Resultados Experimentais, Problemas Conceituais e Progresso Científico

Renan Springer de Freitas

If we affirm that scientific knowledge advances, we are implying there is some degree of continuity between given experimental results and given solutions to conceptual problems. This raises two questions: how does such continuity come about, and under what circumstances does scientific progress depend upon experimental results and/or the solution of conceptual problems? In an effort to respond to these questions, the article examines how certain piecemeal conceptual schemes find their way into certain theoretical frameworks, prompting changes in these. Recent advances in the area of artificial intelligence applied to medicine serve as an empirical basis for the discussion.

scientific progress; research traditions; artificial intelligence


scientific progress; research traditions; artificial intelligence

Resultados Experimentais, Problemas Conceituais e Progresso Científico

Renan Springer de Freitas

O conhecido debate entre Popper e Kuhn1 1 . Refiro-me a Popper (1970), Kuhn (1970a; 1970b) e demais contribuições em Lakatos e Musgrave (1970). dividiu a filosofia da ciência entre os que aceitam e os que negam a idéia de progresso genuíno da ciência. Na trilha de Popper, autores como Lakatos (1970), Laudan (1977) e Jarvie (1984) sustentam, ainda que por caminhos bem diferentes, que há mesmo progresso científico, sem aspas, o qual consiste na proliferação de problemas genuínos e de soluções desses problemas (isto é, de teorias) a partir de críticas a teorias estabelecidas. Progresso científico, dessa perspectiva, pode ser visto como uma seqüência de aprimoramentos nos planos empírico e conceitual. Na trilha de Kuhn (1962), autores como Bloor (1976) e Shapin e Schaffer (1985), para citar apenas alguns, argumentam que não há progresso científico genuíno2 2 . Feyerabend (1970) é um caso à parte. Ele mais do que ninguém procurou convencer as pessoas de que todo progresso científico é, na verdade, uma "ilusão epistemológica". Mas quando ele afirma que o único princípio que não inibe o progresso da ciência é o princípio do "vale tudo", creio que ele está falando de progresso mesmo, sem aspas, e não de "ilusão epistemológica". Com qual dos Feyerabends ficar? . Se, não obstante isso, temos a impressão de que a ciência progride, é porque a história da ciência é sempre contada por aqueles que aderiram a um paradigma vencedor, os quais não poderiam contá-la de outra forma a não ser como a história de alguma coisa que progrediu. Desse ponto de vista, não há nem problemas genuínos (há apenas quebra-cabeças vinculados a paradigmas específicos), nem teorias genuinamente boas, mas apenas mudanças de crenças sobre o que deve ser considerado um problema e sobre o que deve ser considerado uma boa teoria." Revoluções científicas", no fim das contas, traduzem tais "mudanças de crenças", e não aprimoramentos reais.

Se não há progresso científico genuíno, então o conhecimento científico é um conhecimento como outro qualquer3 3 . É bom que se diga que o próprio Kuhn jamais levou seu raciocínio a posição tão extrema. Pelo que sei, o mais longe que ele foi nesse nível está em sua afirmação de que os tratados científicos estão para a ciência como os folhetos turísticos estão para os lugares a que se referem. . Não é um exagero afirmar que a sociologia do conhecimento dos últimos vinte anos articula-se em torno dessa tese. Para autores como Bloor (1976), Barnes (1977), MacKenzie (1978) e Shapin e Schaffer (1985), dentre muitos outros, o conhecimento científico não tem privilégio algum sobre as demais formas de conhecimento. Tais autores chegam mesmo a afirmar que a ciência, tal como a conhecemos, bem poderia ter sido outra se as circunstâncias históricas e sociais nas quais ela apareceu e se desenvolveu também tivessem sido outras. Não vejo problemas em concordar com tal afirmação se por ela se entender que circunstâncias históricas e sociais determinadas podem impedir que uma boa teoria seja formulada ou prontamente aceita, retardando, assim, o progresso científico. Mas, a idéia mesma de que existem boas teorias, ou de que existem teorias melhores do que outras, é estranha à sociologia da ciência de inspiração kuhniana. Daí que fica excluída a possibilidade de se indagar como uma teoria pode vir a ser substituída por outra melhor com a passagem do tempo. Em outras palavras, fica excluída a possibilidade de se indagar como a crítica a teorias estabelecidas pode conduzir a uma seqüência de aprimoramentos nos planos empírico e conceitual4 4 . Curiosamente, apesar da centralidade da relação entre crítica de teoria e proliferação de problemas e de teorias no pensamento de Popper, ele mesmo nunca respondeu por que esperar tal proliferação a partir da crítica de teorias. Desenvolvo este ponto em Springer de Freitas (1997a). . Sugiro que responder a tal questão confunde-se com responder duas outras. A idéia de" seqüência" implica, por si mesma, uma continuidade entre determinados resultados experimentais e determinadas soluções de problemas conceituais5 5 . A idéia de problema conceitual é tomada de Laudan (1977). Talvez a melhor maneira de se entender isto seja retomando alguns exemplos do próprio Laudan. O que se questionava na astronomia de Copérnico não era sua adequação empírica, mas sua compatibilidade com um referencial mais amplo de pressupostos sobre o mundo natural, o qual vinha sendo articulado desde a Antiguidade. Similarmente, o sistema newtoniano não era alvo de objeções de ordem empírica, mas de restrições do tipo: o que é o espaço absoluto e por que tal conceito é necessário para a física? Como os corpos podem agir uns sobre os outros à distância? De onde surgem novas energias? ( idem:46). , isto é, implica que determinados resultados experimentais guardam alguma relação, tanto entre si, quanto com as referidas soluções de problemas conceituais. Daí as duas questões, a saber, como tal continuidade vem a se estabelecer, e em que circunstâncias o progresso científico depende de resultados experimentais e/ou de soluções para problemas conceituais.

Este artigo se ocupa dessas duas questões. Tomarei desenvolvimentos recentes na área de Inteligência Artificial Aplicada à Medicina (IAM) como material empírico para a discussão. A IAM ocupa-se do desenvolvimento de "técnicas representacionais", isto é, de meios de representar o conhecimento médico (o conhecimento, por exemplo, de que diarréia causa desidratação) de forma a torná-lo disponível para o computador. Minha discussão partirá de algumas idéias que expus em outro trabalho (Springer de Freitas, 1994), no qual examinei as condições sob as quais a crítica a concepções estabelecidas na área de IAM conduziu à emergência de uma nova teoria sobre decisões médicas assistidas por computador.

Meu ponto de partida é a idéia trivial de que teorias são sempre formuladas nos marcos de algum referencial teórico já existente (Popper, 1959; Lakatos, 1970). Críticas a teorias, por outro lado, são formuladas à luz de algum referencial alternativo (Laudan, 1977). Em decorrência, a crítica a uma determinada teoria torna disponível, para o referencial que abriga essa teoria, alguns pressupostos e algumas teorias que eram até então estranhos a esse referencial. A crítica de teorias envolve então a migração de elementos de um referencial para outro. Tais elementos migram para um novo referencial aos poucos, e o mantêm "ventilado", isto é, aberto à recepção de novos elementos, oriundos de outros referenciais. O relevante aqui é que, uma vez alojados em um determinado referencial, esses elementos migratórios podem desencadear todo um conjunto de revisões no interior deste referencial, alterando dessa forma a sua estrutura. Não se pode saber de antemão se, e em que extensão, esses elementos irão desencadear um conjunto de revisões dentro de referenciais. Pode-se, entretanto, descrever o mecanismo envolvido no processo.

