção têxtil avança de forma avassaladora com a
exploração da máquina à vapor e consequentemente a uma nova disputa de mercado
entre as grandes potências. Tal avanço no parque industrial culmina com a migração de
diversos trabalhadores rurais, que viviam no campo, para as grandes cidades.
O acelerado êxodo rural provocou expressivo crescimento dos centros urbanos
em grande parte das nações européias que integravam a revolução. Por conta desta
migração, algumas cidades da Europa aumentaram três vezes o número de sua
população em meio século [5].
O crescimento da população colaborou para algumas mudanças drásticas dos
grandes centros urbanos, que por sua vez não possuíam estruturas para receber os
trabalhadores rurais [5].
7
2.3 – Segunda Fase da Revolução Industrial 1860 à 1900
Com a primeira fase da revolução industrial, a corrida crescente por mais
tecnologia tornou-se comum entre os países. O primeiro modelo passou por
transformações que visavam o aprimoramento e a busca por maiores resultados.
De acordo com Beaudreau [2], essa nova etapa ficou marcada pelo emprego da
energia elétrica, o uso do motor a explosão, os corantes sintéticos e a invenção do
telégrafo. Esses componentes por sua vez estimularam a exploração de novos mercados
e a aceleração do ritmo industrial.
Neste mesmo período o ramo de pesquisas sofre um crescimento significativo.
Cientistas passam a debruçar-se na elaboração de equipamentos capazes cada vez mais
de produzir/fabricar produtos em menor tempo possível, alavancando a produção dos
setores industriais.
2.4 – Terceira Fase da Revolução Industrial – Séculos XX e XXI
A terceira etapa da revolução industrial teve também como seu protagonista os
Estados Unidos da América, e alcançou força durante o término da Segunda Guerra
Mundial – basicamente em meados do século XX. Durante este período surgem diversas
fontes de energia, como exemplo a nuclear (destaque para utilização desta fonte até a
presente data) [6].
Foi também durante este período que o desenvolvimento de computadores
ganhou destaque. Empresas e governo investindo pesado neste ramo. Com o
crescimento econômico, o Japão e a Alemanha ganham espaço como potências
econômicas na segunda metade do século XX. As leis trabalhistas também ganham
enfoque, bem como o fortalecimento do sistema capitalista. Na área médica ressalta-se
o desenvolvimento da genética e da biotecnologia possibilitando o desenvolvimento das
indústrias farmacêuticas [2]
Após a Guerra Fria surge a globalização, trazendo um novo cenário nas relações
econômicas e nas formas de industrialização. Neste momento a internet foi
desenvolvida pelo Estados Unidos e com o papel de manter uma forma de comunicação
mesmo em momentos de guerra, alavancou o comércio e as finanças [2].
8
Em contrapartida, com todas estas alterações tanto na economia, quanto na
tecnologia, a utilização dos robôs industriais crescem de forma assustadora, e se faz
notório uma diminuição no emprego de mão de obra humana, substituindo as tarefas
braçais pela robótica.
2.5 – Computação Cognitiva no Watson
Após o término da terceira fase da revolução industrial, a tecnologia foi cada vez
mais se destacando com criações em todos os setores, máquinas inteiras substituindo a
força de trabalho humana, até para tarefas que ao século passado era impossível [7].
Diante deste cenário de mudanças e evoluções, alguns especialistas defendem a
idéia de que a computação cognitiva seria a mais nova fase desta revolução apesar de
ser um termo ainda pouco conhecido no mundo, mas que surge como uma nova forma
de pensar e aparece neste cenário como uma nova tendência [7].
A seguir, a Figura 2.1 representa graficamente a linha do tempo com a evolução
da tecnologia da informação.
linha do tempo | evolução da tecnologia da informação
Com o surgimento desta nova era, o tratamento da informação foi dividido em três fases
Figura 2.1 - Evolução da Tecnologia da Informação
Fonte: Gandour/IBM [7].
9
A definição de computação cognitiva foi desenvolvida em meados de 2014 por
um grupo interdisciplinar de especialistas da BA-Insight, Babson College, Basis
Technology, Cognitive Scale, CustomerMatrix, Decision Resources, Ektron, Google,
HP Autonomy, IBM, Microsoft / Bing Next Next Research, Oracle, Pivotal, SAS.
Saxena Foundation, Synthexis e Textwise / IP.com. Este projeto foi liderado por Sue
Feldman na Synthexis e Hadley Reynolds da NextEra Research. Foi patrocinado pela
CustomerMatrix, HP Autonomy e IBM. O objetivo do projeto era definir como a
computação cognitiva difere da computação tradicional e fornecer uma definição não
proprietária de computação cognitiva que poderia ser usada como referência pela
indústria de TI, pesquisadores, mídia, usuários de tecnologia e compradores [8].
Muita coisa tem sido publicada na mídia sobre o termo computação cognitiva,
porém ainda existe muito desconhecimento sobre o que realmente a computação
cognitiva pode fazer e como funciona. Então, antes de mais nada, se faz necessário
explanar três conceitos que se confundem, no senso comum, com a computação
cognitiva. São eles: inteligência artificial, aprendizagem de máquina e sistemas
especialistas [8].
A Inteligência Artificial (IA) é uma área da ciência que tem como objetivo
utilizar as máquinas para executarem tarefas humanas de forma autônoma e se
desenvolveu em vários ramos, como a robótica, a aprendizagem de máquina, os
sistemas especialistas, o processamento de linguagem natural, o reconhecimento de voz,
o reconhecimento de visão, a computação neural e a otimização matemática [9].
Figura 2.2 – Arquitetura Inteligência Artificial
Fonte: FAP/FAP[10].
10
Aprendizagem de máquina é a habilidade que os sistemas computadorizados tem
de melhorar seu entendimento e desempenho por meio de modelos matemáticos e
descoberta de padrões de dados, e usá-los para fazer predição e aprender com isso, sem
que tenha sido previamente configurado [9].
Sistemas especialistas simulam o raciocínio de um profissional expert em
alguma área de conhecimento bem específica, usando inferência para resolver os
problemas relacionados a um domínio específico. Utilizam regras heurísticas da mesma
forma que nós humanos. Por isso o papel do especialista é fundamental para
desenvolver esses sistemas [9].
Figura 2.3 – Inteligência Artificial
Fonte: EnterraSolutions/ES[11].
Com a expansão da Internet, a partir do ano 2000, e o surgimento de inúmeras
soluções e serviços, um grande volume de dados estruturados e não-estruturados e em
formato de aúdio e imagem foi gerado, criando uma nova classe de problemas
relacionados à interpretação de dados não estruturados que até então esses sistemas
programáveis não conseguiam resolver. Era necessária uma nova tecnologia que
pudesse resolver esses problemas complexos, dinâmicos, com certa dose de incerteza e
ambiguidade, e que conseguisse ao mesmo tempo tratar essa massa exponencial de
11
dados. E ainda deveriam ser especialistas e aprenderem por conta própria. Daí surge a
computação cognitiva [12].
Esta tem o intuito de abordar uma gama de tecnologias de IA, como
processamento de linguagem natural, geração de hipóteses baseadas em evidências,
aprendizado de máquina e dezenas de outros algoritmos e tecnologias que analisam as
evidências em diferentes dimensões como tema, popularidade, confiabilidade da fonte
de informação, entre outras, em especial no tratamento de grande volume de dados [12].
Apesar de não haver consenso sobre uma definição formal e clara do que é a
computação cognitiva, pode-se considerar que é a computação voltada à geração de
conhecimento baseado na interpretação e extração de significado dos dados,
primariamente não-estruturados, os quais seriam muito difíceis de serem tratados por
meio dos sistemas programáveis tradicionais [13].
A computação cognitiva torna passível de linguagem de informática uma nova
classe de problemas. Aborda situações complexas caracterizadas por ambiguidades e
incertezas; Em outras palavras, lida com tipos humanos de problemas [12].
