Resumo
A Hipertensão Arterial (HA) é um problema de saúde pública em todo o mundo. No Brasil, ela atinge 36 milhões de pessoas adultas, mais de 60% dos idosos e contribui para o aumento do risco de doenças cardiovasculares e cerebrovasculares. Um diagnóstico casual ou tardio diante da falta de conhecimento da seriedade do problema ou mesmo assintomatologia de pacientes com comorbidade urge a tomada de medidas com um acompanhamento profícuo e contínuo. Esta pesquisa apresenta o Next-GISSA, um sistema inteligente para a predição de Hipertensão Arterial (HA), via monitoramento dos sinais vitais de saúde do paciente, de seu histórico clínico e de informações contextuais em tempo real do paciente. O Next-GISSA foi proposto como um componente adicional ao GISSA, uma plataforma de governança inteligente para a tomada de decisão em Saúde Digital, produto já operacional em vários municípios pela startup “Avicena Governança Inteligente”. Assim, o principal objetivo do Next-GISSA é a ampliação da arquitetura do GISSA com agregação de novas funcionalidades baseadas em IoT, Ontologia de Risco e Aprendizado de Máquina, no contexto da HA. Diante disto, tem-se a problemática: Como monitorar de forma preditiva e contínua em tempo real os pacientes hipertensos que constam no Relatório de Pessoas Adscritas do GISSA? Para tanto, foi proposta uma arquitetura conceitual junto ao GISSA no tocante a coleta de sinais vitais do paciente através de um dispositivo vestível (smartwatch), onde o Next-GISSA sugere o uso da plataforma “dojot”, uma solução criada pelo CPQD com o objetivo de acelerar o desenvolvimento de aplicações de Internet das Coisas (IoT). Para o contexto da predição da HA, esta pesquisa investigou possíveis soluções inteligentes disponíveis que melhor atendessem aos requisitos clínicos do caso, desde os clássicos algoritmos de Aprendizado de Máquina (AM) amparados por ontologias no auxílio aos processos cognitivos desenvolvidos na tomada de decisão. Esta análise se faz necessária devido, principalmente, a complexidade do cenário em estudo que envolve o cruzamento de dados on-line (sinais vitais) com o histórico clínico (off-line) do paciente. Este cruzamento de dados serve como um dispositivo de “gatilho”, baseado em conhecimento explícito (regras definidas por um especialista), no acionamento de um “bot” a dialogar com o paciente (informações em tempo real). Deste diálogo, contextualizado também no histórico do paciente, ter-se-iam atributos necessários para alimentar algo