Assim, se se toma o campo da Inteligência Artificial como exemplo, um dos modelos ou referenciais sobre os quais este campo se sustenta é o chamado Raciocínio Categórico (ao qual retornarei). Este referencial consiste de um conjunto de pressupostos e de teorias sobre como tornar o computador capaz de seguir uma linha de raciocínio (não é necessário descrever aqui tais pressupostos e teorias). Em artigo já mencionado (Springer de Freitas, 1994) procurei mostrar como um determinado elemento, o pressuposto de que uma causa só age sobre o que lhe é contíguo no tempo e no espaço (este pressuposto é conhecido como a idéia de causalidade local), aloja-se nesse referencial, levantando, dessa forma, o problema de como evitar lacunas causais na representação de relações entre doenças e sintomas6 6 . Talvez o exemplo seguinte ajude a entender o que seja "evitar lacunas causais". É sabido que diarréia causa desidratação. Cabe à IAM" ensinar" isto ao computador. Para tanto, o computador precisa "aprender" os mecanismos por meio dos quais diarréia conduz à desidratação. Evitar "lacunas causais" é tornar o computador capaz de operar com o maior número de mecanismos possíveis. É torná-lo capaz de seguir a seguinte linha de raciocínio: diarréia conduz à perda do fluxo gastrintestinal. Expresso num nível de detalhe seguinte, perda do fluxo gastrintestinal pode ser descrito como consistindo da perda de sódio e de potássio em conjunto com outros eletrólitos. A perda de água na presença de quantidade reduzida de sódio extracelular resulta em volume extracelular baixo, o qual, no nível mais alto de descrição, é descrito como desidratação. . Uma vez colocado, esse problema desencadeia todo um conjunto de novos problemas, de como mesclar os raciocínios probabilístico e categórico a como representar a influência que diferentes doenças exercem umas sobre as outras. Na medida em que tais problemas são postos, esforços no sentido de resolvê-los dão lugar a uma nova teoria de decisão médica assistida por computador e, em decorrência, ao desenvolvimento de uma técnica representacional mais aprimorada, o chamado Modelo Específico do Paciente. A idéia de causalidade local agiu, assim, como um trigger (detonador), isto é, ela desencadeou todo um conjunto de revisões dentro de um determinado referencial (o raciocínio categórico), dando desta forma lugar à proliferação de novos problemas e de novas teorias na área de IAM. Pode-se dizer que ao "receber" a idéia de causalidade local, o chamado Referencial Categórico tornou-se mais abrangente e mais "ventilado", isto é, mais apto a receber outros elementos (ou, para tomar a terminologia de De Mey, outros fragmentos de esquemas conceituais) migratórios e, portanto, a desenvolver novas teorias.7 7 . A idéia, crucial para o argumento aqui apresentado, de que fragmentos de esquemas conceituais oriundos de um determinado referencial teórico (ou de algum modelo de percepção) podem alojar-se em algum outro referencial e, a partir daí, desencadear alterações na estrutura desse outro referencial, é tomada de De Mey (1980).

Isto posto, posso agora retomar as questões deste artigo. Procurarei mostrar que tanto a continuidade entre resultados experimentais e soluções de problemas conceituais, quanto a importância relativa de cada um no progresso da IAM, dependem da maneira pela qual determinados fragmentos de esquemas conceituais se alojam, em um primeiro momento, na chamada "abordagem bayesiana de decisões médicas assistidas por computador" e, em um segundo, no já citado raciocínio categórico, e desencadeiam todo um conjunto de revisões no interior de cada um desses referenciais.

***

Talvez a melhor maneira de iniciar a discussão fosse com a pergunta: em que extensão o progresso da IAM é dependente de resultados experimentais?

Pelo que me consta, os primeiros modelos de decisão médica baseados no uso de computador foram desenvolvidos no fim dos anos 60, por um grupo de pesquisadores liderados por De Bombal, da Universidade de Leeds, Inglaterra. O grupo investigava doenças gastrintestinais, notadamente cólicas abdominais agudas. Eles elaboraram um programa para avaliar 304 casos. Os diagnósticos gerados pelo computador foram comparados com os obtidos no hospital da Universidade. O resultado foi surpreendente: os clínicos diagnosticaram corretamente apenas 65% a 80% dos 304 casos, ao passo que o programa foi correto em 91,8% dos casos. De especial interesse foi o desempenho do programa no que se refere ao diagnóstico de apendicite. O computador identificou rápida e corretamente todos os casos de apendicite e atribuiu apendicite equivocadamente a apenas seis pacientes. Os clínicos, em contrapartida, diagnosticaram equivocadamente vinte casos de cólica abdominal como apendicite, e, em seis casos, pacientes que estavam mesmo com apendicite foram "observados" por mais de oito horas até que fossem finalmente conduzidos à sala de cirurgia (Shortliffe, Buchanan e Feigenbaum, 1984: 56-57).

No início dos anos 70, outro grupo de pesquisadores, agora do MIT, liderados por Anthony Gorry, desenvolveu um programa para diagnóstico e tratamento de insuficiência renal aguda. O programa foi testado em dezoito casos, anteriormente tratados por dois nefrologistas de reconhecida competência. Em quatorze deles o diagnóstico, ou plano terapêutico, do programa coincidiu com o dos nefrologistas. Em três dos quatro casos restantes a decisão do programa coincidiu com a segunda escolha dos nefrologistas e foi, segundo estes, um plano alternativo de ação bastante razoável. No último caso, a decisão do programa foi também considerada razoável, embora não estivesse entre as duas primeiras escolhas dos nefrologistas (idem:56).

O que torna os resultados experimentais acima descritos relacionados entre si? E o que torna os experimentos de Gorry um avanço?

Quanto a De Bombal, o desempenho de seu programa pode ser considerado excelente. Não obstante, a base desse programa, a abordagem bayesiana, que permite calcular a probabilidade de se verificar determinada doença dado o conhecimento de um ou mais sintomas8 8 . Por exemplo, ela permite que se calcule a probabilidade de se estar com pneumonia dado que o doente tenha, digamos, 14 anos e apresente tosse persistente. , não foi poupada. Em primeiro lugar, por ser incapaz de considerar os casos em que um sintoma resulta de um concurso de doenças, e os efeitos provenientes das interações de tais doenças (por exemplo: mais de uma doença pode causar cólica abdominal ao mesmo tempo). Em segundo, por restringir o diagnóstico a um número limitado de possibilidades. No caso acima mencionado, as cólicas só poderiam ser atribuídas a sete doenças. Em decorrência, o computador "perde os casos raros e inesperados, exatamente os casos em que o clínico mais precisa de ajuda" (idem:57). Em terceiro, por ser incapaz de levar em consideração a interdependência dos sintomas (náusea e febre, por exemplo). Finalmente, por desconsiderar mudanças em padrões de doença ao longo do tempo:" [...] in many domains it may be inaccurate to assume that relevant conditional probabilities are stable over time (e.g., the likelihood that a particular bacterium will be sensitive to a specific antibiotic). Furthermore, diagnostic categories and definitions are constantly changing, as are physicians' observational techniques, thereby invalidating data previously accumulated" (idem:57-58).

O que fica do programa de De Bombal depois de tudo isso? Até onde pude perceber, não ficou nada, porque apesar de seus excelentes resultados experimentais, esse programa estava afogado em problemas conceituais que não conseguiu superar.

O programa de Gorry sobre insuficiência renal aguda, por outro lado, foi também realizado nos marcos do referencial bayesiano. Não obstante, Gorry fez uma pergunta que De Bombal não fez: por que em alguns casos, tais como, por exemplo, no tratamento de pacientes com hipertensão, a técnica bayesiana falhou, mas os médicos não? Responder a esta pergunta requereu rever todo o conhecimento sobre o julgamento clínico e, nesse sentido, lançar as bases para a criação de um novo referencial, o qual veio a ser conhecido como "Raciocínio Categórico". Na medida em que tal revisão solucionou muitos dos problemas conceituais envolvidos na utilização do programa de De Bombal, e desencadeou todo um conjunto de novos problemas conceituais, ela foi crucial para o desenvolvimento da IAM.

Para se entender a importância dessa revisão é necessário ter em mente a distinção, pelo que sei introduzida por Polanyi (1958), entre conhecimento de procedimentos (procedural knowledge), o qual não pode ser ensinado explicitamente, e conhecimento declarativo (declarative knowledge), que se baseia em princípios expressos durante a formação do cientista. Se alguém pede a um médico que diga tudo o que sabe sobre, por exemplo, a insuficiência cardíaca, ele mostrará um certo conhecimento sobre o assunto. Este é o "conhecimento declarativo". Se alguém, entretanto, pede a um médico para que relate suas experiências com pacientes com insuficiência cardíaca, e apresenta algumas discordâncias para que o médico reaja, então este vai exibir um conhecimento que não pôde mostrar no primeiro caso. Este é o "conhecimento de procedimentos". Não sei se Gorry algum dia leu Polanyi, mas a crítica de Gorry a seu próprio programa (aquele para diagnóstico de insuficiência renal aguda) levou a concepção polanyiana (de inspiração wittgensteiniana) de procedural knowledge a alojar-se no referencial bayesiano e desencadear todo um conjunto de alterações no interior desse referencial, e isto constitui uma boa ilustração de como fragmentos de esquemas conceituais podem migrar entre diferentes campos do conhecimento.