Figura 2.4 – Arquitetura Computação Cognitiva
Fonte: IBM/IBM[14].
12
Exponencialmente o crescimento de dados, seja ele estruturado ou
desestruturado é um desafio para seus usuários. A tratativa desses dados, de forma a
remover o que realmente é útil para o negócio aponta para a necessidade de uso da
congnição [7].
Nessas situações dinâmicas, ricas em informações e mudanças, os dados tendem
a mudar com frequência, e muitas vezes é conflitante. Os objetivos dos usuários
evoluem à medida que aprendem mais e redefinem seus objetivos. Para responder à
natureza fluida da compreensão dos usuários sobre seus problemas, o sistema de
computação cognitiva oferece uma síntese não apenas de fontes de informação, mas de
influências, contextos e insights.
De acordo com Fábio Gandour, cientista-chefe da IBM Brasil [7], a Computação
Cognitiva traz uma tecnologia capaz de processar informações e de aprender com elas
de forma muito semelhante ao cérebro humano, sem que precise ser programada. Se
existe algo mais importante que o conhecimento, é saber como usar esse conhecimento
[8].
Os sistemas de computação cognitiva tornam o contexto “computável”. Eles
identificam e extraem recursos de contexto como hora, local, tarefa, histórico ou perfil
para apresentar um conjunto de informações apropriado para um indivíduo ou para um
aplicativo dependente envolvido em um processo específico, em uma hora e local
específicos. Eles fornecem serendipidade auxiliada por máquinas através de coleções
maciças de informações diversas para encontrar padrões e, em seguida, aplicar esses
padrões para responder às necessidades do momento [8] - grifo nosso.
Estes sistemas ainda são capazes de redefinir a natureza da relação entre as
pessoas e seu ambiente digital cada vez mais penetrante. Eles podem desempenhar o
papel de assistente ou treinador para o usuário, e eles podem agir de forma praticamente
autônoma em muitas situações de resolução de problemas [8].
Para alcançar esse novo nível de computação, os sistemas cognitivos devem
possuir as seguintes características:
Adaptável - devem aprender à medida que a informação muda, as metas e os
requisitos evoluem. Eles devem resolver a ambiguidade e tolerar a imprevisibilidade.
Eles devem ser projetados para alimentar dados dinâmicos em tempo real ou perto do
tempo real [13].
13
Interativo - devem interagir facilmente com os usuários para que esses usuários
possam definir suas necessidades confortavelmente. Eles também podem interagir com
outros processadores, dispositivos e serviços em nuvem, bem como com pessoas [13].
Interativo e com estado - devem auxiliar na definição de um problema, fazendo
perguntas ou encontrando entradas de fontes adicionais se uma declaração de problema
ambígua ou incompleta. Eles devem "lembrar" as interações anteriores em um processo
e retornar informações adequadas para a aplicação específica [13].
Contextual - devem entender, identificar e extrair elementos contextuais como
significado, sintaxe, tempo, localização, domínio apropriado, regulamentos, perfil do
usuário, processo, tarefa e objetivo. Eles podem recorrer a múltiplas fontes de
informação, incluindo informações digitais estruturadas e não estruturadas, bem como
entradas sensoriais (visual, gestual, auditiva ou com sensor) [13].
Além desses princípios, os sistemas de computação cognitiva podem ser
estendidos para incluir ferramentas e tecnologias adicionais. Eles podem integrar ou
alavancar sistemas de informação existentes e adicionar interfaces e ferramentas
específicas de domínio ou tarefa conforme necessário [13].
Diante deste cenário, surge o questionamento de como é possivel o treinamento
de um sistema cognitivo.
Inicialmente é necessário selecionar o domínio (assunto) e o conteúdo
apropriado dentro daquele domínio, também conhecido como corpus. Para gerar o
conteúdo apropriado, é necessário envolver os especialistas sobre o domínio que se
deseja ensinar a um sistema cognitivo. A razão pela qual o ser humano tem um papel
importante nesse processo é porque sistemas cognitivos se tornam inteligentes com o
tempo e com dados relevantes [8].
O ser humano é colocado para selecionar e tratar a informação que vai,
posteriormente, ser utilizada pelo sistema como evidência de suas conclusões. Uma vez
que os dados são carregados, é necessário treinar o sistema. O treinamento inicial se
resume ao fornecimento de amostras, onde se indica ao sistema o que é mais relevante,
baseado na forma como as pessoas vão utilizar o sistema inteligente, como por exemplo
ensinar ao sistema como as pessoas questionam sobre cartão de crédito e apontar
referências mais relevantes presentes em seu corpus [8].
Esse treinamento também pode ser feito baseado em um histórico positivo,
como é o caso de diagnósticos médicos, onde é possível utilizar os resultados positivos
como um conjunto de treinamentos. Com esse conjunto, os sistemas cognitivos
14
conseguem assimilar de forma estatística o motivo de um determinado dado ser mais ou
menos relevante, utilizando seu corpus como base de evidências e melhorando com o
tempo por meio do feedback positivo ou negativo durante a utilização do sistema [8].
2.6 – O Framework Watson
A IBM, uma das pioneiras quando o assunto é computação cognitiva, em 2011
provou para o mundo todo a capacidade de um computador: O Watson
(supercomputador IBM) venceu os dois últimos ganhadores do JEOPARDY, um
conhecido programa de TV exibido nos Estados Unidos há mais de 25 anos, composto
por três participantes, em uma competição que exige responder a questões ricas em
linguagem natural em um domínio muito amplo de tópicos, com penalidades por
respostas erradas. A natureza da competição de três pessoas é tal que a confiança, a
precisão e a velocidade de resposta são de importância crítica, com aproximadamente 3
segundos para responder a cada pergunta [8].
Um sistema informático que poderia competir em níveis de campeão humano
neste jogo precisaria produzir respostas exatas para questões de linguagem natural,
muitas vezes complexas, com alta precisão e rapidez e com confiabilidade em suas
respostas, de modo que ele pudesse responder cerca de 70% das perguntas em 3
segundos ou menos [8].
Nascia neste momento a computação cognitiva. Apesar de todo o impacto de
mídia causado pelo Jeopardy ter sido percebido globalmente mais como outro desafio
tecnológico entre homens e máquinas, a possibilidade de gerar conhecimento por meio
de outro modelo de cognição (ato de adquirir conhecimento) marca o inicio de uma
nova era no mundo da Tecnologia da Informação (TI).
Usado para o programa JEOPARDY, a arquiterura de alto nível do sistema
“Deep Q’S & A’S” consiste em alguns passos importantes.
O primeiro passo importante para qualquer aplicação do Deep Q’s e A’s para
resolver um problema é a aquisição de conteúdo, ou identificar e reunir o conteúdo
necessário para usar nas fontes de resposta [15].
15
Figura 2.5 - Deep Q’s e A’s High-Level Architecture Fonte: IBM/IBM WATSON [5].
Usando elementos de uma área de TI denominada aprendizado de máquina, ou
seja, capacidade de incluir processamento semântico, é possível fazer com que um
computador seja capaz de manipular um texto e extrair dele respostas e perguntas
específicas. Exatamente como faria um ser humano [15].
É importante que este texto siga uma estrutura mínima, capaz de conter certas
marcações, corpus ou domínios, nome conhecido para esta estrutura de frases,
facilitando a identificação por parte da máquina de alguns pontos chaves [7].
O Watson contem uma base de dados gigantesca e é capaz de ler diversos
artigos, revistas, livros, leis, laudos, diagnósticos e etc., em milésimos de segundo. Com
base em todas essas informações, ele é capaz de responder perguntas [8].
Mas é importante atentar para uma importantissíma informação. O Watson
precisa ser treinado em um corpus, ou seja, um domínio, palavras, frases, perguntas,
respostas, dentro de um contexto que façam ele entender o input e o output de uma
"conversa" [12 ] (grifo do autor).
