Extraccin automatizada de

expertos mdicos De las bases

de datos clnicos basados en
Teora de conjuntos
aproximados
OSCAR EDUARDO RODRIGUEZ
SONIA MARCELA DUQUE
DEIVY LEONARDO AVELLA
REGLAS Y ESTIMACIONES
DIAGNOSTICAS
se introduce un mtodo de induccin de reglas, que extrae no slo las
reglas de clasificacin, sino tambin otros conocimientos mdicos

necesarios para el diagnstico. Este sistema se evalu en tres bases de

datos clnicos, los resultados muestran que nuestro mtodo propuesto
induce correctamente las reglas y estimaciones diagnsticas Uno de los
problemas ms importantes en el desarrollo de sistemas expertos es el
proceso adquisicin de expertos. Con el fin de automatizar este problema,
Mtodos de aprendizaje, tales como la induccin de rboles de decisin
la regla mtodos de induccin y la teora de conjuntos aproximados.
 RHINOS

Matsumura Et al. Proponen un modelo de diagnstico, que consta de

tres procesos de razonamiento, Y desarrollar un sistema experto,
llamado RHINOS (Sistema de organizacin de la informacin basado
en reglas dolor de cabeza y facial).
Se basan en teoria de conjuntos se espera que se describa el
modelo y los procedimientos de adquisicin de conocimiento.
Con el fin de caracterizar estos procedimientos, los conceptos de
teora de conjuntos aproximados Que se desarrolla para describir
cmo clasificar un determinado conjunto (denotado Como una
"clase") por interseccin o unin de varios conjuntos que
satisfacen una relacin de equivalencia. Por el uso de esta teora,
un sistema PRIMEROSE-REX (Mtodo de induccin de reglas
probabilsticas basadas en Conjuntos speros y Resampling
Mtodos para los sistemas expertos), que extrae las reglas para un
REGLAS EXCLUSIVAS

Estas reglas corresponden al razonamiento exclusivo. En otra la premisa de esta

regla es equivalente a la condicin de necesidad de un diagnstico.
Se seleccionan seis atributos bsicos que son mnimamente indispensables para
definir la condicin de necesidad: 1. Edad, 2. Localizacin del dolor, 3. Naturaleza
del dolor, 4. Severidad del dolor, 5. Historia desde el inicio, 6. Existencia de dolor de
cabeza de sacudidas. Por ejemplo,
La regla exclusiva de la migraa comn se define como
Para sospechar migraa comn,
Los siguientes sntomas son necesarios:
Dolor ubicacin: no los ojos,
Naturaleza: palpitante o persistente o radiante,
Historia: paroxstica o sbita y
Dolor de cabeza sacudido: positivo
 REGLAS INCLUSIVAS

. Las premisas de las reglas inclusivas estn compuestas por un conjunto de

Manifestaciones especficas de una enfermedad a incluir. Si un paciente satisface un conjunto,
Esta enfermedad debe ser sospechada con alguna probabilidad. Esta regla se deriva de
Preguntando a los expertos mdicos sobre los siguientes elementos para cada enfermedad:
1. Un conjunto de manifestaciones por las cuales sospechamos fuertemente de una enfermedad.
2. La probabilidad de que un paciente tenga la enfermedad con este conjunto de manifestaciones:
SI (ndice Satisfactorio).
3. La relacin de los pacientes que satisfacen el conjunto a todos los pacientes de esta enfermedad:
CI (ndice de cobertura)
4. Si la suma total del IC derivado (tCI) es igual a 1,0, entonces finaliza. De otra manera,
Ir a 5
5. Para los pacientes con esta enfermedad que no satisfacen todo el conjunto de
Manifestaciones, IR 1.
Por lo tanto, una regla positiva es descrita por un conjunto de manifestaciones, es satisfactoria
ndice (SI), que corresponde a la medida de exactitud, y su ndice de cobertura (CI),Que
corresponde a la tasa total positiva. Obsrvese que SI y CI se dan empricamente Por expertos
mdicos.
Por ejemplo, una de las tres reglas positivas para la migraa comn se da como
Si la historia: paroxysmal, sacusida de cabeza: s,
Naturaleza: persistente,
Prodrome: no, intermittentsymptom: no,
Persistenttime: more than 6 hours,
localizacin: noteye,
Se sospecha de migraa comn
Exactitud O. 9 (SI = 0,9) y esta regla cubre
60 por ciento del total de casos (CI ---- 0,6).
REGLAS PROBABILISTICAS