Mas, voltando ao que importa, ao alojar-se no referencial bayesiano, a referida concepção polanyiana desencadeou uma revisão radical de todo o conhecimento sobre o julgamento clínico. Esta revisão, à qual chamarei de a revisão de Gorry, consiste basicamente no seguinte:

1) o julgamento clínico baseia-se menos em um conhecimento acurado sobre patofisiologia do que em porções de conhecimento bruto, em muita experiência detalhada, a qual provê o especialista de um rico repertório de heurística, isto é, regras da forma: "se x está presente e y ausente, então D é uma boa hipótese a ser perseguida".9 9 . Por exemplo: "If (i) the infection is meningitis and (ii) organisms were not seen in the stain of the culture and (iii) the type of infection may be bacterial and (iv) the patient has been seriously burned, then there is suggestive evidence that Pseudonomas aeruginosa is one of the organisms that might be causing the infection". Esta é uma das heurísticas que alimentam um dos sistemas de diagnóstico assistidos por computador, o chamado MYCIN, que contém cerca de quinhentas regras desse tipo, as quais lidam com o diagnóstico e tratamento de bacteremia e meningite. Extraí este exemplo de Duda e Shortliffe (1983).

2) os clínicos conhecem fatos, naturalmente, mas seu conhecimento é também, em larga medida, um conhecimento de procedimentos. A heurística lhes possibilita concentrar a atenção em relativamente poucos diagnósticos ou tratamentos, evitando, dessa maneira, a proliferação de hipóteses. Uma dor abdominal, por exemplo, pode levantar uma dúzia de hipóteses, mas nenhum médico seria capaz de oferecer um diagnóstico se fosse examinar cada uma dessas hipóteses. Ao contrário, o médico tem de se concentrar em duas ou três hipóteses e, para isto, se vale (sem o perceber) de seu repertório de heurística.

3) os especialistas podem especificar a priori apenas parte de seu conhecimento adquirido via experiência. Parcela significativa desse conhecimento só pode ser explicitada em resposta a equívocos dos outros. Assim, embora haja muitas "partes" de conhecimento envolvidas na elaboração de um diagnóstico, os especialistas parecem ser capazes de expô-las claramente quando necessário (Gorry, 1984:29-30; Shortliffe, Buchanan e Feigenbaum, 1984:63).

À luz de tal revisão, os problemas conceituais implicados pelo uso do referencial bayesiano poderiam ser evitados desde que o especialista conhecesse a heurística de que se lança mão nos julgamentos clínicos. Tal conhecimento tornaria a IAM capaz de identificar os conceitos médicos mais importantes, tal como o de função renal, e de representá-los em um programa. Há várias maneiras de inferir a função renal e de avaliar se ela está estável ou em mudança. Quando não se conhece essas maneiras, um programa está fadado a interpretar equivocadamente as informações que recebe, como a de que a concentração de creatinina em um determinado paciente é 1,5. Para um paciente cuja concentração de creatinina era 1,3, o valor 1,5 pode ser considerado normal, mas para um paciente cuja concentração era 1,0, o valor 1,5 é altíssimo, podendo mesmo significar a perda de um terço da função renal. Para ser capaz de formular tal raciocínio, o computador deve ser capaz de reproduzir os procedimentos por meio dos quais os médicos inferem um valor para a função renal, e isto só é possível na medida em que os especialistas o alimentam com um grande número de heurísticas (Gorry, 1984:31-32).

Assim, foi somente a partir da revisão do estado do julgamento clínico procedida por Gorry que o conhecimento médico e a heurística para a solução de problemas na área de decisões clínicas assistidas por computador passaram a ser representados e utilizados de forma explícita. A partir daí o computador passou a ser capaz de fazer não só cálculos matemáticos, como o da probabilidade de um paciente estar com pneumonia se estiver apresentando febre e tosse persistentes, mas, também, inferências simbólicas, como a de que olhos amarelados é um sinal de icterícia.

Estamos, assim, diante de uma história em que pessoas como De Bombal e Gorry têm um papel importante. O primeiro, o de mostrar o valor de uma técnica de diagnóstico; o segundo, o de mostrar os problemas envolvidos no uso desta técnica, e os meios de superá-los, permitindo dessa forma a emergência de novos problemas e, como resultado de um esforço no sentido de resolvê-los, o desenvolvimento de técnicas mais avançadas, como o anteriormente mencionado (e ao qual retornarei) "modelo específico do paciente".

Não obstante a importância da revisão de Gorry, um outro fragmento de esquema conceitual, a saber, a teoria de que a excreção da digitalis se faz através dos rins, à qual se chegou a partir do trabalho de um certo William Withering, cientista do século XVIII, foi também fundamental para o progresso da IAM. Como entender isto?

Após centenas de anos sem nenhuma mudança no que se refere ao uso da digitalis, um aperfeiçoamento do entendimento de como se dá a eliminação desta droga significou um progresso considerável no que concerne a como evitar seus efeitos tóxicos (Szolovits e Long, 1982:82). Até o século XVIII, o entendimento corrente sobre a ação da digitalis podia ser descrito da seguinte maneira:

"A digitalis, quando usada em doses elevadas e muito repetitivas, ocasiona enjôo, vômito, purgação, tonteira, visão confusa, objetos aparecendo verdes ou amarelos; um aumento de secreção na urina e às vezes incapacidade de retê-la, pulso lento (chegando a apenas 35 batidas por minuto), suor frio, convulsões, síncope, e até a morte" (Withering, 1785 apud idem:81-82).

Tal entendimento da ação da digitalis mudou após a publicação do livro chamado An Account of the Foxglove, em 1785, escrito por William Withering. Até cerca de duas décadas atrás, o conselho de Withering era geralmente seguido:" Deixe o medicamento ser usado até agir sobre os rins, o estômago, o pulso, ou os intestinos; interrompa seu uso ao primeiro sinal destes efeitos" (Withering, 1785:186).

Assim, a digitalis passou a ser utilizada até o aparecimento do primeiro efeito tóxico. Entretanto, tal método resulta em muitos casos de reação tóxica, as quais podem ocorrer "if subtle therapeutic or toxic clues are missed and the dose is increased until significant toxic effects occur" (Szolovits e Long, 1982:82). Além disso, em alguns casos, reações tóxicas podem aparecer antes que qualquer benefício terapêutico pelo uso do medicamento possa ser obtido. Por outro lado, em função do trabalho sobre a farmacocinética da digitalis (isto é, sobre como ela é eliminada pelo organismo), sabe-se agora que a droga age diretamente sobre o músculo do coração, e que sua excreção se faz, principalmente, através dos rins (ibidem).

Esse novo conhecimento sobre a ação da digitalis veio a constituir um primeiro passo em direção à aplicação de IA em decisões médicas relacionadas ao aconselhamento no tratamento com a droga. Com o conhecimento de que a digitalis é eliminada pelos rins, dosagens deste medicamento podiam ser apropriadamente modificadas para se obter a taxa desejada de excreção renal. Por outro lado, sabia-se também que vários fatores tornam o paciente mais propenso a reações tóxicas, por exemplo, uma queda nos níveis de potássio. Conhecimentos como este, se colocados em termos quantitativos, poderiam ser utilizados para modificar doses prescritas de forma a diminuir as chances de efeitos tóxicos (ibidem). Um segundo passo em direção à aplicação de IA em decisões médicas relacionadas ao uso da digitalis foi dado por um programa escrito por Jelliffe et alii (1970; 1972), o qual permitiu que tais conhecimentos pudessem ser codificados em linguagem de computador. Tal programa "[...] was able to transform a given desired therapeutic level into a dosage schedule, based on the patient's weight and renal function. It also successfully dealt with a range of digitalis preparations, each with some different pharmacokinetic models, being able to compute appropriate schedules for moving the patient from one to another form of the drug" (Szolovits e Long, 1982:82). Em terceiro lugar, outro programa, desenvolvido por Sheiner et alii (1975), "[...] introduced the critical notion of feedback, suggesting that therapeutic recommendations must be based on an evaluation of the previous effects of the drug. This program used a measurement of the serum level of digitalis and a statistical model to suggest appropriate changes in the dosage to reach the goal level of serum concentration" (Szolovits e Long, 1982:82-83). Finalmente, em 1974, um programa conhecido como ANNA aperfeiçoou ainda mais a terapia da digitalis ao incorporar soluções para as deficiências dos programas de Jelliffe e de Sheiner. Ele usou o modelo específico do paciente (MEP), o qual codifica não só variáveis clínicas como idade, sexo e peso, e histórias de concentração de creatinina e níveis de eletrólitos etc., mas também as razões pelas quais o medicamento estava sendo dado, as respostas anteriores do paciente ao medicamento, e as expectativas de sintomas tóxicos e terapêuticos futuros (idem:87).

