In Bayesian networks propagation of information is done with messages sent between adjacent nodes. However, if
IntroduçãoO diagnóstico médico se insere numa categoria ampla de problemas nos quais a questão central é inferir sobre a ocorrência de uma ou mais anomalias internas a um sistema a partir da observação de indicadores externos por ele produzidos.Fornecer um diagnóstico pode ser uma tarefa difí-cil em alguns casos devido a incertezas nos sintomas e à possibilidade de um mesmo sintoma estar associado a mais de uma doença. No caso específico das doenças neuromusculares ainda há uma outra caracterís-tica peculiar: não é desprezível a possibilidade de duas anomalias (doenças) afetarem as observações (sintomas) de maneiras opostas. Todas estas características evidenciam a complexidade do diagnóstico médico e a utilidade de se dispor de ferramentas computacionais para o auxílio ao trabalho do médico.Um problema subjacente ao desenvolvimento destas ferramentas é a modelagem da relação probabilística entre o conjunto de anomalias de interesse (doenças) e o conjunto de observações de que se pode dispor (indicadores de exames laboratoriais e sintomas observados em exames clínicos).Dadas as peculiaridades desta relação, é especialmente importante que a modelagem viabilize a incorporação do conhecimento empírico acumulado pelos médi-cos no desenvolvimento e aplicação das ferramentas de auxílio ao diagnóstico.Nesse sentido, as redes probabilísticas se mostram adequadas. Essas redes podem ser entendidas de maneira simples: são grafos orientados onde as ligações entre dois nós são munidas de medidas de probabilidade condicional e que podem ser construídos a partir de uma base de dados empíricos (observações e os diagnósticos correspondentes).A idéia básica que alimenta o grande interesse pelas redes probabilísticas, também conhecidas como redes bayesianas, é fatorar uma função distribuição de probabilidade com múltiplas variáveis em diversos termos mais simples (envolvendo poucas variáveis), explorando relações de independência condicional entre as variáveis aleatórias em questão.Uma vez obtida a rede bayesiana associada a uma base de dados, é possível usá-la para avaliar o impacto de novas entradas no sistema modelado e realizar inferências de base probabilística.No projeto "Sistema Computacional para Auxílio ao Diagnóstico de Doenças Neuromusculares" [1], que deu origem a este trabalho, foi proposto o uso das redes bayesianas para o desenvolvimento de uma ferramenta computacional de auxílio ao diagnóstico das doenças nele contempladas. Devido a problemas encontrados nos algoritmos de inferência quando a rede apresenta laços, neste artigo propomos um procedimento para se obter uma rede derivada sem laços, através da retirada criteriosa de arcos.O trabalho apresenta na Seção 2 as técnicas de construção de uma rede a partir dos dados. Na Seção 3 apresenta-se as técnicas para inferência e os problemas com a presença de laços. Na Seção 4 é apresentado o critério para a retirada dos laços. Na Seção 5 esse critéri...