• Sonuç bulunamadı

2. BİR TÜR OLARAK EFSANE VE MOTİFLERİ

2.1. Efsane ve Motif

2.1.1 Efsanenin Tanımı

Como explorado nas seções anteriores, a lógica descritiva possui várias vantagens para a representação e definição de conceitos. Seguindo a metodologia realista, ontologias representadas em lógica descritiva são robustas e a inferência é, do ponto de vista lógico, completa e decidível. Porém, durante a representação dos fragmentos na ontologia, limitações inerentes à linguagem foram encontradas.

Dentre os fragmentos, misturam-se expressões de modalidade, probabilidade, negação e operações matemáticas. Expressões de modalidade são modificadores de afirmações que expressam as condições nas quais a afirmação é verdadeira, como expressões de possibilidade e necessidade. Expressões de necessidade não oferecem obstáculo significativo para representação ontológica – quando inferidas pelo contexto do fragmento, podem ser representadas com axiomas em lógica descritiva. Ex. É necessário que o paciente seja um ser humano.

Diferentemente, expressões de possibilidade não podem ser diretamente representadas de forma fidedigna ao registro. Por exemplo, a expressão "ITU?" deve ser interpretada como "é possível que o paciente X tenha a doença infecção do trato urinário em atividade". Se representarmos esta afirmação com um axioma, corremos o risco de uma afirmação contrária no futuro, caso o diagnóstico seja excluído, o que cria uma

inconsistência no banco. De fato, esta questão é eminentemente epistêmica: o médico raciocina considerando que o paciente possui a doença e pedirá testes para excluir esta possibilidade.

Outra limitação encontrada na representação das instâncias é a dificuldade na expressão de operações matemáticas. A interpretação de diversos exames diagnósticos é baseado na comparação de resultados do paciente com padrões populacionais. Estas comparações são refletidas nos prontuários, com expressões como "anúria há mais de 24 horas", "queda de potássio (3,4)" e "usar medicamento de 15 em 15 dias".

Foram exploradas algumas soluções para estas limitações. A primeira opção explorada foi o uso de lógicas mais expressivas, como a lógica modal e a lógica epistêmica. Apesar do aumento de expressividade, estas opções foram descartadas por serem indecidíveis e requererem tempo excessivo para processamento.

A segunda opção estudada é a representação de hipóteses e operações como artefatos de informação da IAO, ou seja, a hipótese de infecção do trato urinário é um registro sobre a condição do paciente – sobre esta condição, porém, nada é afirmado. Uma vez que esta opção segue os preceitos do realismo ontológico, as inferências obtidas são corretas. Porém, esta saída claramente é um subterfúgio que não representa completamente a expressão. No exemplo mencionado, a busca por pacientes com infeccção do trato urinário não retorna o paciente em questão, pois nenhuma patologia foi instanciada, apenas a hipótese diagnóstica. Portanto, existem casos em que essa representação não responde aos objetivos pragmáticos da busca.

Uma adaptação da representação de artefatos de informação é a criação de um axioma com a propriedade "is_about" e o quantificador de lógica descritiva ONLY. Neste caso, à entidade "hipótese de infecção do trato urinário" é adicionada a relação "is_about ONLY InfecçãoDoTratoUrinário". Esta adaptação garante que inferências incorretas não serão realizadas. O axioma afirma que a hipótese, caso diga respeito a alguma instância, diz respeito a uma instância do grupo infecção do trato urinário. Desta forma, não há a exigência que esta instância exista e afirmações contrárias não causam inconsistência no banco. Apesar disto, buscas por pacientes com a doença não recuperam estes casos, e a busca deve ser alterada para encontrar hipóteses que digam respeito ("is_about") apenas ("ONLY") a infecção do trato urinário. Esta foi a opção escolhida no presente trabalho.

Porém, as tentativas de recuperação dos dados representados demonstraram que esta representação exige que o pesquisador saiba exatamente o que está buscando.

Outra questão que se mostrou não trivial foi a representação e recuperação de afirmações negativas, considerando o Open World Assumption. As questões que visaram recuperar asserções negativas – ex. Diagnósticos alternativos, ou diagnósticos que não são de um tipo específico, no caso, Trombose Venosa Profunda – não recuperaram as instâncias corretas. Para inferir que o diagnóstico 001 de Fratura da Perna não é um diagnóstico de Trombose Venosa Profunda, é necessário um axioma de disjunção de classe ou instância:

Diagnóstico Equivalent_To Diagnóstico_de_Fratura OR Diagnóstico_de_Trombose_Venosa_Profunda

Ou:

Diagnóstico001 Type NOT(Diagnóstico_de_Trombose_Venosa_Profunda)

É importante apontar que, ao fim da tese, uma terceira opção foi avaliada: o controle externo da interpretação. Apesar de todas as vantagens da representação lógica e, particularmente, da lógica descritiva, a linguagem não é adequada para a representação de regras (como as operações matemáticas). Estas regras são mais bem tratadas por linguagens procedurais, como a maioria das linguagens atuais de desenvolvimento de software. Certas linguagens desenvolvidas para a internet, como o SWRL (HORROCKS et

al., 2004) e o SPIN (KNUBLAUCH et al., 2011) também são capazes representar as regras,

contando com ferramentas robustas e velozes capazes de realizar o processamento.

A dificuldade na representação e busca de registros com afirmações de possibilidade também sugeriu que controles externos permitem mais maleabilidade ao modelo, ainda que adicionem dificuldades de interoperabilidade ao ignorar as definições lógicas estritas. Por exemplo, ao marcar todas os axiomas que representam hipóteses, é possível filtrar estes axiomas se a robusteza da inferência é necessária, ou permitir caso exista necessidade de uma busca mais abrangente no banco de dados. Voltando ao caso em questão, o axioma "CondiçãoDoPacienteX Type InfecçãoDoTratoUrinário" pode ser considerado para inferência, ou retirado da base de conhecimento. O mesmo vale para afirmações negativas. Neste

caso, por exemplo, é simples recuperar todas as instâncias e criar regras específicas para filtrar as instâncias desejadas.

7.1.2 Questão 2 – As afirmativas devem ser representadas como classe

Benzer Belgeler