O que está envolvido na revisão de Gorry anteriormente descrita, por um lado, e no trabalho sobre a farmacocinética da digitalis, por outro? Responder a tal questão envolve mostrar tanto a continuidade entre resultados experimentais e soluções para problemas conceituais quanto as condições em que um ou outro é relevante para o progresso científico.

Ao alojar-se no referencial bayesiano, a teoria (de Gorry) de que o julgamento clínico é baseado em um conhecimento de procedimentos tornou o progresso da IAM dependente de uma profunda reformulação conceitual, na qual uma "abordagem formal" de decisões médicas, baseada no referencial bayesiano, cedeu seu lugar a uma "abordagem simbólica". No primeiro caso, o computador não persegue uma hipótese, ele apenas atualiza probabilidades de ocorrência de uma determinada doença com base em informações sobre sintomas. Se o computador é "informado" de que um paciente está com, digamos, dor de cabeça, ele (o computador)" pergunta" ao especialista se, por exemplo, esse paciente tem febre. De posse da resposta, ele informa que há x% de probabilidade de esse paciente estar com a doença" a", y% de probabilidade de ele estar com a doença" b", e z% de chance de estar com a doença" c". Em seguida, o computador faz outra pergunta, por exemplo, se o paciente tem dor nas costas. Diante da resposta, ele apresenta outra distribuição de probabilidades. E assim por diante, até que alguma doença é apresentada como altamente provável. No segundo caso, em contraste, o computador persegue consistentemente alguma hipótese. Se ele é informado de que um paciente tem dor de cabeça, ele faz uma série de perguntas orientado por alguma hipótese e, no final, apresenta suas conclusões. Ele não corre o risco de se perder em meio a um número incontrolável de hipóteses. Um diálogo típico entre computador e clínico nessas condições pode ser encontrado em Pauker et alii (1976:136-137), ou em Springer de Freitas (1993).

Nos marcos dessa reformulação conceitual, o fundamental é entender os processos simbólicos que operam no raciocínio humano (como o que nos permite inferir que olhos amarelados é um sinal de icterícia). Programas que não têm contribuição a dar nesse nível são inócuos, ainda que exibam resultados experimentais satisfatórios. Este é o caso dos programas da já superada "primeira geração" em IAM, os chamados PIP, MYCIN, CASNET e INTERNIST10 10 . Veja-se Pauker et alii (1976) (PIP); Weiss et alii, 1978 (CASNET); Shortliffe e Buchanan (1975) e Davis, Buchanan e Shortliffe (1977) (MYCYN); e, Miller, Pople e Myers (1982) (INTERNIST). que, a despeito de seu desempenho, exibem uma capacidade muito limitada para lidar com a maior parte das coisas que representam (Patil, Szolovits e Schwartz, 1981; 1982).

À luz da revisão de Gorry, a importância de determinados procedimentos decisivos não reside, portanto, no seu sucesso experimental, mas na criação de um modelo de representação de conceitos que torne o computador capaz de imitar o raciocínio médico. O conceito mais importante nesse caso é o de causalidade. Em última análise, a revisão de Gorry equiparou o progresso da IAM a um processo de aperfeiçoamento do entendimento desse conceito, como ilustrei em trabalho já mencionado (Springer de Freitas, 1994). Na verdade, a história da IAM é, em larga medida, a história de um certo entendimento da noção de causalidade. Posto de forma bastante grosseira, abordagens anteriores ao aparecimento dos programas PIP, MYCIN, CASNET e INTERNIST corresponderiam, por assim dizer, ao "estágio histórico" em que os diagnósticos assistidos por computador tinham apenas um senso das associações pertinentes entre sintomas e doenças. Nessa fase, os computadores associavam, digamos, diarréia à desidratação, mas eram totalmente incapazes de estabelecer relações de causa e efeito entre elas. A partir da revisão (de Gorry) do então entendimento corrente da idéia de julgamento clínico, uma geração inteira de programas (cujos mais importantes são os quatro acima mencionados) pôde atingir um senso de propagação de medidas de probabilidade. Nessa fase, o computador estabelecia relações de causa e efeito, mas pouco ou nada sabia sobre os mecanismos envolvidos. Finalmente, com o advento do MEP, cuja origem pode ser creditada à interferência" detonadora" da anteriormente mencionada idéia de causalidade local no raciocínio categórico, a pesquisa em IAM pôde tornar o computador capaz de representar tais mecanismos e, a partir daí, imitar o raciocínio humano (idem).

Mas o que acontece quando a teoria de que a excreção da digitalis se faz pelos rins (o que é, em si, um entendimento aperfeiçoado sobre a ação da droga) junta-se à idéia de causalidade local enquanto outro trigger do progresso em IAM? Vimos que ambos os triggers desencadeiam alterações no Raciocínio Categórico (sendo que ele próprio resulta de alterações desencadeadas pela revisão de Gorry ao alojar-se no referencial bayesiano), as quais culminam no advento do MEP. Mas, se a idéia de causalidade local conduz a um aprimoramento conceitual, isto é, se ela torna o MEP importante como um meio mais apropriado de representar o conceito de causalidade (ou o conhecimento dos mecanismos causais envolvidos na elaboração de um diagnóstico), a teoria de que a excreção da digitalis se faz pelos rins conduz a um aprimoramento empírico, porque, ao tornar o computador capaz de levar ínfimos detalhes em consideração (tais como o histórico de concentração de creatinina e de níveis de eletrólitos) ao aconselhar sobre o uso de um determinado medicamento, ela torna o MEP importante em razão dos resultados empíricos advindos do seu uso.

Ao alojar-se no referencial categórico, a teoria de que a excreção da digitalis se faz pelos rins levantou o problema de determinar os meios de evitar os efeitos tóxicos desse medicamento. Este problema desencadeou todo um conjunto de outros, como o de determinar os efeitos anteriores do uso desse medicamento em um paciente específico. Sob a interferência desse novo trigger, o progresso da IAM deixa então de ser apenas a história de um avanço no entendimento de conceitos e transforma-se, também, em uma história de evolução via" confronto com o mundo" que, por sua vez, passa por várias fases. Assim, se se toma como exemplo o programa CASNET, que auxilia no diagnóstico do glaucoma, ele, em um primeiro momento, "confronta o mundo" coletando amostras e avaliando os resultados: "Iniciamos nosso trabalho coletando uma amostra de 40 casos difíceis. Inicialmente o programa não diagnosticou todos os casos corretamente. Entretanto, com o aperfeiçoamento de nosso modelo, o programa rapidamente tornou-se capaz de diagnosticar os 40 casos corretamente" (Kulikowski e Weiss, 1982:37).

Em uma segunda fase, esse programa "confronta o mundo" expondo seus resultados a ambientes mais amplos de pesquisa:

"Em 1974 o projeto CASNET estabeleceu uma rede de pesquisadores, visando alargar o acesso ao programa [...]. Uma vantagem desse procedimento ocorreu ao se testar o programa no Japão. Ao programa foi apresentado um caso envolvendo um tipo especificamente japonês de glaucoma. O programa não foi capaz de diagnosticar o caso corretamente, mas novas informações foram adicionadas a ele ¾ informações que a maior parte dos médicos do ocidente não tem" (Szolovits e Long, 1982:95).

Não obstante os referidos progressos, o programa CASNET não era capaz de representar os mecanismos que medeiam uma causa e um efeito, e essa limitação o impediu de prosperar. Mas o programa da digitalis não padecia dessa restrição (posto que ele foi formulado depois que o raciocínio categórico abrigou a idéia de causalidade local) e, em razão disso, os progressos verificados em seu "confronto com o mundo" não foram vãos. O primeiro "confronto" ocorreu em 1976, quando o programa assistiu, por um mês, a dezenove pacientes que eram tratados com digitalis no Serviço de Cardiologia do New England Medical Center Hospital. Quatro pacientes manifestaram reações tóxicas durante o mês. Em todos os casos o programa detectou os primeiros sinais de intolerância ao medicamento antes de os clínicos o fazerem (idem:92). Além disso, o programa mostrou-se útil para ajudar na terapia com digitalis em situações em que o atendimento a problemas cardíacos não pôde ser feito prontamente (Gorry, Silverman e Pauker, 1978:459). Mais recentemente, o programa da digitalis foi submetido a testes prospectivos, os quais testam a capacidade de o programa prescrever os primeiros cuidados a grupos determinados de pacientes. Este é um problema que o programa da digitalis busca agora resolver, valendo-se do Modelo Específico do Paciente (Szolovits e Long, 1982:96).