A partir de um dicionário prático (corpus) como base, Deep Q’s and A’s
(Arquitetura do sistema) aplica-se o dicionário. Funciona como uma criança que está em
fase de crescimento e expansão do seu vocabulário.
Este processo consiste em 4 passos:
1) Identificar documentos básicos e trazer documentos adicionais via internet;
16
2) Extrair pedaços dos documentos relacionados (para prover contexto);
3) Classificar pedaços dos documentos baseados em quão informativos eles são
em relação a documentação básica;
4) Expandir o dicionário/vocabulário com essa informação relevante [15].
O próprio sistema ao vivo usa este corpus expandido e não tem acesso à internet
durante a reprodução. Além do conteúdo das fontes de resposta e provas, o Deep Q’s e
A’s aproveita outros tipos de conteúdo estruturado e semi-estruturado.
De acordo com Miller [14], outro passo no processo de aquisição de conteúdo é
identificar e coletar esses recursos, que incluem bancos de dados, taxonomias e
ontologias, como dbPedia, 7 WordNet [15].
O primeiro passo no processo de resposta às questões de tempo de execução é a
análise de perguntas. Durante a análise de perguntas, o sistema tenta entender a que
cada pergunta está relacionada e realiza as análises iniciais que determinam como a
questão será processada pelo resto do sistema. Ele é capaz de ponderar informações de
diversas fontes, fornecer o racional para a formulação de hipóteses e atribuir níveis de
confiança [7].
De acordo com McCord [14], a abordagem Deep Q’s e A’s encoraja uma
mistura de especialistas nesta fase e, no sistema Watson, são produzidas análises
superficiais, análises profundas, formas lógicas, rótulos de função semântica,
coreferências, relações, entidades nomeadas, etc., bem como tipos específicos de análise
para a resposta das perguntas. A maioria dessas tecnologias é bem compreendida e não
é discutida aqui, mas algumas exigem alguma elaboração [15].
Este supercomputador foi produzido por 70.000 desenvolvedores, 28 sistemas,
50 tecnologias e 350 parceiras para processamento avançado de linguagem natural,
recuperação de informação, representação de conhecimento, raciocínio automatizado e
tecnologias de aprendizado de máquinas [7].
“A complexidade do mundo em termos de variedade de opções nos coloca num
momento em que precisamos de uma máquina para apoiar nossas decisões”, diz
Gandour, que afirma estarmos entrando numa nova era. “Antes, a computação era capaz
apenas de produzir e distribuir conhecimento. Agora, ela não só dá o conhecimento,
mas também formas inteligentes de usá-lo” [8].
O Watson que competiu no JEOPARDY em 2011 foi o único supercomputador
já construído que contou com a composição de uma Arquitetura Q’s & A’s em cinco
17
tecnologias subjacentes (Natural Language Processing, Machine Learning, Question
Analysis, Feature Engineering e Ontology Analysis) [16].
Neste programa o Watson foi treinado em todos os domínios abordados e
trabalhando dentro desses domínios, foi capaz de produzir insights com as informações
gravadas em memória, onde através de comparações existentes optou pelas melhores
respostas.
2.7 – A Plataforma Watson e suas API’s
Após o sucesso alcançado pelo Watson, com a vitória no programa JEOPARDY,
o Watson que fazia uso de uma única API (Answer and Questions) e um conjunto de
cinco tecnologias (Natural Language Processing, Machine Learning, Question Analysis,
Feature Engineering e Ontology Analysis), para conduzir a capacidade de Q & A de
linguagem natural de domínio aberto, passou por uma evolução e cresceu para uma
familia de 28 API’s.
Define-se como API (Application Programming Interface) Watson, partes de
código de software que fornecem um conjunto de especificações técnicas para interagir
eficientemente e, em última análise, integrar aplicativos e sistemas de negócios [17].
Figura 2.6 – API’s do Watson Fonte: IBM/ IBM WATSON [6].
18
Atualmente o Watson conta com uma gama de mais de 50 API’s suportando
todo tipo de negócio. Essas API’s por sua vez estão sendo apoiadas por mais de 50
tecnologias, tais como: Linguistic Analysis, Logical Reasoning Analysis, Logistical
Regression, Machine Learning, including, Deep Learning, Multi–Dimensional
Clustering, Multilingual training, n–Gram Analysis (word combinations & distance),
Ontology Analysis, Pareto Analysis, Passage Answering, PDF Conversion, Phoneme
Aggregation, Question Analysis, Question–answering, Reasoning Strategies, Recursive
Neural Networks, Rules Processing, Scalable Search, Similarity Analytics, Statistical
Visual Analysis, Visual Rendering, Voice Synthesis [8].
Após a vitória do Watson no programa JEOPARDY, est solução foi
disponibilizada em nuvem com todas API’s existentes com diversos serviços, tais como:
Reconhecimento de imagem, Conversão de voz para textos, Conversão de Textos para
Voz, Capacidade de identificar personalidade, Detectar sentimentos, etc.
Essas tecnologias estão espalhadas por cinco campos de estudo:
Figura 2.7. – Cinco Tecnologias IBM/IBM WATSON [6].
Cada API é capaz de realizar uma tarefa diferente, de reconhecer o viés na
linguagem e coletar informações em relatórios de notícias. Em combinação, essas APIs
podem ser adaptadas para resolver qualquer tipo de problemas de negócios ou criar
experiências profundamente envolventes [8].
2.8 – Watson Analytics
Diante de diversos módulos e API’s, o Watson Analytics é um dos módulos que
apresenta um grande destaque nas análises de dados estruturados. Este módulo é capaz
de analisar exploração e descobertas de dados, análise preditiva de dados guiados, exibir
19
dados estuturados de forma fácil, visual e inteligente, além de contribuir com criação de
Dashboard, virtualização de dados, emissão de relatórios e storytelling.
Figura 2.8 – Watson Anaytics Fonte: IBM/IBM WATSON [18].
Esta ferramenta utiliza linguagem natural e combinação semântica dos dados e foi
desenvolvida pela IBM. Sua estrutura utiliza a chamada tecnologia cognitiva, forma
mais avançada de Inteligência Artificial. Assim como um aluno brilhante, ela é capaz de
aprender continuamente a partir das informações que analisa [19].
20
Figura 2.9 – Arquitetura Watson Anaytics Fonte: IBM/IBM WATSON [18].
O Watson Analytics possui 3 principais funcionalidades, são elas:
Data – Utilizada para conexões através de banco de dados ou uploads através
de planilhas ou relatórios Business Intelligence (BI).
Discover – Onde é possível visualizar todos os insights, realizar descobertas
através de combinações de dados.
Display – Onde são produzidas visualizações dos dados, criações de
dashboards além de inclusão de históricos de dados [20].
21
Capítulo 3
Contextualizando – Câncer e
Quimioterapia
3.1 - Situação do Câncer no Brasil
De acordo com a Organização Mundial da Saúde (OMS), o câncer é considerado
um problema de saúde pública, especialmente entre os países em desenvolvimento,
onde é esperado que, nas próximas décadas, o impacto do câncer na população
corresponda a 80% dos mais de 20 milhões de casos novos estimados para 2025 [21].
No Brasil, os Registros de Câncer de Base Populacional (RCBP) fornecem
informações sobre o impacto do câncer nas comunidades, configurando-se uma
condição necessária para o planejamento e a avaliação das ações de prevenção e
controle de câncer. Em conjunto com os Registros Hospitalares de Câncer (RHC) e com
o Sistema de Informação sobre Mortalidade (SIM) do Departamento de Informática do
Sistema Único de Saúde (DataSUS), formam o eixo estruturante para a vigilância de
câncer e para o desenvolvimento de pesquisas em áreas afins [21].
