Интеллектуальная система типа ДСМ для анализа клинических данных

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

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).

Особенности ДСМ- метода 1.ДСМ-метод - нестатистический метод анализа данных. 2.Способность порождать полезные гипотезы на малых массивах данных. 3.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).

Настройка на предметную область 1.Разработка языка представления данных. 2.Определение понятия «объект» и «свойство» в терминологии ДСМ- метода. 3.Определение аксиом предметной области. 4.Задание операции сходства. 5.Задание отношения вложения.

ИС типа ДСМ для медицины 1.Прогнозирование высокопатогенных типов вируса папилломы человека (ВПЧ) по цитологическим результатам исследования мазков (Кафедра клинической и лабораторной диагностики Российский Медицинской Академии последипломного образования) 2.Диагностика двух заболеваний глаз: дегенеративного ретиношизиса и наследственных витреоретинальных дистрофий (Лаборатория клинической физиологии зрения МНИИ глазных болезней им. Гельмгольца) 3.Диагностика и определение способа лечения «Красной волчанки» по клиническим и лабораторным признакам больного (Отделение нефрологии Городской клинической больницы им. Боткина) 4.Прогнозирование продолжительности жизни больных меланомой и оценка прогностического биохимического маркера S100 (РОНЦ им.Н.Н.Блохина РАМН)

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

Р азработк а 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) =.

Пример из задачи 4 El (1) = Пигментные образования кожи (возможно несколько признаков, отмечаются только присутствующие признаки): At 1 = 5 и более родинок размерами от 6 мм в диаметре «+» At 2 = 50 и более родинок размерами от 3 мм в диаметре At 3 = Наличие одного или более атипичного (диспластического) невуса «+» At 4 = Врожденные невусы At 5 = Гигантский врожденный невус At 6 = Меланома (в анамнезе) El (1) =

2.Указывается один из возможных качественных признаков: El (2) = At i, i {1,…,n}, n-число признаков в списке. Пример: El (2) =тип роста первичной опухоли At 1 = поверхностно распространяющаяся меланома, At 2 = узловая меланома, «+» At 3 = меланома по типу злокачественного лентиго, At 4 = акролентигинозная меланома, выбирается один из атрибутов, например, El (2) = At 2 = узловая меланома

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),…,,…, >, k i {+,-, }, где при k i =, =

2. : 2. Пример из задачи (2) : El (3) =стекловидное тело: At 1 =«плавающие помутнения +», At 2 = «нитчатые помутнения – », At 3 = «мембраны », At 4 =выраженная зернистая деструкция +», At 5 =преритинальные пленки +», At 6 = «шварты », At 7 = «задняя отслойка стекловидного тела +», El (3) =,,,,,, >

4.Указывается конкретный признак иерархической структуры со знаком «+» или «-», («» по умолчанию) Пример из задачи (2): изменение сосудов сетчатки (да – нет, t) At 1 – изменение артерий At 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) =

5.Норма признака или интервал отклонения признака от нормы с указанием направления отклонения El (4) =, 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 = или El (4) =.

ИС типа ДСМ для анализа клинических данных больных меланомой Объект, соответствующий истории болезни конкретного больного, представляет собой кортеж из 62-х элементов. О i = 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.

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.

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

Конъюнктивные фильтры Задача 3 – способ лечения Задача 3 – способ лечения Задача 4 – S100 Задача 4 – S100

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.

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

ИС типа ДСМ для анализа клинических данных больных меланомой 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 больн ого продолжительность жизни определена верно, у 3-х ошибочно, остальные недоопределены.

Результаты эксперимента 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.

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

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

М етоды, 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.

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.

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