Ao rebater seus críticos na célebre coletânea organizada por Lakatos e Musgrave (1970), Kuhn afirma que, "o que quer que seja o progresso científico, devemos explicá-lo examinando a natureza do grupo científico, descobrindo o que ele valoriza, o que ele tolera e o que ele desdenha" (Kuhn, 1970b:238). Aceitar tal tese implica tornar o progresso científico ("o que quer que ele seja"!) um fenômeno prioritariamente sociológico. Implica torná-lo um fenômeno para ser estudado via sociologia do conhecimento.

Infelizmente para nós, sociólogos, acredito que a sociologia do conhecimento nada tem a dizer sobre como problemas e teorias se sucedem umas às outras, isto é, sobre o que de fato importa quando o tema em tela é o progresso científico11 11 . Este ponto, que em si merece um artigo (eu o desenvolvo em Springer de Freitas, 1997b), tem sido defendido de várias maneiras diferentes. Menciono as contribuições que considero as mais relevantes: Munz (1993), Bartley III (1987), Agassi (1981), sem falar, evidentemente, de Popper (1972). . No que concerne à presente discussão, é suficiente dizer que a" natureza do grupo científico" não lança luz sobre nenhum dos processos que aqui descrevi12 12 . Quero, nesta oportunidade, esclarecer um ponto importante levantado por um parecerista anônimo ao ler a versão deste trabalho que originalmente submeti à Dados. O parecerista afirma que a comunidade científica é uma "ausência conspícua" no meu trabalho, e, num certo sentido, contesta minha tese de que é irrelevante entender o que se passa na comunidade científica para se compreender como aprimoramentos empíricos e conceituais vêm a acontecer com a passagem do tempo. Ele cita um estudo de caso de Pickering como sendo um exemplo de trabalho que mostra tal relevância. No meu entender, Pickering, assim como os demais (auto-intitulados) sociólogos do conhecimento científico, mostra (ou tenta mostrar) que interesses, valores etc. são fatores a ser considerados se se quiser explicar por que uma determinada teoria é prontamente aceita ou não, ou por que disputas sobre prioridade de teorias são resolvidas da forma" a" ou "b" (por que, por exemplo, Lavoisier, e não Priestley, ficou conhecido como o descobridor do oxigênio), ou por que em um contexto determinado a teoria" a" venceu a teoria "b", ou por que os cientistas vêm a subscrever certas crenças. Tudo isso é, sem dúvida, interessante, mas na minha opinião, não tem a ver com mostrar como aprimoramentos empíricos e conceituais se sucedem ao longo do tempo. Entendo que Pickering, como de resto os demais sociólogos do conhecimento científico, é silencioso a esse respeito e, por esta razão, os ignorei. Esta é também a razão para a "ausência conspícua" da "comunidade" no presente artigo. Certamente a "comunidade científica" é importante, mas deve-se saber ignorá-la quando necessário. Não se deve querer extrair dela mais do que ela tem a oferecer, como o fizeram os sociólogos do conhecimento científico que se inspiraram em Kuhn. O próprio Kuhn foi sábio o suficiente para ignorar a comunidade científica em momentos cruciais de sua obra. A comunidade é uma "ausência conspícua" no trabalho de Kuhn quando ele explica, por exemplo, por que a teoria do flogisto deu lugar à teoria da combustão, ou por que a teoria da eletricidade de Franklin ganhou uma dimensão paradigmática, ou por que a teoria de Dalton superou a teoria de dois importantes químicos franceses, cujos nomes agora me escapam. Para a felicidade de A Estrutura das Revoluções Científicas, e do conhecimento sobre o avanço do conhecimento, Kuhn esqueceu-se de sua sociologia (como também da autoridade da "comunidade científica") ao explicar estes e muitos outros processos. . Ela não nos ajuda a entender que determinados resultados experimentais estejam relacionados, seja entre si, seja com determinadas soluções de problemas conceituais. Ela, portanto, não nos ajuda a entender que experimentos tais como os de Gorry sobre a insuficiência renal aguda sejam um passo adiante se comparados aos experimentos de De Bombal sobre apendicite, e que, a despeito dos excelentes resultados obtidos por De Bombal, seu programa não foi importante para o avanço do conhecimento em IAM. Os resultados experimentais obtidos por Gorry não foram melhores do que aqueles alcançados por De Bombal (na verdade, foram até piores), mas Gorry soube tirar melhor proveito de seus erros e, em decorrência, teve um papel crucial no avanço do conhecimento em IAM. Nos marcos do raciocínio que apresento, nada disso pode ser entendido em termos de crenças partilhadas pela comunidade científica ¾ ou em termos da" organização comunitária da ciência", para tomar uma expressão de Kuhn. A "organização comunitária da ciência" não nos ajuda a entender, por exemplo, que, apesar dos sucessos experimentais dos programas CASNET (sobre glaucoma) e Digitalis, o primeiro se degenerou e o último prosperou. Não é necessário recorrer à sociologia do conhecimento para responder a esta questão. Minha resposta é que o programa da digitalis teve um trigger a seu favor. Ambos os programas foram formulados nos marcos do raciocínio categórico, mas o programa da digitalis foi elaborado depois que esse referencial incorporou a idéia de causalidade local e, portanto, num momento em que se sabia melhor como representar os mecanismos envolvidos em uma relação de causa e efeito.

Em face do exposto, processos como a continuidade entre resultados experimentais e solução de problemas conceituais ¾ como os que culminam na emergência do chamado Modelo Específico do Paciente ¾ devem ser entendidos identificando-se os fragmentos de esquemas conceituais que desencadearam o aparecimento de um conjunto determinado de problemas ao se alojarem em referenciais determinados.

Apresentei a teoria (de Gorry) de que o julgamento clínico é baseado em um conhecimento de procedimentos, a teoria de que uma causa só age sobre o que lhe é contíguo no tempo e no espaço, e a teoria de que a eliminação da digitalis se faz pelos rins, como sendo tais fragmentos de esquemas conceituais. E apresentei o modelo bayesiano de decisões médicas, e o Raciocínio Categórico, como sendo os referenciais nos quais esses fragmentos se alojaram. A teoria de Gorry alojou-se no referencial bayesiano para resolver vários problemas conceituais existentes em seu interior (por exemplo, o de como representar os efeitos provenientes das interações de doenças) e, ao fazê-lo, desencadeou todo um conjunto de outros problemas conceituais, como o de tornar o computador capaz de" interpretar" os dados com os quais lida. Ao fazê-lo, essa teoria deu lugar a um novo referencial (o categórico) e tornou o progresso da IAM uma questão de aperfeiçoar o entendimento de determinados conceitos médicos, tal como o de função renal. Diante de um trigger que põe em vigor a busca de um melhor entendimento de conceitos, resultados experimentais, por melhor que sejam, perdem relevância. Em tais circunstâncias, estes se limitam a ilustrar alinhamentos a referenciais específicos.

A teoria de que a dosagem de digitalis pode ser apropriadamente modificada para que valores desejados de excreção renal sejam atingidos junta-se, mais tarde, à revisão de Gorry enquanto mais um trigger do progresso da IAM. Essa teoria se aloja no referencial categórico para resolver um problema empírico, o de como evitar os efeitos tóxicos da droga. Ao alojar-se nesse referencial, essa teoria desencadeia todo um conjunto de problemas relativos à avaliação do desempenho de programas, sendo que um dos mais importantes é o de tornar o computador capaz de se adiantar ao médico na prescrição dos primeiros cuidados no uso da digitalis. Sob um trigger que desencadeia problemas empíricos, resultados experimentais ganham evidentemente muita importância, pois são eles que indicam o estágio de evolução em que os programas se acham em seu "confronto com o mundo" e, dessa forma, apontam direções para novas investigações.

