94

ARTIGO ORIGINAL

Redes neurais no diagnóstico e terapêutica das artropatiasda articulação temporomandibular (ATM)l

Mário Maccari Filho1Claudio Roberto Palombo-'Renato M. E. Sabhatini'Moustafa M. EI-Guindy§

RESUMO

As diversas teorias empregadas na definição da etiologia das disfunções da A7M abrangem mecânimos,musculares, neuromusculares. psicológicos, psicofisiológicos, etc., como elementos desencadeadores dosdesequilíbrios articulares. A grande diversificação dos sintomas das artropatias da A7M tais comocefaléia, otalgia. dor da nuca, !remi-face, subluxação, estalídos, e muitos outros, aumentam o grau dedificuldades em definir o diagnóstico e a consequente intervenção terapêutica nos referidos distúrbios.A redescoberta das redes neurais na década de oitenta, e o ressurgimento do conceito de memóriaassociativa pelo qual o endereço de uma informação é o seu próprio conteúdo. isto é, a forma como océrebro holograficamente armazena informações, veio oferecer a pesquisa um fundamental subsídio naárea da saúde. Com a elaboração do Neuronet, um sistema binário, baseado em redes neurais, com retropropagação, capaz de treinar a rede neural, a percentagem de acertos nos estudos com pacientes~ foielevada a 95% em comparação com o máximo de 70% obtidos pelas estatísticas tradicionais.Uni/ermos: rede neural, articulação temporomandibular-diagnóstico, artropatias, informática médica,diagnóstico por computador.

INTRODUÇÃO

A articulação temporomandibular (ATM),classificada como uma diartrose dupla e bilateral, é umaarticulação sinovial que se estabelece entre o ossotemporal e ocôndilo da mandibula, é a única articulaçãomóvel do crânio e da face. Em indivíduos normais,devem apresentar um total equilíbrio entre a oclusãodentária e as superfícies articulares da ATM14.

A importância da avaliação do funcionamento daATM na terapêutica das algiasoto-temporais que muitasvezes, confundem o clínico, os cirurgiões dentistas,otorrinolaringologistas e neurologistas, foi relatado porSCHWARTZII. Este último autor sumarizou o quadrodos distúrbios articulares, sob o termo: síndrome da dore disfunção (PDS - Pain Disfunction Syndrome).

De acordo com DWORKIN et aJ.2,são diversas asteorias sobre a etiologia das disfunções da ATM,incluindo fatores mecânicos, musculares, psicológicos

(I) Trabalho 8pr~s~n1ado no I Simpósio Brasi1~iro de Informática ('lU Odontolog;a eMedicina Bueal. novembro 199,1.Campinas SP.

(2) Professor Adjunto de Patologia (ICB) e Proptdc:utica Odontológica da PUCCAMP.lJ) Coordtnad(\f do Grupo de Informálica Odonlológica do Núcleo de Informática

Biomédica . UNICAMP.(.) Coordenador do Núcleo de Infonnâtic8 Biomtdica - UNICAMP.(51 ProfessorTitulardt" Bioquímica da Faculdade deOdontologja dePiracicaba.UNICAMP.

e psicofisiológicos como elementos desencadeadoresdos desequilíbrios articulares.

Dentre as artropatias temporomandibulares a quemais transtorno causa aos pa<:ientes é a ancilóse,MACCARP,6.7; porém as demais são geralmente severasna intensidade e na duração, muitas vezes se confundindocom as neuralgias.

São comuns nas artropatias da ATM doresdiversas,como cefaléia, otalgia, dor na nuca, na hemiface, alémde sub-Iuxação, luxação, estalidos, crepitação,pinçamento articular, dentre tantos outros. Face a taissinais e ou sintomas, que nem sempre são patognomô-nicos, o cirúrgião dentista envereda por dificuldadesdiagnósticas e terapêuticas, nem sempre fáceis de seremsuperadas, pois a sintomatologia pode levar a outrosdiagnósticos, como descreve SHAFER 1~, a artritetraumática, osteoartrite degenerativa, disfunções mio-faciais, artrite reumatóide infecciosa, distúrbios

funcionais, e, até mesmo, às neoplasias.É neste particular que se coloca a questão principal,

escopo deste artigo. Em que e quais pontos, a informáticapode auxiliar a decisão do clínico no diagnóstico eterapêutica dessas artropatias? E porquê, especifica-mente, está se estudando atualmente a utilização dasRedes Neurais para estes fins?

