Diagnóstico de tumores do ângulo ponto-cerebelar com o auxílio de técnicas de inteligência artificial A diagnostic model for cerebellum-pontine angle tumors using artificial intelligence techniques

• Main Authors: FLÁVIO LEITÃO, FERNANDO C. GOMES, SEBASTIÃO DIÓGENES, FLÁVIO LEITÃO FILHO
• Format: Article
• Language: English
• Published: Academia Brasileira de Neurologia (ABNEURO) 2000-03-01
• Series: Arquivos de Neuro-Psiquiatria
• Subjects: tumor do ângulo ponto-cerebelar; distúrbio otorrinolaringológico; inteligência artificial; aprendizagem automática; indução em árvores de decisão; cerebello-pontine angle tumor; otorhinolaryngological disorder; artificial intelligence; machine learning; decision tree induction
• Online Access: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0004-282X2000000100009
• ISSN: 0004-282X; 1678-4227

Trata-se de estudo multidisciplinar, cujo objetivo é a obtenção de modelo discriminatório entre diagnóstico de tumores do ângulo ponto-cerebelar (APC) e de distúrbios otorrinolaringológicos. Presentemente, a realização de um acurado exame neurológico e/ou otorrinolaringológico é incapaz de firmar diagnóstico de tumor do APC, sem valer-se de exames radiológicos de alto custo (tomografia computadorizada, ressonância magnética). O modelo proposto foi obtido através da utilização de técnicas de inteligência artificial e apresentou bom nível de acurácia (88,4%) no teste de novos casos, considerando-se apenas o exame clínico e sem o auxílio de exames radiológicos.<br>We are concerned in this paper with learning classification procedures from known cases. More precisely, we provide a diagnostic model that discriminate between cerebellum-pontine angle (CPA) tumors and otorhinolaryngological (ENT) disorders. Usually, in order to distinguish between CPA tumors and ENT disorders one must perform clinical-neurological examination together with expensive radiological imagery (CT and MRI). The proposed model was obtained through artificial intelligence methods and presented a good accuracy level (88.4%) when tested against new cases, considering only clinical examination without radiological imagery results.