Resta, finalmente, saber se algum dos fragmentos de esquema conceitual considerado, se a teoria de que o julgamento clínico se baseia em um conhecimento de procedimentos, ou a teoria de que a digitalis é eliminada pelos rins, foi um trigger mais importante no que concerne ao progresso da IAM. Pessoalmente acredito que as revisões sobre os efeitos tóxicos da digitalis são, elas mesmas, informadas pela revisão anterior (a de Gorry) do então corrente estado do julgamento clínico. Em outras palavras, acredito que ao desencadear um conjunto de problemas conceituais no referencial bayesiano, a revisão de Gorry não apenas deu lugar à emergência de um novo referencial (no caso, o referencial categórico), como também "preparou" este último para "receber" a teoria de que a digitalis é eliminada pelos rins. Como exatamente tal" preparação" se deu é uma questão para a qual não tenho resposta, embora pense que isto tenha muito a ver com o fato de a idéia de causalidade local ter se alojado no referencial categórico. Se a conjectura anterior estiver correta, isto é, se o progresso da IAM se deu fundamentalmente a partir da mudança de um "modelo formal" para um" modelo simbólico" de decisões médicas, tal como mencionado anteriormente, mudança desencadeada pela teoria de que o julgamento clínico se baseia em um conhecimento de procedimentos, então o progresso em IAM depende muito mais da solução de problemas conceituais (tal como o de saber como representar o repertório de heurística do qual os médicos se valem em suas atividades cotidianas) do que da obtenção de resultados experimentais satisfatórios. Se estou equivocado sobre isso (isto é, se for o modelo de excreção renal, ao qual se chegou a partir do trabalho de William Withering, o trigger mais importante) não tem muita importância. Crucial para o meu argumento é que em qualquer das hipóteses, seja a de que o progresso da IAM reside basicamente em um aprimoramento do julgamento clínico, desencadeado pela "revisão de Gorry", ou na crescente capacidade de aconselhar sobre o uso da digitalis, desencadeada pela teoria de que a sua excreção se faz pelos rins, pode-se falar em progresso genuíno, e não em mudança de crenças a partir da adesão a um novo paradigma comunalmente partilhado. Em ambos os casos, revisões desencadeadas no interior de referenciais determinados conduzem à emergência de novos problemas e de novas teorias de representação do conhecimento médico, as quais culminam no aparecimento de uma técnica representacional mais aprimorada, tanto do ponto de vista de sua adequação empírica, quanto de sua adequação conceitual, o chamado Modelo Específico do Paciente.

(Recebido para publicação em outubro de 1996)

NOTAS:

REFERÊNCIAS BIBLIOGRÁFICAS

AGASSI, J. (1981), Science and Society. Studies in the Sociology of Science. Dordrecht, D. Reidel Publishing Company.

BARNES, B. (1977), Interests and the Growth of Knowledge. London, Routledge.

BARTLEY III, W.W. (1987), "Alienation Alienated: The Economics of Knowledge versus the Psychology and Sociology of Knowledge", in G. Radnitzky e W. W. Bartley III (eds.), Evolutionary Epistemology, Rationality, and the Sociology of Knowledge. Illinois, Open Court, pp. 423-451.

BLOOR, D. (1976), Knowledge and Social Imagery. London, Routledge.

CLANCEY, W. J. e SHORTLIFFE, E. H. (eds.). (1984a), Readings in Medical Artificial Intelligence. The First Decade. Massachusetts, Addison-Wesley Publishing Company.

___. (1984b), "Introduction: Medical Artificial Intelligence Programs", in W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence. The First Decade. Massachusetts, Addison-Wesley Publishing Company, pp. 1-17.

DAVIS, R., BUCHANAN, B. G. e SHORTLIFFE, E. H. (1977)," Production Rules as a Representation for a Knowledge-Based Consultation Program". Artificial Intelligence, nº 8, pp. 15-45.

DE MEY, M. (1980), "The Interaction between Theory and Data in Science", in K. Knorr, R. Krohn e R. Whitley (eds.), The Social Process of Scientific Investigation. Sociology of Science (vol. IV). Dordrecht, D. Reidel Publishing Company, pp. 3-23.

DUDA, R. O. e SHORTLIFFE, E. H. (1983), "Expert Systems Research". Science, vol. 220, nº 4594, 15 de abril.

FEYERABEND, P. (1970), "Against Method". Minnesota Studies in the Philosophy of Science, nº 4, pp. 17-30.

GORRY, A. G. (1984), "Computer-Assisted Clinical Decision Making", in W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence. The First Decade. Massachusetts, Addison-Wesley Publishing Company, pp. 18-34.

___, SILVERMAN, H. e PAUKER, S. G. (1978), "Capturing Clinical Expertise: A Computer Program that Considers Clinical Responses to Digitalis". American Journal of Medicine, nº 64, março, pp. 452-460.

JARVIE, I. (1984), "A Plague on Both Your Houses", in J. R. Brown (ed.), Scientific Rationality: The Sociological Turn. Dordrecht, D. Reidel Publishing Company, pp. 165-182.

JELLIFFE, R. W. et alii. (1970), "A Computer Program for Digitalis Dosage Regimens". Mathematical Biosciences, nº 9, pp. 179-193.

JELLIFFE, R. W. et alii. (1972), "Reduction of Digitalis Toxicity by Computer-Assisted Glycoside Dosage Regimens". Ann. Int. Med., nº 77, pp. 891-906.

KUHN, T. (1962), The Structure of Scientific Revolutions. Chicago, University of Chicago Press.

. (1970a), "Logic of Discovery or Psychology of Research?", in I. Lakatos e A. Musgrave (eds.), Criticism and the Growth of Knowledge. Cambridge, Cambridge University Press, pp. 1-23.

. (1970b), "Reflections on My Critics", in I. Lakatos e A. Musgrave (eds.), Criticism and the Growth of Knowledge. Cambridge, Cambridge University Press, pp. 231-278.

KULIKOWSKI, C. A. e WEISS, S. M. (1982), "Representation of Expert Knowledge for Consultation: The CASNET and EXPERT Projects", in P. Szolovits (ed.), Artificial Intelligence in Medicine. Boulder, Co., Westview Press, pp. 21-55.

LAKATOS, I. (1970), "Falsification and the Methodology of Scientific Research Programmes", in I. Lakatos e A. Musgrave (eds.), Criticism and the Growth of Knowledge. Cambridge, Cambridge University Press, pp. 91-195.

___ e MUSGRAVE, A. (eds.). (1970), Criticism and the Growth of Knowledge. Cambridge, Cambridge University Press.

LAUDAN, L. (1977), Progress and its Problems. Berkeley/Los Angeles, University of California Press.

MACKENZIE, D. (1978), "Statistical Theory and Social Interests: A Case Study". Social Studies of Science, nº 8, pp. 35-83.

MILLER, R. A., POPLE, H. e MYERS, J. D. (1982)," INTERNIST-1, An Experimental Computer-Based Diagnostic Consultant for General Internal Medicine". The New England Journal of Medicine, vol. 8, nº 37, pp. 468-476.

MUNZ, P. (1985), Our Knowledge of the Growth of Knowledge. London, Routledge.

___. (1993), Philosophical Darwinism. On the Origin of Knowledge by Means of Natural Selection. London, Routledge.

PATIL, R., SZOLOVITS, P. e SCHWARTZ, W. (1981), "Causal Understanding of Patient Illness in Medical Diagnosis", in Proceedings of the Seventh Joint Conference on Artificial Intelligence, nº 2, pp. 893-899. (Reimpresso em W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence. The First Decade, Massachusetts, Addison-Wesley Publishing Company, 1984, pp. 339-360.)

. (1982), "Modeling Knowledge of the Patient in Acid-Base and Electrolyte Disorders", in P. Szolovits (ed.), Artificial Intelligence in Medicine, Boulder, Co., Westview Press, pp. 191-226.

PAUKER, S. G. et alii. (1976), "Towards the Simulation of Clinical Cognition: Taking a Present Illness by Computer". American Journal of Medicine, nº 60, pp. 981-996. (Reimpresso em W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence. The First Decade, Massachusetts, Addison-Wesley Publishing Company, 1984, pp. 131-159.)

POLANYI, M. (1958), Personal Knowledge. London, Routledge and Kegan Paul.

POPPER, K. (1959), The Logic of Scientific Discovery. London, Hutchinson.

___. (1970), "Normal Science and its Dangers", in I. Lakatos e A. Musgrave (eds.), Criticism and the Growth of Knowledge. Cambridge, Cambridge University Press, pp. 51-58.

. (1972), Objective Knowledge. Oxford, Clarendon Press.

SHAPIN, S. e SCHAFFER, S. (1985), Leviathan and the Air Pump. Hobbes, Boyle and the Experimental Life. Princeton, Princeton University Press.

