'

Интеллектуальная система типа ДСМ для анализа клинических данных

Понравилась презентация – покажи это...





Слайд 0

Интеллектуальная система типа ДСМ для анализа клинических данных


Слайд 1

Панкратова Е.С., Добрынин Д.А. (ВИНИТИ РАН и РГГУ), Михайлова И.Н.(РОНЦ им. Н.Н.Блохина РАМН)  


Слайд 2

Условия применимости ДСМ-метода Возможность структурирования данных и формального определения сходства фактов(из БФ). Наличие положительных и отрицательных примеров в БФ. Наличие в БФ неявно заданных зависимостей причинно-следственного типа (причины изучаемых эффектов).


Слайд 3


Слайд 4

Особенности ДСМ-метода ДСМ-метод - нестатистический метод анализа данных. Способность порождать полезные гипотезы на малых массивах данных. Возможность учитывать индивидуальные особенности изучаемых объектов исследования. 4. Работает с открытыми массивами данных, указывая на необходимость расширения базы фактов, если таковая возникает, (это осуществляется посредством абдуктивного объяснения базы фактов).


Слайд 5

Настройка на предметную область Разработка языка представления данных. Определение понятия «объект» и «свойство» в терминологии ДСМ-метода. Определение аксиом предметной области. Задание операции сходства. Задание отношения вложения.


Слайд 6

ИС типа ДСМ для медицины Прогнозирование высокопатогенных типов вируса папилломы человека (ВПЧ) по цитологическим результатам исследования мазков (Кафедра клинической и лабораторной диагностики Российский Медицинской Академии последипломного образования) Диагностика двух заболеваний глаз: дегенеративного ретиношизиса и наследственных витреоретинальных дистрофий (Лаборатория клинической физиологии зрения МНИИ глазных болезней им. Гельмгольца) Диагностика и определение способа лечения «Красной волчанки» по клиническим и лабораторным признакам больного (Отделение нефрологии Городской клинической больницы им. Боткина) Прогнозирование продолжительности жизни больных меланомой и оценка прогностического биохимического маркера S100 (РОНЦ им.Н.Н.Блохина РАМН)


Слайд 7

Эффективность подобных исследований зависит от максимально полного использования совокупного анализа результатов различных обследований больного.


Слайд 8

Разработка языка представления данных Типы данных 1. В кортеже длины «n» (где n-количество элементов списка признаков) указываются присутствующие качественных признаки, вместо отсутствующих признаков ставится ? (пустой элемент): El(1)=<At1,…,Ati,…Atn>.


Слайд 9

Пример из задачи №4 El(1) = Пигментные образования кожи (возможно несколько признаков, отмечаются только присутствующие признаки): At1 = 5 и более родинок размерами от 6 мм в диаметре «+» At2 = 50 и более родинок размерами от 3 мм в диаметре At3 = Наличие одного или более атипичного (диспластического) невуса «+» At4 = Врожденные невусы At5 = Гигантский врожденный невус At6 = Меланома (в анамнезе) El(1)= <At1, ?, At3, ?, ?, ?>


Слайд 10

2.Указывается один из возможных качественных признаков: El(2)= Ati, i?{1,…,n}, n-число признаков в списке. Пример: El(2)=тип роста первичной опухоли At1 = поверхностно распространяющаяся меланома, At2 = узловая меланома, «+» At3 = меланома по типу злокачественного лентиго, At4 = акролентигинозная меланома, выбирается один из атрибутов, например, El(2)= At2 = узловая меланома


Слайд 11

3. В n-элементном кортеже указываются все присутствующие (+) и все отсутствующие (-) признаки из заранее разработанного списка, наличие или отсутствие остальных признаков считается неизвестным (?). El(3)<<At1,k1>,…,<Ati,ki>,…,<Atn,kn>>, ki ?{+,-,?}, где при ki=? ,<Ati,ki>=?


Слайд 12

2. Пример из задачи (2) : El(3)=стекловидное тело: At1=«плавающие помутнения +», At2= «нитчатые помутнения – », At3= «мембраны ?», At4=выраженная зернистая деструкция +», At5=преритинальные пленки +», At6= «шварты ?», At7= «задняя отслойка стекловидного тела +», El(3)= <<At1,+>, <At2,->, ?, <At4,+>, <At5,+>, ?, <At7,+>>