Uma estimativa mundial realizada em 2012, apontou que, dos 14 milhões de
casos novos estimados, mais de 60% ocorreram em países em desenvolvimento.
Quando se analisa a mortalidade, a situação agrava-se quando se constata que, dos 8
milhões de óbitos previstos, 70% ocorreram nesses mesmos países [22].
Os tipos de câncer mais incidentes no mundo foram pulmão (1,8 milhão), mama
(1,7 milhão), intestino (1,4 milhão) e próstata (1,1 milhão). Nos homens, os mais
frequentes foram pulmão (16,7%), próstata (15,0%), intestino (10,0%), estômago
(8,5%) e fígado (7,5%). Em mulheres, as maiores frequências encontradas foram mama
(25,2%), intestino (9,2%), pulmão (8,7%), colo do útero (7,9%) e estômago (4,8%) [21].
É possível observar a existência de um perfil da magnitude de determinados tipos
de câncer em países em desenvolvimento que se assemelha ao perfil em países
22
desenvolvidos, principalmente com relação aos cânceres de próstata, mama e intestino;
entretanto, ainda persistem os cânceres relacionados com condições socioeconômicas
menos favoráveis, como o do colo do útero e o do estômago [22].
Tabela 1 – Tipos de Câncer - Homens
Fonte: INCA [22].
Tabela 2 – Tipos de Câncer – Mulheres
Fonte: INCA [22].
23
A estimativa para o Brasil, no biênio 2016-2017, é de que ocorrerão cerca de 600
mil casos novos de câncer. Excluindo o câncer de pele não melanoma
(aproximadamente 180 mil casos novos), espera-se a ocorrência de cerca de 420 mil
casos novos de câncer. O perfil epidemiológico observado assemelha-se ao da América
Latina e do Caribe, onde os cânceres de próstata (61 mil) em homens e mama (58 mil)
em mulheres serão os mais frequentes. Sem contar os casos de câncer de pele não
melanoma, os tipos mais frequentes em homens serão próstata (28,6%), pulmão (8,1%),
intestino (7,8%), estômago (6,0%) e cavidade oral (5,2%). Nas mulheres, os cânceres de
mama (28,1%), intestino (8,6%), colo do útero (7,9%), pulmão (5,3%) e estômago
(3,7%) figurarão entre os principais [21].
O monitoramento da morbimortalidade por câncer deve cada vez mais se fazer
presente na rotina da gestão da saúde de modo a tornar-se instrumento essencial para o
estabelecimento de ações de prevenção e controle do câncer e de seus fatores de risco.
Esse monitoramento engloba a supervisão e a avaliação de programas, como ações
necessárias para o conhecimento da situação e do impacto no perfil de
morbimortalidade da população, bem como a manutenção de um sistema de vigilância
com informações oportunas e de qualidade que subsidie análises epidemiológicas para
as tomadas de decisões [21].
3.2 - Câncer e seus tipos de tratamento
Em condições normais, as células de todo organismo vivo coexistem em perfeita
harmonia citológica, histológica e funcional, possibilitando a manutenção da vida. De
acordo com suas características morfológicas e funcionais, determinadas pelos seus
próprios códigos genéticos, e com sua especificidade, as células estão agrupadas em
tecidos, os quais formam os órgãos [23].
Os mecanismos que regulam o contato e a permanência de uma célula ao lado de
outra, bem como os de controle do seu crescimento, ainda são considerados uma das
áreas menos conhecidas da biologia. Sabe-se que o contato e a permanência de uma
célula junto à outra são controlados por substâncias intracitoplasmáticas, mas ainda é
pouco compreendido o mecanismo que mantém as células normais agregadas em
tecidos. Ao que parece, elas se reconhecem umas às outras por processos de superfície,
24
os quais ditam que células semelhantes permaneçam juntas e que determinadas células
interajam para executarem determinada função orgânica [23].
O crescimento celular responde às necessidades específicas do corpo e é um
processo cuidadosamente regulado. Esse crescimento envolve o aumento da massa
celular, duplicação do ácido desoxirribonucléico (ADN) e divisão física da célula em
duas células filhas idênticas (mitose). Tais eventos se processam por meio de fases
conhecidas como G1 - S - G2 - M, que integram o ciclo celular [24].
Nas células normais, restrições à mitose são impostas por estímulos reguladores
que agem sobre a superfície celular, os quais podem resultar tanto do contato com as
demais células como da redução na produção ou disponibilidade de certos fatores de
crescimento. Fatores celulares específicos parecem ser essenciais para o crescimento
celular, mas poucos deles são realmente conhecidos [24].
Fatores de crescimento e hormônios, de alguma forma, estimulam as células
para se dividir. Entretanto, eles não têm valor nutriente para as células nem
desempenham um papel conhecido no metabolismo. Presumivelmente, apenas sua
capacidade de ligar-se a receptores específicos de superfície celular os capacita a
controlar os processos celulares [23].
O mecanismo de controle do crescimento celular parece estar na dependência de
fatores estimulantes e inibidores, e, normalmente, ele estaria em equilíbrio até o
surgimento de um estímulo de crescimento efetivo, sem ativação do mecanismo
inibidor. Tal estímulo ocorre quando há exigências especiais como, por exemplo, para
reparo de uma alteração tissular. As células sobreviventes se multiplicam até que o
tecido se recomponha e, a partir daí, quando ficam em íntimo contato umas com as
outras, o processo é paralisado (inibição por contato) [23].
Em algumas ocasiões, entretanto, ocorre uma ruptura dos mecanismos
reguladores da multiplicação celular e, sem que seja necessário ao tecido, uma célula
começa a crescer e dividir-se desordenadamente. Pode resultar daí um clone de células
descendentes, herdeiras dessa propensão ao crescimento e divisão anômalos, insensíveis
aos mecanismos reguladores normais, que resulta na formação do que se chama tumor
ou neoplasia, que pode ser benigna ou maligna. A carcinogênese refere-se ao
desenvolvimento de tumores malignos, estudada com base nos fatores e mecanismos a
ela relacionados [23].
O processo de formação do câncer, denominado carcinogênese ou oncogênese,
de maneira geral acontece lentamente, podendo levar vários anos para que uma célula
25
cancerosa se prolifere e dê origem a um tumor perceptível. Os efeitos cumulativos de
diferentes agentes cancerígenos ou carcinógenos são os responsáveis pelo início,
promoção, progressão e inibição do tumor.
Figura 3.1 – Formação do Câncer Fonte: INCA/INCA [24].
A carcinogênese é determinada pela exposição a esses agentes, em uma dada
frequência e período de tempo, e pela interação entre eles. Devem ser consideradas, no
entanto, as características individuais, que facilitam ou dificultam a instalação do dano
celular [24].
Esse processo é composto por três estágios:
• Estágio de iniciação, no qual os genes sofrem ação dos agentes cancerígenos.
• Estágio de promoção, no qual os agentes oncopromotores atuam na célula já alterada.
• Estágio de progressão, caracterizado pela multiplicação descontrolada e irreversível da
célula [24].
Uma vez observada a formação de um câncer e realizado seu diagnóstico
(geralmente por métodos de biópsia que vão variar de acordo com o tipo de câncer a ser
estudado), é necessária a determinação do estágio em que a doença se encontra para
determinar qual será a intervenção a ser aplicada.
O método utilizado para essa classificação é chamado de estadiamento e sua
importância está na constatação de que a evolução da doença é diferente quando a
26
mesma está restrita ao órgão de origem ou quando se estende a outros órgãos. O
estadiamento pode ser clínico ou patológico [24].
Estadiar um caso de neoplasia maligna significa avaliar o seu grau de
disseminação. Para tal, há regras internacionalmente estabelecidas, que estão em
constante aperfeiçoamento. Essa classificação permite ao médico especialista em
oncologia propor o tratamento mais adequado para cada paciente, uma vez que dois
pacientes, com o mesmo tipo de câncer, mas com estadiamentos diferentes, podem ter
diferentes propostas de tratamento [24].
