Made available in DSpace on 2014-12-17T14:55:04Z (GMT). No. of bitstreams: 1 GlauciaRMAS_TESE.pdf: 2163942 bytes, checksum: 5778dd8818ffc286b87137c2a56b9fc0 (MD5) Previous issue date: 2012-05-14 / Coordena??o de Aperfei?oamento de Pessoal de N?vel Superior / Breast cancer, despite being one of the leading causes of death among women worldwide is a disease that can be cured if diagnosed early. One of the main techniques used in the detection of breast cancer is the Fine Needle Aspirate FNA (aspiration puncture by thin needle) which, depending on the clinical case, requires the analysis of several medical specialists for the diagnosis development. However, such diagnosis and second opinions have been hampered by geographical dispersion of physicians and/or the difficulty in reconciling time to undertake work together. Within this reality, this PhD thesis uses computational intelligence in medical decision-making support for remote diagnosis. For that purpose, it presents a fuzzy method to assist the diagnosis of breast cancer, able to process and sort data extracted from breast tissue obtained by FNA. This method is integrated into a virtual environment for collaborative remote diagnosis, whose model was developed providing for the incorporation of prerequisite Modules for Pre Diagnosis to support medical decision. On the fuzzy Method Development, the process of knowledge acquisition was carried out by extraction and analysis of numerical data in gold standard data base and by interviews and discussions with medical experts. The method has been tested and validated with real cases and, according to the sensitivity and specificity achieved (correct diagnosis of tumors, malignant and benign respectively), the results obtained were satisfactory, considering the opinions of doctors and the quality standards for diagnosis of breast cancer and comparing them with other studies involving breast cancer diagnosis by FNA. / O c?ncer de mama, apesar de ser uma das principais causas de morte entre as mulheres em todo o mundo, ? uma doen?a que pode ser curada se for diagnosticada precocemente. Uma das principais t?cnicas utilizadas na detec??o de c?ncer de mama ? a Fine Needle Aspirate FNA (ou Pun??o Aspirativa por Agulha Fina) que, dependendo do caso cl?nico, necessita da an?lise de v?rios m?dicos especialistas para a efetiva??o do diagn?stico. Entretanto, a realiza??o de tais diagn?sticos e a emiss?o de segundos pareceres t?m sido prejudicadas pela dispers?o geogr?fica dos m?dicos e/ou a dificuldade na concilia??o de tempo para realizar trabalhos em conjunto. Inserindo-se nessa realidade, esta tese de doutorado utiliza intelig?ncia computacional no apoio ? tomada de decis?o m?dica para a realiza??o de telediagn?sticos. Para tanto apresenta um m?todo fuzzy destinado a auxiliar o diagn?stico de c?ncer de mama, capaz de processar e classificar dados extra?dos de esfrega?os de tecidos mam?rios obtidos por FNA. Este m?todo est? integrado a um ambiente virtual para realiza??o de telediagn?stico colaborativo, cujo modelo foi desenvolvido prevendo a incorpora??o de M?dulos de Pr?-Diagn?stico para apoio ? tomada de decis?o m?dica. No desenvolvimento do m?todo fuzzy, o processo de aquisi??o do conhecimento foi realizado pela extra??o e an?lise dos dados num?ricos em base de dados padr?o ouro e por entrevistas e discuss?es com m?dicos especialistas. O m?todo foi testado e validado com casos reais e, em fun??o da sensibilidade e da especificidade alcan?adas (diagn?stico correto de tumores, respectivamente, malignos e benignos), os resultados obtidos foram satisfat?rios, considerando tanto os pareceres de m?dicos e os padr?es de qualidade para diagn?stico de c?ncer de mama quanto a compara??o com outros estudos realizados envolvendo diagn?stico de c?ncer de mama por FNA.