SHEINER, L. B. et alii. (1975), "Improved Computer-Assisted Digoxin Therapy". Ann. Int. Med., nº 82, pp. 619-627.

SHORTLIFFE, E. H. e BUCHANAN, B. G., (1975), "A Model of Inexact Reasoning in Medicine". Mathematical Biosciences, nº 23, pp. 351-379.

____ e FEIGENBAUM, E. (1984), "Knowledge Engineering for Medical Decision Making: A Review of Computer-Based Clinical Decision Aids", in W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence. The First Decade. Massachusetts, Addison-Wesley Publishing Company, pp. 35-71.

SPRINGER DE FREITAS, R. (1993), "What Makes Scientific Endeavour into a Progressive Enterprise? The Case of Computerized Diagnostic Research", in I. Löwy (ed.), Medicine and Change. Historical and Sociological Studies of Medical Innovation. Paris, INSERM/John Libbey Eurotext, pp. 263-284.

___. (1994), "Cognitive Constraints as Stylistic Unities: The Emergence of Methodological Principles in Scientific Endeavour". Social Science Information, vol. 33, nº 1, pp. 129-147.

___. (1997a), "Back to Darwin and Popper: Criticism, Migration of Piecemeal Conceptual Schemes, and the Growth of Knowledge". Philosophy of the Social Sciences, vol. 27, nº 2, pp. 157-179.

___. (1997b), "O Legado" Sociológico de Kuhn e o Legado Não-Sociológico de Kuhn. Trabalho apresentado no VIII Congresso da Sociedade Brasileira de Sociologia. Brasília, mimeo.

SZOLOVITS, P. (ed.). (1982), Artificial Intelligence in Medicine. Boulder, Co., Westview Press.

___ e LONG, W. J. (1982), "The Development of Clinical Expertise in the Computer", in P. Szolovits (ed.), Artificial Intelligence in Medicine. Boulder, Co., Westview Press, pp. 70-117.

WEISS, S. M. et alii. (1978), "A Model-Based Method for Computer-Aided Medical Decision Making". Artificial Intelligence, nº 11, pp. 145-172.

WITHERING, W. (1785), An Account of the Foxglove, and Some of its Medical Uses: With Practical Remarks on Dropsy, and Other Diseases. London, G. G. J. and J. Robinson, Paternoster-Row.

  • AGASSI, J. (1981), Science and Society. Studies in the Sociology of Science Dordrecht, D. Reidel Publishing Company.
  • BARNES, B. (1977), Interests and the Growth of Knowledge London, Routledge.
  • BARTLEY III, W.W. (1987), "Alienation Alienated: The Economics of Knowledge versus the Psychology and Sociology of Knowledge", in G. Radnitzky e W. W. Bartley III (eds.), Evolutionary Epistemology, Rationality, and the Sociology of Knowledge Illinois, Open Court, pp. 423-451.
  • BLOOR, D. (1976), Knowledge and Social Imagery London, Routledge.
  • CLANCEY, W. J. e SHORTLIFFE, E. H. (eds.). (1984a), Readings in Medical Artificial Intelligence The First Decade Massachusetts, Addison-Wesley Publishing Company.
  • ___. (1984b), "Introduction: Medical Artificial Intelligence Programs", in W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence The First Decade Massachusetts, Addison-Wesley Publishing Company, pp. 1-17.
  • DAVIS, R., BUCHANAN, B. G. e SHORTLIFFE, E. H. (1977)," Production Rules as a Representation for a Knowledge-Based Consultation Program". Artificial Intelligence, nş 8, pp. 15-45.
  • DE MEY, M. (1980), "The Interaction between Theory and Data in Science", in K. Knorr, R. Krohn e R. Whitley (eds.), The Social Process of Scientific Investigation. Sociology of Science (vol. IV). Dordrecht, D. Reidel Publishing Company, pp. 3-23.
  • DUDA, R. O. e SHORTLIFFE, E. H. (1983), "Expert Systems Research". Science, vol. 220, nş 4594, 15 de abril.
  • FEYERABEND, P. (1970), "Against Method". Minnesota Studies in the Philosophy of Science, nş 4, pp. 17-30.
  • GORRY, A. G. (1984), "Computer-Assisted Clinical Decision Making", in W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence The First Decade Massachusetts, Addison-Wesley Publishing Company, pp. 18-34.
  • ___, SILVERMAN, H. e PAUKER, S. G. (1978), "Capturing Clinical Expertise: A Computer Program that Considers Clinical Responses to Digitalis". American Journal of Medicine, nş 64, março, pp. 452-460.
  • JARVIE, I. (1984), "A Plague on Both Your Houses", in J. R. Brown (ed.), Scientific Rationality: The Sociological Turn Dordrecht, D. Reidel Publishing Company, pp. 165-182.
  • JELLIFFE, R. W. et alii (1970), "A Computer Program for Digitalis Dosage Regimens". Mathematical Biosciences, nş 9, pp. 179-193.
  • JELLIFFE, R. W. et alii (1972), "Reduction of Digitalis Toxicity by Computer-Assisted Glycoside Dosage Regimens". Ann. Int. Med, nş 77, pp. 891-906.
  • KUHN, T. (1962), The Structure of Scientific Revolutions Chicago, University of Chicago Press.
  • (1970a), "Logic of Discovery or Psychology of Research?", in I. Lakatos e A. Musgrave (eds.), Criticism and the Growth of Knowledge Cambridge, Cambridge University Press, pp. 1-23.
  • (1970b), "Reflections on My Critics", in I. Lakatos e A. Musgrave (eds.), Criticism and the Growth of Knowledge Cambridge, Cambridge University Press, pp. 231-278.
  • KULIKOWSKI, C. A. e WEISS, S. M. (1982), "Representation of Expert Knowledge for Consultation: The CASNET and EXPERT Projects", in P. Szolovits (ed.), Artificial Intelligence in Medicine Boulder, Co., Westview Press, pp. 21-55.
  • LAKATOS, I. (1970), "Falsification and the Methodology of Scientific Research Programmes", in I. Lakatos e A. Musgrave (eds.), Criticism and the Growth of Knowledge Cambridge, Cambridge University Press, pp. 91-195.
  • ___ e MUSGRAVE, A. (eds.). (1970), Criticism and the Growth of Knowledge Cambridge, Cambridge University Press.
  • LAUDAN, L. (1977), Progress and its Problems Berkeley/Los Angeles, University of California Press.
  • MILLER, R. A., POPLE, H. e MYERS, J. D. (1982)," INTERNIST-1, An Experimental Computer-Based Diagnostic Consultant for General Internal Medicine". The New England Journal of Medicine, vol. 8, nş 37, pp. 468-476.
  • MUNZ, P. (1985), Our Knowledge of the Growth of Knowledge London, Routledge.
  • ___. (1993), Philosophical Darwinism. On the Origin of Knowledge by Means of Natural Selection London, Routledge.
  • (1982), "Modeling Knowledge of the Patient in Acid-Base and Electrolyte Disorders", in P. Szolovits (ed.), Artificial Intelligence in Medicine, Boulder, Co., Westview Press, pp. 191-226.
  • POLANYI, M. (1958), Personal Knowledge London, Routledge and Kegan Paul.
  • POPPER, K. (1959), The Logic of Scientific Discovery London, Hutchinson.
  • SHAPIN, S. e SCHAFFER, S. (1985), Leviathan and the Air Pump. Hobbes, Boyle and the Experimental Life Princeton, Princeton University Press.
  • SHEINER, L. B. et alii (1975), "Improved Computer-Assisted Digoxin Therapy". Ann. Int. Med., nş 82, pp. 619-627.
  • ____ e FEIGENBAUM, E. (1984), "Knowledge Engineering for Medical Decision Making: A Review of Computer-Based Clinical Decision Aids", in W. J. Clancey e E. H. Shortliffe (eds.), Readings in Medical Artificial Intelligence The First Decade Massachusetts, Addison-Wesley Publishing Company, pp. 35-71.
  • SPRINGER DE FREITAS, R. (1993), "What Makes Scientific Endeavour into a Progressive Enterprise? The Case of Computerized Diagnostic Research", in I. Löwy (ed.), Medicine and Change. Historical and Sociological Studies of Medical Innovation Paris, INSERM/John Libbey Eurotext, pp. 263-284.
  • ___. (1994), "Cognitive Constraints as Stylistic Unities: The Emergence of Methodological Principles in Scientific Endeavour". Social Science Information, vol. 33, nş 1, pp. 129-147.
  • ___. (1997a), "Back to Darwin and Popper: Criticism, Migration of Piecemeal Conceptual Schemes, and the Growth of Knowledge". Philosophy of the Social Sciences, vol. 27, nş 2, pp. 157-179.
  • ___. (1997b), "O Legado" Sociológico de Kuhn e o Legado Não-Sociológico de Kuhn. Trabalho apresentado no VIII Congresso da Sociedade Brasileira de Sociologia. Brasília, mimeo.
  • SZOLOVITS, P. (ed.). (1982), Artificial Intelligence in Medicine Boulder, Co., Westview Press.
  • ___ e LONG, W. J. (1982), "The Development of Clinical Expertise in the Computer", in P. Szolovits (ed.), Artificial Intelligence in Medicine Boulder, Co., Westview Press, pp. 70-117.
  • WITHERING, W. (1785), An Account of the Foxglove, and Some of its Medical Uses: With Practical Remarks on Dropsy, and Other Diseases London, G. G. J. and J. Robinson, Paternoster-Row.