Rcvista dc Ciências Médicas -PUCCAMP. Campinas, 3(3): 94-96. setcmbro/dezembro t994

[REDES NEURAIS NO DIAGNÓSTICO E TERAPÊUTICA DAS ARTROPATIAS DA

ARTICULAÇÃO TEMPOROMANDI13ULAR(ATM)

.

Redes IleuraisOs modelos conexionistas, modelos neuromórficos

ou simplesmente, redes neurais artificiais tiveram seusprimórdios com RASHEYSKY9, antes mesmo dos anosquarenta e foram continuados por BROWN1,McCULLOCH & PITS8, YON NEUMANN15, e

WINERI6, até o fim dos anos cinqüenta.Estes estudos, desde o início baseados nos estudos

clássicos da organização do tecido neural, levaram aofato de que redes neurais não precisam ser programadas,pois se auto-organizam, aprendendo ou adquirindo acapacidade de realizar tarefas associativas cclassificatórias através de treinamento repetitivo,supervisionado ou não, usando exemplos ou conjunto dedados.

Apesar de considerado importante instrumento deannazenamento e processamento da informação, a partirda analogia feita com a arquitetura dos computadoresbinários, os modelos conexionistas foram abandonados

nos anos sessenta, para ressurgir vigorosa mente nadécada dos anos oitenta. Tal inibição de quase duasdécadas deveu-se muito ao surgimento das linguagensde inteligência artificial, nos anos setenta, como o LISPe o PROLOG, bem como aos estudos que avançaram emdireção aos sistemas lógicos e heurísticos.

Não obstante, o conceito de memória associativa\

pelo qual o endereço de uma informação é o seu próprioconteúdo, isto é, a forma como o cérebro holografi-camente armazena informação, bem como o surgimento,em 1984, da Rede Kohonen e o seu Mapa AutoOrganizável (SOM - Self-Organizing Map) deram novoimpulso ao renascimento das redes neurais. Igualmente,a Rede de Hopfield, que formulava novos algorítmos,veio a contribuir para o desenvolvimento da área.

De acordo com SIMPSON13, uma Rede Neuralconsiste de:

-Nellrodos, ou Nodos, interconectados como umarede, eles recebem sinais binários ou contínuos doexterior ou de outros nodos.

- Sinápses, que são conexões diretas, processamestes sinais de alguma forma e enviam o produtoprocessado a outros neurodos ou para o exterior.

Na prática, em uma base de dados com casosclínicos de artropatias da ATM, os sinais ou os sintomasconstituem os sinais binários ou contínuos que vão serrecebidos por um ou mais neurodos. O produto doprocessamento a outros neurodos ou para o exterior é odiagnóstico.

Os sinais de entrada formam um vetor A =aI, a2,...ai, an com um nível de atividade quepode serexcitatóriaou inibitória. Associada a cada conexão ai, há um valorajustável chamado peso, formando um outro vetor W =Wlj, W2j,...Wij...Wnj. Oparâmetroextra oj moduladopelo peso Woj ativa o neurodo. A soma ponderada detodos ai wij é o resultado de saída bj, que é uma função

..

95

não-linear (por exemplo, sigmóide), equivalente aolimiar de ativação do neurodo (Figura 1).

a.I b.

)/Figura 1. Modelo matemático de um neurodo

lima arquitetura de interconexão entre os neurodosda rede, como, por exemplo, na Rede Honpfield, emque cada neurodo se conecta com os outros, elespodem ser estratificados e formados por duas oumaiscamadas, internas, medianas,ocultas ou externas(Figura 2).