O sistema de estadiamento mais utilizado é o preconizado pela União
Internacional Contra o Câncer (UICC), denominado Sistema TNM de Classificação dos
Tumores Malignos. Esse sistema baseia-se na extensão anatômica da doença, levando
em conta as características do tumor primário (T), as características dos linfonodos das
cadeias de drenagem linfática do órgão em que o tumor se localiza (N) e a presença ou
ausência de metástase a distância (M). Esses parâmetros recebem graduações,
geralmente de T0 a T4; N0 a N3; e de M0 a M1, respectivamente [25].
Com a determinação do estadiamento da doença é possivel planejar o (ou os)
tratamento mais adequado para cura ou controle da neoplasia.
As principais metas do tratamento são: cura, prolongamento da vida útil e
melhora da qualidade de vida. Existem tratamentos curativos para um terço dos casos de
câncer, particularmente para os cânceres de mama, colo do útero, cavidade oral e cólon,
quando são detectados precocemente e tratados de acordo com as melhores práticas
clínicas [24].
Existem três formas principais de tratamento do câncer: cirurgia, radioterapia e
quimioterapia. Elas podem ser usadas em conjunto, variando apenas quanto à
suscetibilidade dos tumores a cada uma das modalidades terapêuticas e à melhor
sequência de sua administração. Atualmente, a maioria das neoplasias malignas são
tratadas com mais de uma modalidade terapêutica [23].
3.2.1 - Cirurgia
O câncer, em sua fase inicial, pode ser controlado e curado cirurgicamente,
quando o tratamento cirúrgico é o indicado para o caso. A cirurgia foi o primeiro
27
tratamento que alterou significativamente o curso da doença neoplásica e, até hoje, é um
dos principais métodos utilizados, sendo ainda muito importante no arsenal terapêutico
dos tumores malignos. Pode ser realizada com finalidade diagnóstica, preventiva,
curativa ou paliativa [23].
Estima-se que cerca de 60% de todos os pacientes portadores de câncer
necessitem de cirurgia para o seu tratamento. Quase todos são submetidos a algum tipo
de procedimento cirúrgico para diagnóstico (como a biópsia) ou estadiamento da
doença. De um modo geral, os tumores de crescimento lento são os melhores candidatos
à cirurgia e a cirurgia inicial para câncer tem maior chance de cura do que a cirurgia
para recidivas [23].
O planejamento cirúrgico deve incluir todos os cuidados referentes aos
princípios gerais da cirurgia e ao preparo do paciente e de seus familiares sobre as
alterações fisiológicas e mutilações que poderão advir do tratamento [23].
O advento da quimioterapia e novas técnicas de radioterapia vieram a contribuir
para o tratamento da doença microscópica (invisível a olho nu), o que permitiu, nos
últimos anos, uma nova abordagem na extensão da cirurgia para o câncer. Por exemplo,
no tratamento do câncer de mama, um dos mais freqüentes em mulheres, é possível hoje
lançar mão de cirurgias menos radicais (que preservam a mama sem retirá-la na
totalidade) e que, associadas à radioterapia e/ou à quimioterapia, permitem a mesma
chance de sobrevida do que as cirurgias mais radicais (que são mais mutilantes e
apresentam maior índice de complicações) [23].
3.2.2 - Radioterapia
A radioterapia (RT) é o método de tratamento local ou locorregional do câncer
que utiliza equipamentos e técnicas variadas para irradiar áreas do organismo humano,
prévia e cuidadosamente demarcadas [24].
Esta modalidade de tratamento possui as seguintes finalidades:
• Radioterapia curativa: principal modalidade de tratamento radioterápico; visa à cura
do paciente.
28
• Radioterapia pré-operatória (RT prévia ou citorredutora): procedimento que antecede a
principal modalidade de tratamento, a cirurgia, para reduzir o tumor e facilitar o
procedimento operatório.
• Radioterapia pós-operatória ou pós-quimioterapia (radioterapia profilática): segue-se à
principal modalidade de tratamento, com a finalidade de esterilizar possíveis focos
microscópicos do tumor.
• Radioterapia paliativa: objetiva o tratamento local do tumor primário ou de
metástase(s), sem influenciar a taxa da sobrevida global do paciente. É usada
principalmente nas seguintes circunstâncias:
- Radioterapia antiálgica: modalidade de radioterapia paliativa com a finalidade
específica de reduzir a dor.
- Radioterapia anti-hemorrágica: modalidade de radioterapia paliativa com a finalidade
específica de controlar os sangramentos [24].
3.2.3 - Quimioterapia
A quimioterapia é o método que utiliza compostos químicos, chamados
quimioterápicos, no tratamento de doenças causadas por agentes biológicos. Quando
aplicada ao câncer, a quimioterapia é chamada de quimioterapia antineoplásica ou
quimioterapia antiblástica [26].
O primeiro quimioterápico antineoplásico foi desenvolvido a partir do gás
mostarda, usado nas duas Guerras Mundiais como arma química. Após a exposição de
soldados a este agente, observou-se que eles desenvolveram hipoplasia medular e
linfóide, o que levou ao seu uso no tratamento dos linfomas malignos [26].
A partir da publicação, em 1946, dos estudos clínicos feitos com o gás mostarda
e das observações sobre os efeitos do ácido fólico em crianças com leucemias,
verificou-se avanço crescente da quimioterapia antineoplásica [26].
Atualmente, quimioterápicos mais ativos e menos tóxicos encontram-se
disponíveis para uso na prática clínica. Os avanços verificados nas últimas décadas, na
área da quimioterapia antineoplásica, têm facilitado consideravelmente a aplicação de
outros tipos de tratamento de câncer e permitido maior número de curas [26].
29
A quimioterapia constitui uma das modalidades de maior escolha para produzir
cura, controle e paliação. Envolve o uso de substâncias citotóxicas, administradas
principalmente por via sistêmica (Endovenosa) e pode ser classificada de acordo com a
sua finalidade [27].
3.2.3.1 – Mecanismos de ação e classificação das drogas antineoplásicas
Os mecanismos utilizados no tratamento do câncer afetam tanto as células
normais como as neoplásicas - Massa anormal de tecido, como um resultado do
crescimento anormal ou divisão de células. Antes do crescimento anormal, as células
frequentemente sofrem um padrão anormal de crescimento, tais como a metaplasia ou a
displasia [28].
Os citotóxicos, ou seja, células que são capazes de destruir outras células com a
libertação de algumas substâncias nocivas, não são capazes de destruir as células
neoplásicas de uma forma seletiva. Isso está diretamente relacionado às diferenças
existentes entre o desenvolvimento/crescimento das células malignas e os das células
normais e as pequenas diferenças bioquímicas verificadas entre elas provavelmente se
combinam para produzir seus efeitos específicos [28].
O ADN ou DNA em inglês (Ácido Desoxirribonucleico), material genético de
todas as células, age como modelador na produção de formas específicas de ARN ou
RNA (Ácido Ribonucleico) transportador, ARN (Ácido Ribonucleico) ribossômico e
ARN (Ácido Ribonucleico) mensageiro e, deste modo, determina qual enzima irá ser
sintetizada pela célula. As enzimas são responsáveis pela maioria das funções celulares,
e a interferência nesses processos irá afetar a função e a proliferação tanto das células
normais como das neoplásicas [23].
A maioria das drogas utilizadas na quimioterapia antineoplásica interfere de
algum modo nesse mecanismo celular, e a melhor compreensão do ciclo celular normal
levou à definição clara dos mecanismos de ação da maioria das drogas.
De acordo com o momento do ciclo celular em que atuam, os quimioterápicos
podem ser classificados em:
Ciclo-inespecíficos - Aqueles que atuam nas células que estão ou não no ciclo
proliferativo, como, por exemplo, a mostarda nitrogenada.