Слайд 13

4.Указывается конкретный признак иерархической структуры со знаком «+» или «-», («?» по умолчанию) Пример из задачи (2): изменение сосудов сетчатки (да – нет, t) At1 – изменение артерий At 1.1 - сужение артерий At 1.2 – расширение артерий «-» At 1.3 – извитость артерий At 2 – изменение вен «+» At 2.1 – сужение вен At 2.2– расширение вен «+» At 2.3 – извитость вен At 3 – новообразованные сосуды At 4 – муфты по ходу сосудов At 5 – шварта сосудов El(5)=<At11.1, At11.1.1, At11.1.2,…>


Слайд 14

5.Норма признака или интервал отклонения признака от нормы с указанием направления отклонения El(4)=<At,dir,k>, где dir?{?,N,?} , N – норма признака, ? -отклонение от нормы в сторону уменьшения, ?- отклонение от нормы в сторону увеличения, а k?{1,2,3,4,5} В задаче (2): El =<А-волна ЭРГ, ?,2> или El(4)=<А-волна ЭРГ,N, >.


Слайд 15

ИС типа ДСМ для анализа клинических данных больных меланомой Объект, соответствующий истории болезни конкретного больного, представляет собой кортеж из 62-х элементов. Оi= <El1,…., El62> Каждый элемент этого кортежа соответствует конкретному признаку. В соответствие с языком представления данных каждый элемент объекта принадлежит одному из 3-х типов. Свойством является прогноз продолжительности жизни.  


Слайд 16

Определение аксиом предметной области Все перечисленные признаки, входящие в объект, возможно разделить с учетом знаний о предметной области на три группы: 1) Группа необходимых признаков(конъюнктивных) – признаки, без наличия которых гипотеза не имеет смысла, например, нельзя прогнозировать результат лечения без наличия признака терапия. 2) Группа существенных признаков (дизъюнктивных) – признаки без наличия хотя бы одного из них гипотеза не имеет смысла. 3) Группа сопутствующих признаков - признаки не входящие в группы 1) и 2), например: пол, возраст, артериальное давление и т.д.


Слайд 17

Аксиома Результат операции сходства считается гипотезой, если в нее входит хотя бы один из признаков группы 2) и все признаки группы (1).


Слайд 18

Конъюнктивные фильтры Задача №3 – способ лечения Задача №4 – S100


Слайд 19

Настройка системы на эксперимент 1.Выбор стратегии: простой метод сходства, метод сходства с запретом на контрпримеры отдельно для (+) и (-) примеров. 2.Подбор нужного количества родителей. 3.Настройка фильтра конъюнктивных признаков. 4.Настройка фильтра дизъюнкивных признаков.


Слайд 20

Критерий оценки подбора параметров и стратегии эксперимента Процедура «доопределение по одному»: последовательно каждому объекту выборки присваивается значение «?», производится доопределение этого объекта средствами ДСМ-системы с выбранными параметрами и сравнивается доопределенное значение с существующим.


Слайд 21

ИС типа ДСМ для анализа клинических данных больных меланомой Исходные данные: 38 больных, из них у 12 продолжительность жизни больше 5 лет. Результаты эксперимента: У 21-го больного продолжительность жизни определена верно, у 3-х ошибочно, остальные недоопределены.


Слайд 22

Результаты эксперимента Все порожденные положительные гипотезы-причины (продолжительности жизни больше 5 лет), помимо прочих атрибутов, включают значение S100 меньше 0,120 нг/мл (лабораторная норма РОНЦ им. Н.Н.Блохина), а все отрицательные (продолжительность жизни меньше 5 лет) - значение S100 больше 0,120 нг/мл.


Слайд 23

Интеллектуальная система типа ДСМ является инструментом поддержки медицинских исследований со сложноструктурированными данными и множеством фактов, необозримых без использования компьютерных технологий.


Слайд 24

ИС ДСМ относятся к evidence based medicine Распространенный сейчас термин evidence based medicine , к сожалению, переведен как «доказательная медицина», а не как «медицина, основанная на очевидных фактах».


Слайд 25

Методы, относящиеся к evidence based medicine, основаны на установленных фактах и используют эти факты как аргументы при принятии решений в медицине, в частности, для диагностики по клиническим данным.


Слайд 26

Методы, относящиеся к evidence based medicine, основаны на установленных фактах и используют эти факты как аргументы при принятии решений в медицине, в частности, для диагностики по клиническим данным.


Слайд 27

Смысл этого термина состоит в том, что решения, принимаемые врачами, должны быть аргументированными (но не доказанными – ведь авторы говорят о вероятных прогнозах, т.е. о гипотезах!), что означает, что принимаемые решения используют аргументы, извлеченные из клинических данных.


Слайд 28

Параллельные версии программ были созданы студентками 5-го курса О.Шестерниковой и А.Волковой.


×

HTML:





Ссылка: