BIOMATEMATICA XIII (2003) 8589 Uma Publicao do Grupo de Biomatemtica IMECC UNICAMP ca a

Controle Fuzzy Aplicado ` Biomatemtica a a

L. C. Barros1, R. C. Bassanezi2, DMA, IMECCUNICAMP, 13.083-970 Campinas, SP.

R. S. M. Jafelice3, Matemtica, UFU, 38.408-100 Uberlndia, MG. a a

Resumo. Os modelos de Biomatemtica para se estudar a AIDS (S a ndrome da Imunodecincia Adquirida) so, via de regra, dados por um sistema de equaes diferenciais. Nos e a co modelos clssicos para se estudar a evoluo da populao HIV positivo para a manifestao a ca ca ca da AIDS, a taxa de converso () um parmetro obtido por mtodos estat a e a e sticos. Nosso interesse aqui usar a teoria fuzzy para avaliar esta taxa a partir de conhecimentos de e especialistas.

Palavras-chave: Epidemiologia, Conjunto Fuzzy, Equaoes Diferenciais, Controc lador Fuzzy.

1. Introduo ca
Nos ultimos anos a AIDS (S ndrome da Imunodecincia Adquirida) tornou-se um e problema de sade pblica. O interesse de pesquisadores no seu estudo tem crescido conu u sideravelmente. Os modelos em Biomatemtica so, via de regra, dados por um sistema de a equaoes diferenciais. Nos modelos clssicos mais simples para se estudar a evoluo da c a ca populaao HIV positivo para a manifestao da AIDS, considera-se a taxa de converso c ca a constante () a qual obtida por mtodos estat e e sticos. No entanto, o estudo da AIDS por parte de especialistas da rea de sade leva em conta dois parmetros: a carga viral v e a a u a concentraao de CD4+ dos indiv c duos soropositivo, para a partir da indicar alguma pol , tica de controle. O CD4+ o principal linfcito T que o retrov HIV ataca ao atingir o sangue e o rus humano. Na tentativa de tornar os modelos clssicos mais realistas temos procurado incorpoa rar opinies de especialistas e, uma delas supor que a taxa de converso de indiv o e a duos assintomtico para sintomtico, varia de indiv a a duo para indiv duo, o que nos levou a adotar = (v, CD4+). Desta forma, passa a ter um signicado biolgico. o
1 laeciocb@ime.unicamp.br 2 rodney@ime.unicamp.br 3 rosanam@dca.fee.unicamp.br

86

Barros, Bassanezi & Jafelice

Por outro lado, para diagnosticar o estgio da doena e quando utilizar a terapia a c retroviral, as informaoes utilizadas so ling c a sticas, tanto para v como para CD4+ e tambm e para: alto, baixo, mdio, dentre outros. e Para tratar matematicamente os aspectos vagos destas informaes temos utilizado a co Teoria dos Conjuntos Nebulosos (ou fuzzy) formalizada por Zadeh (Zadeh, 1965).

2. Metodologia
Considere uma populaao cuja densidade de soropositivos no instante t x(t) e a de c e aidticos y(t). Um modelo simples, sem tratamento e sem considerar a morte, para descre e ever a evoluao do nmero de indiv c u duos aidticos pode ser dado pelo sistema de equaes e co diferenciais: dx = (v, CD4+)x dt (2.1) dy = (v, CD4+)(1 y), dt com x(0) = 1, y(0) = 0 e, x + y = 1, cuja soluo ca e x(t) = Exp((v, CD4+)t, y(t) = 1 Exp((v, CD4+)t. Assim, para se conhecer x(t) necessrio avaliar a taxa de transferncia = (v, CD4+). e a e Embora dependa de v e de CD4+, ns no sabemos, a princ o a pio, expressar essa dependncia matematicamente, j que as informaes sobre v e CD4+ so ling a co a sticas e no numricas. a e Utilizamos ento a Teoria dos Conjuntos Nebulosos(fuzzy), mais especicamente, Teoria de a Controle Fuzzy para fazer a avaliao de . A partir das informaes biolgicas (portanto ca co o qualitativas) de v e CD4+, apelamos para os Controladores Fuzzy do tipo Mamdani que tem o seguinte esquema:

Figura 1: Esquema de controle fuzzy. No esquema acima a base de conhecimentos traduzida por um conjunto de regras e fuzzy as quais desempenham o papel de uma funo matemtica para obter . Juntamente ca a com especialistas da AIDS, obtemos a seguinte base de regras fuzzy: 1.Se v baixa e CD4+ baixo ento alta. e e a e 2.Se v baixa e CD4+ mdio ento mdia. e e e a e e 3.Se v baixa e CD4+ alto ento baixa. e e a e

Controle Fuzzy Aplicado ` Biomatemtica a a

87

4.Se v mdia e CD4+ baixo ento alta. e e e a e 5.Se v mdia e CD4+ mdio ento mdia. e e e e a e e 6.Se v mdia e CD4+ alto ento baixa. e e e a e 7.Se v alta e CD4+ baixo ento alta. e e a e 8.Se v alta e CD4+ mdio ento mdia. e e e a e e 9.Se v alta e CD4+ alto ento mdia. e e a e e Agora, cada um dos adjetivos como baixo, mdio e alto, so modelados matematicae a mente por um conjunto fuzzy atravs de sua funo de pertinncia () que tambm obtida e ca e e e junto aos especialistas. Para o nosso caso espec co as funes de pertinncias so do tipo co e a gaussianas. O mtodo de Mamdani agrega as regras atravs do operador lgico OU, que mode e o e elado pelo operador matemtico mximo () e, em cada regra, os operadores lgicos E e a a o ENTAO so modelados pelo operador m a nimo (). Para ilustrar o mtodo vamos usar apee nas duas regras genricas, do tipo daquelas que aparecem em nossa base de regras, cada e uma com duas entradas e uma sa (Figura2). da R1 : Se A1 e B1 ento C1 e e a e R2 : Se A2 e B2 ento C2 . e e a e A sa geral, z , do mtodo dada pela defuzzicao ( espcie de mdia) da sa da e e ca e e da fuzzy obtida a partir dos operadores lgicos descritos acima. No nosso caso usamos a deo fuzzicaao do centro de massa que c e z= z(z)dz (z)dz

Embora o acompanhamento mdico baseie-se nas medidas feitas para v e CD4+, e e sabido que, sem tratamento, h uma correlao entre v e CD4+. Mais ainda, que quanto a ca maior a carga viral, menor o n de CD4+. Da literatura sabemos que CD4 + (v) = e e vel 0 + a.ev , onde 0 a produao diria de CD4+ e a a quantidade de CD4+ presente no e c a e organismo, de maneira que podemos tomar = (v). Com a metodologia de controladores fuzzy indicada acima, obtemos a taxa de transferncia como funo da carga viral (ver e ca Figura3).

3. Discusso e Concluses a o
A teoria fuzzy, tal como a conhecemos hoje, surgiu com o propsito de fazer com que o computadores pudessem armazenar no s d a o gitos mas tambm conceitos vagos, como um e pouco mais, aproximadamente, etc. Para tanto, adotou-se atribuir um valor entre zero e um para indicar o quanto um dado elao conceito que pretende-se programar. O primeiro e conceito que tivemos na teoria fuzzy foi o de conjunto fuzzy. Tal conceito foi obtido a partir da funao caracter c stica de um conjunto, cuja imagem est em {0, 1}. Permitindo uma a espcie de relaxamento no conjunto imagem da funo caracter e ca stica de um conjunto que e foi formalizado matematicamente o conceito de conjunto fuzzy Zadeh (1965) caracterizou

88

Barros, Bassanezi & Jafelice

Figura 2: Mtodo de Mamdani com composio min/max. e ca

Figura 3: taxa de transferncia em funo da carga viral v. e ca

Controle Fuzzy Aplicado ` Biomatemtica a a

89

um conjunto fuzzy F por uma funo , chamada funo de pertinncia do conjunto fuzzy ca ca e F , permitindo que sua imagem possa assumir qualquer valor no intervalo [0, 1]. O nmero u (x) indica o grau com que o elemento x de um universo U est no conjunto fuzzy F . a Os valores (x) = 0 e (x) = 1 representam, respectivamente, a no pertinncia e a pera e tinncia completa de x ao conjunto fuzzy F . Assim, um conjunto clssico um particular e a e conjunto fuzzy cuja funao de pertinncia sua funo caracter c e e ca stica. Por meio das funoes c de pertinncia que se torna poss e e vel o armazenamento e a manipulao de informaoes ca c vagas e assim, sistemas computacionais adquirem capacidade de lidar com informaes exco pressas numa linguagem natural. Segundo especialistas na rea de Cincia da Computaao, a e c esta exibilidade torna os sistemas de controle fuzzy mais robustos que aqueles baseados na lgica clssica tradicional. Atualmente a teoria fuzzy tem sido largamente aplicada nas o a mais diversas reas, como pode ser vericado em (Ribacionka, 1999) ou (Gomide e Pedrycz, a 1998). Em medicina, os primeiros trabalhos foram em diagnstico mdico. Um exemplo o e de aplicaao em diagnstico mdico pode ser encontrado em (Barros e Bassanezi, 2001). c o e Em (Jafelice et al., 2002) e (Ortega, 2001) o leitor pode encontrar diversas aplicaes em co medicina e epidemiologia em geral. Nossas aplicaes da teoria fuzzy em Biomatemtica co a tm mostrado resultados bastante satisfatrios, como o obtido aqui neste pequeno trabalho, e o onde a avaliaao do parmetro foi feita a partir de informaes biolgicas as quais foram c co o expressas numa linguagem natural.

Referncias e
Barros, L. C. e Bassanezi, R. C. (2001). Introduao a Teoria Fuzzy - Aplicaoes em Bioc ` c matemtica. IMECC-UNICAMP, Campinas. a Gomide, F. e Pedrycz, W. (1998). An Introduction to Fuzzy Sets-Analysis and Design. MIT, New York. Jafelice, R. S. M., Barros, L. C., Bassanezi, R. C., e Gomide, F. (2002). Modelos Epidemiolgicos com parmetros subjetivos. FEEC-Unicamp, Campinas. Relatrio o a o TcnicoDCA-001. e Ortega, N. R. S. (2001). Aplicaao da Teoria de Lgica Fuzzy a Problemas da Biomedicina. c o Tese de Doutorado, Programa de F sica, USP, So Paulo. a Ribacionka, F. (1999). Sistemas computacionais baseados em lgica fuzzy. Tese de Mestrado, o Programa de Engenharia Eltrica, Universidade Mackenzie, So Paulo. e a Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8:338353.

90

Barros, Bassanezi & Jafelice