Universidade Estadual de Campinas

Faculdade de Engenharia Eltrica e Computao

Departamento de Engenharia Biomdica

Anlise da Aquisio de
Equipamentos Mdico-Hospitalares
Utilizando Redes Neurais Artificiais
Ernesto F. F. Ramrez e Saide J. Calil

Slide 1 de 17

Introduo
Brasil Anos 90:
importaes (US$ 272 milhes 1,2 bilho)
US$ 71 milhes/ano em m.o. de manuteno
20 a 40% de EMH parados
Aquisio de EMH mal-feita:
sem critrios definidos
sem participao de profissionais experientes

Slide 2 de 17

Introduo (cont...)
Utilizao de Redes Neurais Artificiais (RNA):
-til para classificao de padres ou
aproximao de funes;
-Aprendizagem a partir de exemplos.
Objetivo:
Verificar a viabilidade de utilizar RNA para
representar o conhecimento de profissionais
envolvidos na anlise de propostas para
aquisio de equipamentos mdicos
Slide 3 de 17

Metodologia
A) Definio dos fatores de Avaliao
Preo de compra
Forma de pagamento

Custo
Custo de instalao
Custo de operao

Confiabilidade

Preciso

Desempenho

Operacionalidade
Manutenibilidade

Ergonomia
Experincia anterior
Padronizao

Segurana

Slide 4 de 17

Metodologia (cont...)
B) Consulta aos Especialistas
Engenheiros Clnicos (EC) - 1 semestre de 2003:
33 EC consultados por e-mail (03 NE; 16 SE; 12 Sul; 02 DF)
15 responderam (01 NE; 06 SE; 08 Sul; 00 DF)
Gestores de Sade (Grupo GS) - 2 semestre de 2003:
23 profissionais (07 enf.; 02 md./ vet./ admh./ odon./ eduf. / geog.; 01
farm. / hist./ servs./ mat.)

C) Anlise das Respostas Recebidas

Correlao/regresso e varincia.
Slide 5 de 17

Metodologia (cont...)
D) Escolha das RNA

Figura 1 Modelo LMS (neurnio linear treinado com o

algoritmo de mnimos quadrados)
Slide 6 de 17

Metodologia (cont...)
D) Escolha das RNA (cont...)

Figura 2 - Modelo RN-1 (Perceptron 3-5-1 treinado com o

algoritmo de Retro-Propagao)
Slide 7 de 17

Metodologia (cont...)
D) Escolha das RNA (cont...)

Figura 3 Modelo RN-2 (Perceptron 3-5-3-1 treinado com o

algoritmo de Retro-Propagao)

Slide 8 de 17

Metodologia (cont...)
E) Treinamento das RNA
100 RNA independentes (pesos sinpticos iniciais aleatrios) para
cada modelo e para cada grupo;
Seleo aleatria e sem reposio dos exemplos (70% + 30%);
Treinamento seqencial e ordem de apresentao aleatria;
Limite de 500 pocas para o grupo EC e 393 para o grupo GS
(77.000 exemplos);
Normalizao das entradas X1, X2 e X3 (diviso por 10).

F) Escolha do Melhor Modelo

Utilizao de Testes de Hipteses (p < 0,01)
Menor erro quadrtico mdio em relao a todos os exemplos e em
relao mdia das respostas dos especialistas
Slide 9 de 17

Resultados
A) Seleo dos Especialistas

Figura 4 - Respostas de Todos os especialistas (grupo EC)

Slide 10 de 17

Resultados (cont...)
A) Seleo dos Especialistas (cont...)

Figura 5 - Respostas dos especialistas do grupo EC aps seleo

Slide 11 de 17

Resultados (cont...)
A) Seleo dos Especialistas (cont...)

Figura 6 - Respostas dos especialistas do grupo GS aps seleo

Slide 12 de 17

Resultados (cont...)
B) Treinamento das RNA
Tabela 1 - Erros quadrticos mdios (EQMF) dos diversos modelos
de RNA, aps treinamento com as respostas do grupo EC

Tabela 2 - Erros quadrticos mdios (EQMF) dos diversos modelos

de RNA, aps treinamento com as respostas do grupo GS

Slide 13 de 17

Resultados (cont...)
B) Treinamento das RNA (cont...)
Expresso 1 - Resposta mdia do modelo LMS para o grupo EC
Nota Final = -1,39 + 0,56xCusto + 0,55xDesempenho + 0,21xErgonomia

Expresso 2 - Resposta mdia do modelo LMS para o grupo GS

Nota Final = -1,28 + 0,36xCusto + 0,58xDesempenho + 0,38xErgonomia

Slide 14 de 17

Resultados (cont...)
C) Escolha do Melhor Modelo
Mdia das respostas (EC)
Resultados do modelo RN-2
Resultados do modelo LMS
Resultados do modelo RN-1

Figura 7 - Comparao das respostas dos modelos de RNA

com a mdia das respostas dos especialistas do grupo EC

Slide 15 de 17

Resultados (cont...)
C) Escolha do Melhor Modelo

Mdia das respostas (GS)

Resultados do modelo RN-2
Resultados do modelo LMS
Resultados do modelo RN-1

Figura 8 - Comparao das respostas dos modelos de RNA

com a mdia das respostas dos especialistas do grupo GS

Slide 16 de 17

Discusso e Concluses
Erros quadrticos mdios prximos do ideal;
Menor EQMF para o modelo LMS;
Diferenas entre os erros absolutos so insignificantes;
Alta correlao nas respostas;
EC: Custo > Desempenho > Ergonomia;
GS: Desempenho > Ergonomia > Custo
Fatores: Custo, Desempenho e Ergonomia?
Uso promissor de RNA em Sistema Especialista Hbrido
Slide 17 de 17