30
Ciclo-específicos - Os quimioterápicos que atuam somente nas células que se
encontram em proliferação, como é o caso da ciclofosfamida.
Fase-específicos - Aqueles que atuam em determinadas fases do ciclo celular,
como, por exemplo, o metotrexato (fase S), o etoposídeo (fase G2) e a
vincristina (fase M) [23].
Outro tipo de classificação dos quimioterápicos se dá quanto a sua finalidade, que
pode ser:
• Curativa - quando é usada com o objetivo de se conseguir o controle completo do
tumor, como nos casos de doença de Hodgkin, leucemias agudas, carcinomas de
testículo, coriocarcinoma gestacional e outros tumores.
• Adjuvante - quando se segue à cirurgia curativa, tendo o objetivo de esterilizar
células residuais locais ou circulantes, diminuindo a incidência de metástases à
distância. Exemplo: quimioterapia adjuvante aplicada em caso de câncer de mama
operado em estádio II.
• Neoadjuvante ou prévia - quando indicada para se obter a redução parcial do
tumor, visando permitir uma complementação terapêutica com a cirurgia e/ou
radioterapia. Exemplo: quimioterapia pré-operatória aplicada em caso de sarcomas
de partes moles e ósseos.
• Paliativa - não tem finalidade curativa. Usada com a finalidade de melhorar a
qualidade da sobrevida do paciente. É o caso da quimioterapia indicada para
carcinoma indiferenciado de células pequenas do pulmão [26].
3.2.3.2 – Toxicidades dos quimioterápicos
Os quimioterápicos não atuam exclusivamente sobre as células tumorais. Existem
células normais no nosso organismo que, assim como as células tumorais, também estão
em constante multiplicação, renovando constantemente estruturas corporais, como as
células da medula óssea, os pêlos e a mucosa do tubo digestivo. Tais células também
acabam sendo atingidas pela ação dos quimioterápicos. No entanto, como as células
normais apresentam um tempo de recuperação previsível, ao contrário das células
anaplásicas, é possível que a quimioterapia seja aplicada repetidamente, desde que
observado o intervalo de tempo necessário para a recuperação da medula óssea e da
31
mucosa do tubo digestivo. Por este motivo, a quimioterapia é aplicada em ciclos
periódicos [26].
Os efeitos terapêuticos e tóxicos dos quimioterápicos dependem do tempo de
exposição e da concentração plasmática da droga. A toxicidade é variável para os
diversos tecidos e depende da droga utilizada. Os efeits colaterais mais comuns incluem
mielodepressão, alopécia e alterações gastrintestinais como náuseas, vômitos e diarréia
[26].
A cada dia, medicamentos novos são postos à disposição dos oncologistas visando
à redução da toxicidade dos quimioterápicos, à manutenção da quimioterapia, e a
intensificação dos quimioterápicos. O transplante de medula óssea também tem
permitido superar o problema da toxicidade hematológica da quimioterapia como fator
limitante do tratamento, já que este se consitutui ele próprio em um método terapêutico
de doenças hematológicas [26].
32
Capítulo 4
Propostas Tecnológicas
4.1 – Proposta 1
A partir dos estudos teóricos realizados e desenvolvidos nos capítulos anteriores,
este capítulo será dedicado à apresentação de duas propostas para o problema estudado.
Hoje, o oncologista enfrenta uma dificuldade quando o assunto é base única de
conhecimento dentro de uma clínica de tratamento de tumores. Levando em
consideração que atualmente o fator tempo é um fator determinístico quando o assunto é
tratamento do câncer, a ferramenta Watson apresenta um guia de API’s que são capazes
de contribuir para ambas as soluções propostas, decorrendo das análises de dados
estruturados a dados não estruturados.
A primeira proposta para o problema estudado é a capacidade de uma unificação
da base de dados para todos os tipos de outputs de exames relacionados ao
planejamento do tratamento quimioterápico.
Em um estudo recente realizado pela IBM com um hospital especializado em
oncologia dos Estados Unidos, o qual informa que 80% dos dados de saúde disponíveis
são desestrutarados, com isso um oncologista para se manter atualizado em sua
profissão precisaria de 36 horas por dia de estudos ininterruptos.
33
Figura 4.1 – Processo de tomada de Decisão
Na figura anterior um oncologista precisa examinar outputs de exames em dois
tempos, aqui chamaremos de fase 1 e fase 2.
Na Fase um, um oncologista precisará analisar alguns resultados de exames,
geralmente exames de imagem e biópsia, para chegar ao estadiamento do tipo de câncer
analisado. Ou seja, o tamanho do tumor e se neste momento o câncer já segue em
processo de metástase (Migração do câncer para demais orgãos).
Segundo especialistas é na fase de análise de exames que o oncologista mais
perde tempo. Alguns defendem que um oncologista dedica 60% do seu tempo em
analisar imagens que não contém nenhum tipo de tumor.
Para análise deste primeiro momento, contaremos com o apoio de uma das mais
de 50 API’s que a ferramenta Watson disponibiliza, a API – IMAGE TAGGING , que
possui a capacidade de ser treinada para analisar dados não estruturados.
Define-se como dados não estruturados: Dados que não possuem rigidez, não
existe datatype, tamanho, não seguem uma regra. São apresentados como aparecem.
Não possuem estrutura definida, possui baixa integridade e possui escalabilidade
Linear. Por exemplo: Documentos, Imagens, Vídeos, E-mails, post em redes sociais
(Análise de sentimento), dados retirados da internet, dados de sensores e dados não
relacionais.
34
Após análise dos Outputs da fase 1 esses dados seguirão para uma base de dados
única no Watson, garantindo aos oncologistas a capacidade de treinamento da
ferramenta para contribuição do melhor prognóstico.
Figura 4.2 – Proposta 1 e 2
4.2– Proposta 2
Uma vez realizado a fase 1, até chegar a definição dos protocolos
quimioterápicos, o oncologista segue para a segundo fase do processo, que é a
capacidade de analisar outros outputs de exames.
O médico se baseia em diversas evidências para indicar possíveis tratamentos
em pacientes que possuam algum tipo de doença prévia, mas não apenas por esse
motivo, o processo de quimioterapia é um processo muito caro e definir a melhor forma
de protocolo é uma questão cada vez mais abordada entre as únidades de saúde.
Para evitar os efeitos tóxicos intoleráveis dos quimioterápicos e que eles ponham
em risco a vida dos pacientes, são obedecidos critérios para a indicação da
quimioterapia.
35
Esses critérios são variados e dependem das condições clínicas do paciente e das
drogas selecionadas para o tratamento. A seguir, são listados alguns requisitos ideais
para a aplicação da quimioterapia, que são coletados e disponibilizados a partir de uma
base de dados estruturadas:
Condições gerais do paciente:
menos de 10% de perda do peso corporal desde o início da doença;
Ausência de contra-indicações clínicas para as drogas selecionadas;
Ausência de infecção ou infecção presente, mas sob controle;
Capacidade funcional correspondente aos três primeiros níveis, segundo os
índices propostos por Zubrod e Karnofsky [26].
Níveis Critérios
ZUBROD KARNOFSKY
0 100-90% Paciente assintomático ou com sintomas mínimos
1 89-70% Paciente sintomático, mas com capacidade para o
atendimento ambulatorial
2 69-50% Paciente permanece no leito menos da metade do dia
3 49-30% Paciente permanece no leito mais da metade do dia
4 29-10% Paciente acamado, necessitando de cuidados
constantes
Tabela 3 - Avaliação da capacidade funcional Fonte: INCA [26].