+

Ak1

Figura 2. Topologia da rede SOM (Kohnen)

um método de codificação - armazenamento - e dedecodificação da informação na rede.

o aprendizado das redesComo já foi mencionado, o fato de que redes

neurais não precisam ser programadas, pois se auto-organizam, aprendendo tarefas associativas e classi-ficatórias através de treinamento repetitivo, supervi-sionado ou não, usando exemplos ou conjunto de dados,nos leva ao que venha a ser o aprendizado da rede.

Aprendizado é a modificação realizada na matrizW de uma rede neural de forma a mapear os padrões deentrada c de saída. O ideal é que por meio de umalgorítmo, este processo seja realizado de uma formaauto-organizado auto-ajustando seus pesos. Mas umarede pode ter um aprendizado supervisionado, em que arede computa uma função de erro entre os padrões deentrada e de saída simultaneamente apresentados. Emum dos mais conhecidos algorítmos de aprendizado, aretro-propagação, uma quantidade delta proporcional

Revista de Ciências Médicas - PUCCAMP, Campinas, 3(3): 94-96, setembro/dezembro 1994

96 M. Macarri Filho et aI.

ao erro é aplicada retroativamente a cada um dos pesos,da camada de saída para a de entrada. Aretro-propagaçãoé menos eficiente, mormente em sua velocidade deaprendizado, do que os outros algorítmos publicados naliteratura, mas é muito utilizado.

MATERIAL E MÉTODOSPara a presente pesquisa estão sendo utilizados:- Uma base de dados, em dBASE III Plus, com

cerca de 100 casos clínicos de artropatias da ATM.Casos estes com sinais e sintomas variados e comdiagnósticos diversos. Usamos a classificação deTOMMASp2, para os diagnósticos. São pacientes deambos os sexos e de todas as raças, e de idades diversas.Nesta base, os sinais e ou sintomas, constituindo-se nossinais binários ou contínuos deentrada são recebidos porum ou mais neurodos. E o produto do processamento aoutros neurodos ou para o exterior se constituindo nosdiagnósticos.

- Um software, o NEURONET, tem um sistemaespecialista binário baseado em redes neuronais comretro-propagação, capaz de treinar a rede neural;SABBATINllO,foi capaz de um acerto de 95% comrelação ao tempo de vida de 100 pacientes cominsuficiência cardíaca, enquanto que estatísticastradicionais conseguem um máximo de 70% de acerto.Foi capaz ainda de cruzar 13 informações básicas paraa avaliação da saúde dos pacientes.

O NEURONET está sendo usado nesta pesquisa,com metodologias semelhantes, como um sistema paraapoio às decisões aos diagnósticos e terapêuticas dasartropatias temporomandibulares, levando-se em contaseu sucesso comprovado em cardiologia.

Isto, de forma alguma, relega a um outro plano autilização das técnicas de Inteligência Artificialconvencional, através dos sistemas baseados emheurística. Uma tendência particularmente interessanteem nossos dias é a utilização cada vez maior de sistemahíbridos, que incorporam as técnicas de InteligênciaArtificial convencional e Redes Neurais3.

SUMMARY

Ncural networks in the diagnosis and thcl"apeuticsof thc arthropathies on the tempOloomandibularjoint (TM,n

The severallheories used 10define lhe etiology of lhe TMJdisfunclions comprehend mechanical, muscular,neuromuscular, psyellOlogical,psycophysiological, and olherfaclors as Irigger elemenls oflhe arlicular disfunclions. Thegreat diversificalion ofthe symploms, of lhe arlhropalhies,suelr as headaelre, olalgias, nape pain, hemi-face pain, sub-luxalion, clickings, and many olhers, increase the difJicullydegree to define lhe diagnosis and lhe consequenllherapeulicinlervenlion in lhe dislurbances. The rediscovery of theneural nelworks in 80's, and new raise of the conceplofassocialive memeory by which the addressofthe information

IS its own conlent. That is, the way how lhe brainIlOlographycally sIores informalion, offered 10the researel,afundamental supporl inHeallh area. With the de~'elopmenlof Neuronel, a binary system based in neural nelworks, withbackpropagalion, able 10 train the neural nelwork, lhepercentage of accuracy in lhe studies wilh palients, raised 1095% in comparison wilh lhe maximum of70% oblained by theIradilional slatislics.