Siguiendo tres anotaciones de la teora de conjunto aproximado e ilustrado

usando Una pequea base de datos que se muestra en la Tabla 1.
En primer lugar, una combinacin de pares valor-atributo, que
corresponde a un complejo en
AQ terminologa , se denotan por una frmula R. Por ejemplo,
[age = 50-59]& [loc= occular] will be one formula, denoted by R = [age = 50-
59]& [loc = occular].
En segundo lugar, un conjunto de muestras que satisfacen R se denomina Ix]
R, correspondiente
A una estrella en terminologa AQ. Por ejemplo, cuando {2, 3, 4, 5} es un
conjunto de muestras que satisfacen [age = 40--49], [X][age=41~49] es igual
{2, 3,4, 5}.
loc: location, nat: nature, prod: prodrome, nau:
nausea, MI: tenderness of M1, who: whole, occ:
occular, lat: lateral, per: persistent, thr: throbbing,
rad: radiating, m.c.h.: muscle contraction
headache, migra: migraine, 1: Yes, 0: No.
RHINOS reglas diagnosticas

Mediante el uso de estas anotaciones, las reglas de diagnstico de RHINOS

se describen siguiente manera. (1) Reglas exclusivas: R S- ~ d s.t. R = AiR i =
A i Vj Vk [aj = Vk], y KR, (D) = 1,0.
) Reglas inclusivas: R ~ - ~ d s.t. R = ViRi - ViAjVk [aj = vk], UR, (D)> 6 ~, y tcRi
(D)> 6 ~. , La induccin de reglas inclusivas nos da dos problemas. En
primer lugar, la exactitud y Cobertura estn sobrecargados a las muestras
de entrenamiento. En segundo lugar, muchas De las muestras de
entrenamiento anteriores si los umbrales de precisin y Cobertura no son
adecuadamente elegidos.
 Un algoritmo de induccin de las reglas de RHINOS consiste en dos procedimientos. Uno
es Un exhaustivo procedimiento de bsqueda para inducir la regla exclusiva y la imagen
de la enfermedad A travs de todos los pares de atributos y valores, correspondientes a
selectores en AQ , Y el otro es un procedimiento de postprocesamiento para inducir
reglas inclusivas a travs de Las combinaciones de todos los pares valor-atributo, que
corresponde a los complejos En AQ.x.
Busqueda exhaustiva
Proceso de pos procesamiento
Estimacin de las medidas
Validacion cruzada y el mtodo bootstrap
En los tres puntos siguientes. Primero, las reglas inducidas se comportan un
poco peor Que los de los expertos mdicos. En segundo lugar, nuestro
mtodo funciona un poco mejor Que los mtodos clsicos de aprendizaje
emprico, CART y AQ15. Finalmente, en tercer lugar, El estimador R-CV y el
estimador BS pueden considerarse como el lmite inferior Y el lmite superior
de cada precisin de regla. Por lo tanto, el intervalo de estos Se pueden
usar dos estimadores como el estimador del rendimiento de cada regla
muestra la comparacin entre
las reglas inducidas y las
reglas de los expertos
mdicos Con respecto al
nmero de pares de atributos
y valores utilizados para
describir. El ms Importante es
que las reglas de los expertos
mdicos son ms largas que
las reglas inducidas Para
enfermedades de alta
prevalencia. Por ejemplo, la
regla inducida para el
msculo.
Conclusiones S Tsumoto / Ciencias de la Informacin 112 (1998)
67-84 En este artculo, se introduce un mtodo de induccin de
reglas, PRIMEROSE-REX, Que extrae no slo las reglas de
clasificacin, sino tambin otros conocimientos mdicos
Necesarios para el diagnstico. Este sistema se evalu en tres
bases de datos clnicos, Cuyos resultados experimentales
muestran que nuestro mtodo propuesto induce correctamente
Reglas de diagnstico y estimaciones de las medidas
estadsticas de las reglas.