Contagem das células do sangue e dosagem de hemoglobina. (Os valores exigidos
para aplicação da quimioterapia em crianças são menores.):
Leucócitos > 4.000/mm³
Neutrófilos > 2.000/mm³
Plaquetas > 150.000/mm³
Hemoglobina > 10 g/dl
Dosagens séricas:
Uréia < 50 mg/dl
36
Creatinina < 1,5 mg/dl
Bilirrubina total < 3,0 mg/dl
Ácido Úrico < 5,0 mg/dl
Transferasses (transaminases) < 50 Ul/ml [25].
Nesta nova fase os outputs de exames são estruturados, como por exemplo:
Função Renal, Função hepática, elementos do sangue, etc.
Define-se como dados estruturados os dados que estão em um formato
especifico/rígido, como por exemplo: Dados mantidos em SGBD (Sistema Gerenciador
de Banco de dados), tabela de banco de dados, datatype de uma coluna e tamanho
máximo de armazenamento, números.
Para a fase 2, faremos uso do Watson anlytics abordado no capitulo anterior.
Este é um módulo da ferramenta Watson capaz de analisar uma grande quantidade de
dados estruturados. Esta análise e exibida através de dados probabilísticos.
Após identificados todos os exames necessários, o paciente segue para as
sessões de quimioterapia melhor definidas aos olhos do oncologista.
Figura 4.3 – Proposta 3 e 4
37
Capítulo 5
Resultados Esperados
5.1 – Resultados esperados
A partir das propostas apresentadas no capítulo anterior, foi possível realizar
uma avaliação de ganho dividida em três grandes grupos.
5.1.1 – Resultados esperados - Oncologistas
Em um primeiro momento, observando-se a forma de trabalho, processos e
pontos de melhoria, foi identificado que o oncologista terá um ganho significativo com
o uso da ferramenta Watson e suas API’s, explicitado na tabela abaixo.
PROBLEMAS RESULTADOS ESPERADOS
> TEMPO EM ANÁLISES DE EXAMES < TEMPO EM ANÁLISES DE EXAMES
< % DE ACERTIVIDADE > % ACERTIVIDADE
DIVERSAS BASES BASE ÚNICA
SEM CONTROLE DOS CASOS DE SUCESSO CONTROLE CASOS DE SUCESSO
> TEMPO DE ESTUDOS < TEMPO PARA ESTUDOS
< MINIMIZAÇÃO DO ESTADIAMENTO > MINIMIZAÇÃO DO ESTADIAMENTO
COGNITIVISMO HUMANO APOIO NO COGNITIVISMO HUMANO
ONCOLOGISTA
Tabela 4 – Resultados Esperados Oncologista
Um oncologista dedica cerca de 60% do seu tempo em análises de exames de
imagens, tais como tomografias que não possuem nenhuma anormalidade clínica.
Com o uso da ferramenta o médico contará com o apoio de uma poderosa
tecnologia que vai contribuir de forma melhor na acertividade dos exames clínicos
realizados, tratativa dos tumores existentes, bem como uma base única que irá facilitar a
forma de consulta para os casos de sucesso.
38
Com o uso da ferramenta ainda, o oncologista também contará com uma
minimização do estadiamento, menor tempo para consultas de casos e estudos de
sucesso e uma maior possibilidade de cura.
5.1.2 – Resultados esperados – Paciente
O paciente é o maior interessado, pois é ele quem sofre os impactos relacionados
com o tipo de remédio, forma de tratamento, etc. além de estar emocionalmente abalado
com o fato de estar combatendo uma doença que está no ranking das doenças que mais
matam no mundo.
No caso dos países subdesenvolvidos, o câncer é o que contribui com 70% da
mortalidade [22].
PROBLEMAS RESULTADOS ESPERADOS
> % DE COMPLICAÇÕES < % DE COMPLICAÇÕES
< CREDIBILIDADE > CREDIBILIDADE
> INVESTIMENTO COM QUIMIOTERAPIA < INVESTIMENTO COM QUIMIOTERAPIA
> TEMPO PARA ANÁLISES DE EXAMES < TEMPO PARA ANÁLISES DE EXAMES
< MINIMIZAÇÃO DO ESTADIAMENTO > MINIMIZAÇÃO DO ESTADIAMENTO
< PROBABILIDADE DE CURA > PROBABILIDADE DE CURA
PACIENTE
Tabela 5 – Resultados Esperados - Paciente
Ainda neste cenário, os resultados esperados nas propostas oferecidas, estão
diretamente ligados ao paciente.
Uma vez identificados todos os exames e as possibilidades de tratamento, o
paciente contará com o apoio da ferramenta juntamente com o cognitivismo humano
para optar pela melhor forma de protocolo.
Estes pontos são muito importantes para o paciente diagnosticado com este tipo
de doença. Através da inteligência e agilidade para a proposta de solução, o
mapeamento e aprendizado de máquina contribuirá para minimizar impactos como
complicações, alergias, levando a um investimento mais assertivo no processo de
quimioterapia que é um processo trabalhoso e muito caro atualmente.
39
5.1.3 – Resultados esperados – Instituição
Atualmente as instituições públicas sofrem com a falta de recursos para os
serviços de quimioterapia, uma vez que se utiliza de medicamentos caros.
Visando contribuir também com as instituições especializadas no tratamento
quimioterápico, o uso desta ferramenta trará alguns ganhos, tais como os descritos
abaixo:
PROBLEMAS RESULTADOS ESPERADOS
COGNITIVISMO HUMANO APOIO NO COGNITIVISMO HUMANO
SEM FERRAMENTA PARA PROGNÓSTICO COM FERRAMENTA PARA PROGNÓSTICO
SEM INTELIGÊNCIA ARTIFICIAL COM INTELIGÊNCIA ARTIFICIAL
SEM MACHINE LEARNING COM MACHINE LEARNING
> INVESTIMENTO COM QUIMIOTERAPIA < INVESTIMENTO COM QUIMIOTERAPIA
> MORTALIDADE < MORTALIDADE
< PROBABILIDADE DE CURA > PROBABILIDADE DE CURA
INSTITUIÇÃO
Tabela 6 – Resultados Esperados - Instituição
Uma vez atingidos esses objetivos a instituição consegue otimização de recursos
humanos e financeiros, contando com a tecnologia na melhor definição de protocolos de
tratamento, com grande significado para seus pacientes, que terão a suas possibilidades
de cura aumentadas.
40
Capítulo 6
Conclusão e Trabalhos Futuros
6.1 – Conclusão
Com este enfoque de utilização do Watson Analyics e da plataforma Watson para
auxiliar na definição de protocolos quimioterápicos para paciente portadores de Câncer,
a computação cognitiva pode se configurar como uma aliada dos profissionais de saúde
levando em consideração sua capacidade de armazenar e gerir diversos bancos de dados
(com artigos de pesquisas em andamento, manuais, livros, guidelines, etc), bem como a
capacidade de trabalhar com dados estruturados e desestruturados, funcionando como
uma ferramenta para agilizar o acesso dos profissionais de saúde às informações
técnicas e científicas contidas nestes bancos de dados e auxiliando os profissionais de
saúde através dos insights extraídos dos resultados patológicos.
Quanto mais rápido for o acesso as informações e mais acertiva a tomada de
decisão pelos médicos oncologistas, melhor será para o doente no sentido de minimizar
o avanço da doença, bem como o aumento da possibilidade de cura.
6.2 – Trabalhos Futuros
De acordo com o trabalho desenvolvido, algumas melhorias devem ser
incluídas, como:
Desenvolver estudos para o uso do Watson nos Cuidados Paliativos
Oncológicos;
Aumentar abrangências de novas API’s para o Watson;
Desenvolver estudos para uso do Watson em outras doenças crônicas, tais
como Diabetes, Hipertensão, Doenças Degenerativas, etc.
41
Bibliografia
[1] SOUSA, Rainer Gonçalves. "Segunda Revolução Industrial"; Brasil Escola.