Keywords: neural nctworks, tcmporomandibular joint-diagnosis, joint discascs, medical informatics, computer-assistcd diagnosis.

REFERENCIAS BIBLIOGRÁFICAS

1. I3ROWN, T.II., KAINISS, E.W., KEENAN, c.L. lIebbiansynapses mechanisms and algorithms. Anual Review ofNeurology, Michigan, v.13, p.451-475, 1990.

2. DWORKIN, S.P., IIUGGINS, KH., LE RECHE, L., VONKORF, M., IIOW ARD, J., TR VELOVE, E., SOMMERS,E. Epidemiology of sings and symptoms intemporomandibular disorders: clinical signs in cases andcontrol. J ournal of American Denlal Associalion, Ch icago,v.120, p.273-280, 1990.

3. COIIEN, M.E., IIUDSON, D.L., ANDERSON, M.D. Aneural network learnig algorithm with medical applications.In: SYMPOSIUM TIIE COMPUTER APPLICATION INTIIE MEDICAL CARE, 13., 1989, New York.Proceedings... New York : IEEE Press, 1989. p.307-311.

4. KOIIONEN, T. Selforganizalion associalive memory.l3erlin: Spring Verlag, 1984. p.132.

5. MACCARI 1'11.110,M. Estudo genético clínico e correçãocirúrgica da ancilóse temporomandibular. Revisla daTribuna Médica, Rio de Janeiro, v.384, n.3, p.16-23, 1972.

6. MACCARI FILIIO, M. Estudo genético clínico e correçãocirúrgica da ancilóse temporomandibular associada a outrasmal formações. Revista da Universidade Católica deCampinas, v.15, n.34, p.229-341, 1971.

7. MACCARI FILI 10, M. Estudo da incidência da subluxação,luxação do eslalido, e da crepitação temporomandibularem crianças na faixa etária de 7 a 15 anos entre indivíduosbrancos, negros e mestiços (mulalos). Piracicaba :UNICAMP, 1991, p.1-8. Dissertação(Mestrado) - Faculdadede Odontologia de Piracicaba, UNICAMP, 1991.

8. McCULLOCH, W., PITTS, W. A logical calculus of theideas emnament innervous activity. Bullelin MathemathicsBiophysis, Chicago, v.7, p.115-133, 1993.

9. RASIIEVSKY, N. Mathemalicalbiophysics.Chicago :University of Chicago Press, 1938.

10. SAI3BATINI, R.M.E. Redes neurais em medicina: umaintrodução. 4. ed. Campinas: UNICAMP, 1993. p.1-80.(Núcleo de Informálica l3iomédica)

11. SCHW ARTZ, L. Disordersofthe temporomandibular joints.Phyladelphia: Saunders, 1959. p.167-171.

12. SIIAFFER, W.G., IIINE, M.K, TOMICII, C.E. Tratado de

patologia bucal. Rio de Janeiro: Guanabara, 1987. p.650-661.

13. SIMPSON, P.K. Artificial neural systems: fondationparadigms, applications and implcmentations. London :Pergamon Press, 1990. p.209.

14. TOMMASI, A.I'. Diagnóstico em patologia bucal. São Paulo:Artes Médicas, 1992. p.501-535.

15. VON NEUMANN, J. The compU/er and the brain. NewYork: W.W. NortOIl, 1958. p.92.

16. WIENER, N. Cybernctics. New York: Willey, 1948.

Revista de Ciências Médicas - PUCCAMP, Campinas, 3(3): 94-96, setembro/dezembro 1994

1