  • 1
    . Refiro-me a Popper (1970), Kuhn (1970a; 1970b) e demais contribuições em Lakatos e Musgrave (1970).
  • 2
    . Feyerabend (1970) é um caso à parte. Ele mais do que ninguém procurou convencer as pessoas de que todo progresso científico é, na verdade, uma "ilusão epistemológica". Mas quando ele afirma que o único princípio que não inibe o progresso da ciência é o princípio do "vale tudo", creio que ele está falando de progresso mesmo, sem aspas, e não de "ilusão epistemológica". Com qual dos Feyerabends ficar?
  • 3
    . É bom que se diga que o próprio Kuhn jamais levou seu raciocínio a posição tão extrema. Pelo que sei, o mais longe que ele foi nesse nível está em sua afirmação de que os tratados científicos estão para a ciência como os folhetos turísticos estão para os lugares a que se referem.
  • 4
    . Curiosamente, apesar da centralidade da relação entre crítica de teoria e proliferação de problemas e de teorias no pensamento de Popper, ele mesmo nunca respondeu por que esperar tal proliferação a partir da crítica de teorias. Desenvolvo este ponto em Springer de Freitas (1997a).
  • 5
    . A idéia de problema conceitual é tomada de Laudan (1977). Talvez a melhor maneira de se entender isto seja retomando alguns exemplos do próprio Laudan. O que se questionava na astronomia de Copérnico não era sua adequação empírica, mas sua compatibilidade com um referencial mais amplo de pressupostos sobre o mundo natural, o qual vinha sendo articulado desde a Antiguidade. Similarmente, o sistema newtoniano não era alvo de objeções de ordem empírica, mas de restrições do tipo: o que é o espaço absoluto e por que tal conceito é necessário para a física? Como os corpos podem agir uns sobre os outros à distância? De onde surgem novas energias? (
    idem:46).
  • 6
    . Talvez o exemplo seguinte ajude a entender o que seja "evitar lacunas causais". É sabido que diarréia causa desidratação. Cabe à IAM" ensinar" isto ao computador. Para tanto, o computador precisa "aprender" os mecanismos por meio dos quais diarréia conduz à desidratação. Evitar "lacunas causais" é tornar o computador capaz de operar com o maior número de mecanismos possíveis. É torná-lo capaz de seguir a seguinte linha de raciocínio: diarréia conduz à perda do fluxo gastrintestinal. Expresso num nível de detalhe seguinte, perda do fluxo gastrintestinal pode ser descrito como consistindo da perda de sódio e de potássio em conjunto com outros eletrólitos. A perda de água na presença de quantidade reduzida de sódio extracelular resulta em volume extracelular baixo, o qual, no nível mais alto de descrição, é descrito como desidratação.
  • 7
    . A idéia, crucial para o argumento aqui apresentado, de que fragmentos de esquemas conceituais oriundos de um determinado referencial teórico (ou de algum modelo de percepção) podem alojar-se em algum outro referencial e, a partir daí, desencadear alterações na estrutura desse outro referencial, é tomada de De Mey (1980).
  • 8
    . Por exemplo, ela permite que se calcule a probabilidade de se estar com pneumonia dado que o doente tenha, digamos, 14 anos e apresente tosse persistente.
  • 9
    . Por exemplo: "If (i) the infection is meningitis and (ii) organisms were not seen in the stain of the culture and (iii) the type of infection may be bacterial and (iv) the patient has been seriously burned, then there is suggestive evidence that
    Pseudonomas aeruginosa is one of the organisms that might be causing the infection". Esta é uma das heurísticas que alimentam um dos sistemas de diagnóstico assistidos por computador, o chamado MYCIN, que contém cerca de quinhentas regras desse tipo, as quais lidam com o diagnóstico e tratamento de bacteremia e meningite. Extraí este exemplo de Duda e Shortliffe (1983).
  • 10
    . Veja-se Pauker
    et alii (1976) (PIP); Weiss
    et alii, 1978 (CASNET); Shortliffe e Buchanan (1975) e Davis, Buchanan e Shortliffe (1977) (MYCYN); e, Miller, Pople e Myers (1982) (INTERNIST).
  • 11
    . Este ponto, que em si merece um artigo (eu o desenvolvo em Springer de Freitas, 1997b), tem sido defendido de várias maneiras diferentes. Menciono as contribuições que considero as mais relevantes: Munz (1993), Bartley III (1987), Agassi (1981), sem falar, evidentemente, de Popper (1972).
  • 12
    . Quero, nesta oportunidade, esclarecer um ponto importante levantado por um parecerista anônimo ao ler a versão deste trabalho que originalmente submeti à
    Dados. O parecerista afirma que a comunidade científica é uma "ausência conspícua" no meu trabalho, e, num certo sentido, contesta minha tese de que é irrelevante entender o que se passa na comunidade científica para se compreender como aprimoramentos empíricos e conceituais vêm a acontecer com a passagem do tempo. Ele cita um estudo de caso de Pickering como sendo um exemplo de trabalho que mostra tal relevância. No meu entender, Pickering, assim como os demais (auto-intitulados) sociólogos do conhecimento científico, mostra (ou tenta mostrar) que interesses, valores etc. são fatores a ser considerados se se quiser explicar por que uma determinada teoria é prontamente aceita ou não, ou por que disputas sobre prioridade de teorias são resolvidas da forma" a" ou "b" (por que, por exemplo, Lavoisier, e não Priestley, ficou conhecido como o descobridor do oxigênio), ou por que em um contexto determinado a teoria" a" venceu a teoria "b", ou por que os cientistas vêm a subscrever certas crenças. Tudo isso é, sem dúvida, interessante, mas na minha opinião, não tem a ver com mostrar como aprimoramentos empíricos e conceituais se sucedem ao longo do tempo. Entendo que Pickering, como de resto os demais sociólogos do conhecimento científico, é silencioso a esse respeito e, por esta razão, os ignorei. Esta é também a razão para a "ausência conspícua" da "comunidade" no presente artigo. Certamente a "comunidade científica" é importante, mas deve-se saber ignorá-la quando necessário. Não se deve querer extrair dela mais do que ela tem a oferecer, como o fizeram os sociólogos do conhecimento científico que se inspiraram em Kuhn. O próprio Kuhn foi sábio o suficiente para ignorar a comunidade científica em momentos cruciais de sua obra. A comunidade é uma "ausência conspícua" no trabalho de Kuhn quando ele explica, por exemplo, por que a teoria do flogisto deu lugar à teoria da combustão, ou por que a teoria da eletricidade de Franklin ganhou uma dimensão paradigmática, ou por que a teoria de Dalton superou a teoria de dois importantes químicos franceses, cujos nomes agora me escapam. Para a felicidade de
    A Estrutura das Revoluções Científicas, e do conhecimento sobre o avanço do conhecimento, Kuhn esqueceu-se de sua sociologia (como também da autoridade da "comunidade científica") ao explicar estes e muitos outros processos.

Datas de Publicação

  • Publicação nesta coleção
    30 Out 1998
  • Data do Fascículo
    1997

Histórico

  • Recebido
    Out 1996
Instituto de Estudos Sociais e Políticos (IESP) da Universidade do Estado do Rio de Janeiro (UERJ) R. da Matriz, 82, Botafogo, 22260-100 Rio de Janeiro RJ Brazil, Tel. (55 21) 2266-8300, Fax: (55 21) 2266-8345 - Rio de Janeiro - RJ - Brazil
E-mail: dados@iesp.uerj.br