Disponível em <http://brasilescola.uol.com.br/historiag/segunda-revolucao-
industrial.htm>. (Acesso em 26 de dezembro de 2016).
[2] BEAUDREAU, B.C. The Economic Consequences of Mr. Keynes: How the Second
Industrial Revolution Passed Great Britain By, (New York, NY:iUniverse, 2006)
[3] HOBSBAWM, E. J. (1999). Industry and Empire: From 1750 to the Present Day,
rev. and updated with Chris Wrigley, 2nd ed., New York: New Press.
[4] FREITAS, Eduardo de. "Primeira Revolução Industrial"; Brasil Escola. Disponível
em <http://brasilescola.uol.com.br/geografia/primeira-revolucao-industrial.htm>.
Acesso em 23 de dezembro de 2016.
[5] LANDES, DAVID (2003). The Unbound Prometheus: Technical Change and
Industrial Development in Western Europe from 1750 to the Present, 2nd ed., New
York: Cambridge University Press.
[6] GANDOUR, Fábio. O que muda com a Computação Cognitiva: Estamos em um
momento no qual os computadores são programados para gerenciar informações.
Revista da ESPM. Ano: 20. Ed.95. Número5. Setembro/Outubro 2014. Disponível em:
http://biblioblogfacig.blogspot.com.br/2014/12/revista-da-espm-setembrooutubro-
2014.html. Acesso em: 12 de março de 2017.
[7] INTERNATIONAL BUSINESS MACHINES (IBM). 2015. Unlocking the power of
the API economy. Disponínel em:
https://www.ibm.com/partnerworld/wps/servlet/RedirectServlet?contentId=XQM$hEV
4afEiPCA$cnt&attachmentName=API_E_Client_Deck_Final__white_.ppt. Acesso em
18 de março de 2017.
[8] REYNOLDS, H. ; FELDMAN, S. Cognitive computing: Beyond the hype.
KMWorld. July/August 2014, Vol 23, Issue 7.
[9] FELDMAN, S.E. The Answer Machine. Synthesis Lectures on Information
Concepts, Retrieval, and Services. Setembro, 2012, Vol. 4, No. 3 , pag 1-137.
[10] BEQIRI, RRON. Architecture and Urban Planning in the age of Artificial
Intelligence. Disponível em: http://futurearchitectureplatform.org/news/28/ai-
architecture-intelligence/. Acesso em 13 de setembro de 2017.
[11] DEANGELIS, STEPHEN F. Supply Chain Transformation is Blowin’ in the Wind.
Disponível em: http://www.enterrasolutions.com/supply-chain-transformation-blowin-
wind/. Acesso em 13 de Setembro de 2017.
[12] MOUNIER, G. Cognitive computing: Why now and why it matters. KMWorld
September 2014, Volume 23, Issue 8.
42
[13] INTERNATIONAL BUSINESS MACHINES (IBM). What is cognitive
computing? IBM Research. Disponível em: http://www.research.ibm.com/cognitive-
computing/index.shtml#fbid=BrUXYNtK6-r. Acesso em 10 de agosto de 2017.
[15] INTERNATIONAL BUSINESS MACHINES (IBM). What is cognitive
computing? IBM Research. Disponível em: http://www.research.ibm.com/cognitive-
computing/index.shtml#fbid=BrUXYNtK6-r. Acesso em 10 de agosto de 2017.
[16] ZAINO, J. ; KEMPE, S. Another Face of Cognitive Computing. Dataversity. May
27, 2014. Disponível em: http://www.dataversity.net/another-face-cognitive-
computing/. Acesso em 10 de agosto de 2017.
[17] INTERNATIONAL BUSINESS MACHINES (IBM). Como o Watson, a
plataforma de computação cognitiva da IBM, está ajudando a revolucionar o perfil de
cinco verticais econômicas. Disponível em:
https://www.ibm.com/blogs/robertoa/2016/06/como-o-watson-a-plataforma-de-
computacao-cognitiva-da-ibm-esta-ajudando-a-revolucionar-o-perfil-de-cinco-verticais-
economicas/. Acesso em 02 de janeiro de 2017.
[18] LEONEL, JORGE. Arquitetura para Computação Cognitiva. Disponível em
https://computacaocognitiva.wordpress.com/2015/01/09/arquitetura-para-computacao-
cognitiva/. Acesso em 13 de Setembro de 2017.
[19] FERRUCCI, D. ; BROWN, E. ; CHU-CARROLL, J. ; et al. Building Watson: An
Overview of the DeepQA Project. American Association for Artificial Intelligence. AI
Mag 31 no3. Fall .2010 p. 59-79. Disponível em:
http://zoo.cs.yale.edu/classes/cs671/12f/12f-papers/ferrucci-watson-deepqa.pdf. Acesso
em 14 de março de 2017.
[20] LECK LIN, ROBET. IBM Big Data Analytics - Cognitive Computing and Watson -
Findability Day 2014. Disponível em: https://pt.slideshare.net/findwise/ibm-big-
dataanalytics. Acesso em 13 de setembro de 2017.
[21] BRASIL. Ministério da Saúde. Secretaria de Atenção à Saúde. Instituto Nacional
de Câncer. TNM: classificação de tumores malignos / traduzido por Ana Lúcia Amaral
Eisenberg. 6. ed. - Rio de Janeiro: INCA, 2004. 254p. Dispnível em:
http://bvsms.saude.gov.br/bvs/publicacoes/inca/tnm2.pdf. Acesso em 21 de abril de
2017.
[22] BRASIL. Ministério da Saúde. Instituto Nacional de Câncer José Alencar Gomes
da Silva (INCA). Ações de enfermagem para o controle do câncer: uma proposta de
integração ensino-serviço. 3. ed. atul. ampl. Rio de janeiro: INCA, 2008. Disponível
em: http://www.inca.gov.br/enfermagem/docs/ficha_tecnica.pdf Acesso em: 10 de
janeiro de 2017, 16:40h.
[23] BRASIL. Ministério da Saúde. Instituto Nacional de Câncer José Alencar Gomes
da Silva (INCA). ABC do câncer : abordagens básicas para o controle do câncer /
Instituto
Nacional de Câncer. – Rio de Janeiro : Inca, 2011. Disponível em:
http://bvsms.saude.gov.br/bvs/publicacoes/abc_do_cancer.pdf. Acesso em 20 de abril de
2017.
43
[24] BRASIL. Ministério da Saúde. Instituto Nacional de Câncer José Alencar Gomes
da Silva (INCA). Magnitude do câncer no Brasil: incidência, mortalidade e tendência.
Informativo Vigilância do Câncer, n. 3, p. 1-28, 2012
[25] BRASIL. Ministério da Saúde. Instituto Nacional de Câncer José Alencar Gomes
da Silva. (INCA). Coordenação de Prevenção e Vigilância. Estimativa 2016: incidência
de câncer no Brasil. Disponível em: http://www.inca.gov.br/estimativa/2016/estimativa-
2016-v11.pdf. Acesso em 22 de março de 2017.
[26] BRASIL. Ministério da Saúde. Instituto Nacional de Câncer José Alencar Gomes
da Silva (INCA). Quimioterapia. Disponível em:
http://www.inca.gov.br/conteudo_view.asp?id=101. Acesso em 28 de março de 2017.
[27] BERNAL, J.D. [1953] (1970). Science and Industry in the Nineteenth Century.
Bloomington: Indiana University Press.
[28] SAWADA, NAMIE OKINO; NICOLUSSI, ADRIANA CRISTINA; OKINO,
LIYOKO; CARDOZO, FERNANDA MARA COELHO; ZAGO, MARCIA MARIA
FONTÃO. Avaliação da qualidade de vida de pacientes com câncer submetidos à
quimioterapia. Rev. esc. enferm. USP . vol.43 no.3. São Paulo Sept. 2009. Disponível
em: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0080-
62342009000300012. Acesso em 20 de junho de 2017.