Loading...
Publication
Ferramenta de apoio à decisão clínica dentária
| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 5.31 MB | Adobe PDF |
Advisor(s)
Abstract(s)
As interações medicamentosas representam um risco relevante na prática da medicina dentária,
agravada pela polimedicação de pacientes e pela necessidade de decisões em tempo útil.
Perante a escassez de ferramentas especificamente orientadas para a medicina dentária, a
avaliação de interações realizada através de consultas manuais, para além de morosa é
propensa a erro. Este trabalho tem como objetivo melhorar a segurança e a qualidade da
prescrição em medicina dentária através da implementação e avaliação de uma ferramenta de
apoio à decisão baseada em inteligência artificial para detetar interações existentes e
recomendar alternativas seguras. A metodologia segue os princípios do Preferred Reporting
Items for Systematic Reviews and Meta-Analyses (PRISMA) para revisão sistemática da literatura
e o desenho e implementação de um protótipo guiado pelo Cross-Industry Standard Process for
Data Mining (CRISP-DM), culminando numa validação funcional em casos simulados e recolha
de feedback de um perito, no caso, um médico dentista. A solução destacou-se pela sua
capacidade de avaliar interações clinicamente relevantes e gerar recomendações em tempo
inferior a 2 segundos por consulta, disponibilizando explicações transparentes em testes com
casos representativos em contexto dentário. Obtendo um bom desempenho para o modo de
recomendações “similar” e exclusão de interações graves no modo de recomendações “seguro”.
Os principais contributos são uma ferramenta focalizada no contexto dentário, uma arquitetura
modular e explicável e um protocolo de avaliação avaliado em contexto clínico.
Drug-drug interactions (DDIs) pose a significant risk in dental practice, compounded by patient polypharmacy and the need for timely decision-making. In the absence of tools specifically tailored to dentistry, manual look-ups for interaction assessment are time-consuming and errorprone. This work aims to enhance the safety and quality of prescribing in dentistry through the implementation and evaluation of an artificial intelligence-based decision support tool to detect existing interactions and recommend safe alternatives. The methodology follows the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) principles for the systematic literature review, and the design and implementation of a prototype guided by the Cross-Industry Standard Process for Data Mining (CRISP-DM), culminating in functional validation on simulated cases and expert feedback from a dentist. The solution stood out for its ability to assess clinically relevant interactions and generate recommendations in under 2 seconds per query, providing transparent explanations in tests with representative cases in the dental context. It achieved good performance in the “similar” recommendation mode and successfully excluded severe interactions in the “safe” mode. The main contributions are a tool focused on the dental context, a modular and explainable architecture, and an evaluation protocol assessed in a clinical context.
Drug-drug interactions (DDIs) pose a significant risk in dental practice, compounded by patient polypharmacy and the need for timely decision-making. In the absence of tools specifically tailored to dentistry, manual look-ups for interaction assessment are time-consuming and errorprone. This work aims to enhance the safety and quality of prescribing in dentistry through the implementation and evaluation of an artificial intelligence-based decision support tool to detect existing interactions and recommend safe alternatives. The methodology follows the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) principles for the systematic literature review, and the design and implementation of a prototype guided by the Cross-Industry Standard Process for Data Mining (CRISP-DM), culminating in functional validation on simulated cases and expert feedback from a dentist. The solution stood out for its ability to assess clinically relevant interactions and generate recommendations in under 2 seconds per query, providing transparent explanations in tests with representative cases in the dental context. It achieved good performance in the “similar” recommendation mode and successfully excluded severe interactions in the “safe” mode. The main contributions are a tool focused on the dental context, a modular and explainable architecture, and an evaluation protocol assessed in a clinical context.
Description
Keywords
drug drug interactions (DDIs) dentistry artificial intelligence drug recommendation clinical decision support Interações medicamentosas medicina dentária inteligência artificial recomendação de medicamentos apoio à decisão clínica