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.