Establishment of diagnostic procedures for coronary artery disease based on fuzzy set theory applied to clinical epidemiological data and treadmill electrocardiography and myocardial perfusion scintigraphy results.

A doença arterial coronária (DAC) é uma das principais causas de morte no mundo. A detecção precoce é importante para prevenir este tipo de ocorrência. O método considerado padrão ouro para avaliar obstruções parciais críticas é a cinecoronariografia, uma técnica invasiva, trabalhosa e cara. Existem métodos não invasivos que podem ser utilizados para estabelecer este diagnóstico. A base do diagnóstico não invasivo da DAC tem sido a análise seqüencial dos fatores de risco e dos resultados do teste ergométrico e da cintilografia de perfusão do miocárdio. Muitos pesquisadores demonstraram que a utilização diagnóstica apropriada da cintilografia de perfusão do miocárdio e da cinecoronariografia é naqueles pacientes que têm probabilidade intermediária e alta para DAC, respectivamente. Apesar desta informação ser útil, ela é utilizada de forma limitada na prática clínica, devido à dificuldade em classificar apropriadamente os pacientes. Desde os artigos pioneiros de Lotfi A. Zadeh, a lógica fuzzy tem sido aplicada em diversas áreas. Ela é especialmente útil nas aplicações médicas, uma vez que as informações utilizadas no processo de decisão são incertas. Neste trabalho, foram desenvolvidos e testados modelos baseados na teoria de conjuntos fuzzy, para selecionar os pacientes que devem ser submetidos a cintilografia de perfusão do miocárdio e a cinecoronariografia. Utilizou-se grupo de 1053 pacientes para desenvolver os modelos e outro de 1045 para testá-los. Comparou-se o desempenho dos modelos com o de médicos especialistas utilizando-se curvas ROC e observou-se que os modelos fuzzy têm desempenho igual ou superior a estes especialistas na seleção dos pacientes que devem ser submetidos a cintilografia e cinecoronariografia, podendo, portanto, ser de grande auxílio ao médico na realização desta tarefa.Coronary artery disease (CAD) is a worldwide leading cause of death. Early detection is important to prevent such sort of outcome. The gold standard method for evaluating critical partial occlusions is coronary arteriography, a catheterization technique which is invasive, time consuming, and costly. There are noninvasive approaches for early detection of CAD. The basis for the noninvasive diagnosis of CAD has been laid in a sequential analysis of the risk factors, and the results of treadmill electrocardiography and myocardial perfusion scintigraphy. Many investigators have demonstrated that appropriate diagnostic applications of myocardial perfusion scintigraphy and coronary arteriography are in patients who have an intermediate and a high likelihood of disease, respectively. Although this information is useful, it is only partially utilized in the clinical practice due to the difficulty to properly classify the patients. Since the seminal article by Lotfi A. Zadeh fuzzy logic has been applied in numerous areas. It is especially suited to medical applications, since much of the information required for decision-making is uncertain. In this paper, we proposed and tested models to select patients that have to undergo myocardial perfusion scintigraphy and coronary arteriography based on fuzzy set theory. It was used a group of 1053 patients to develop the models and another one of 1045 patients to test them. It was utilized ROC curves to compare the performance of the models with the ones of experts’ physicians and it was observed that the fuzzy models have a performance equal or superior to the experts in the selection of the patients that should perform scintigraphy and coronary arteriography, therefore, they could be a useful tool to assist the general practitioner in this task