UNIVERSITATEA DE MEDICINA SI UNIVERSITATEA DE MEDICINA SI FARMACIE “Victor BabeFARMACIE “Victor Babeş”ş” TIMISOARA TIMISOARA

DISCIPLINA DEDISCIPLINA DE INFORMATICA MEDICALAINFORMATICA MEDICALA

www.medinfo.umft.ro/dimwww.medinfo.umft.ro/dim

CURSUL 11CURSUL 11

Decizia medicalăDecizia medicală asistată de calculatorasistată de calculator

II

1. Decizia medicală1. Decizia medicală

1.1. Direcţii1.1. Direcţii

a)a) Stabilirea diagnosticuluiStabilirea diagnosticuluib)b) Alegerea investigaţiilorAlegerea investigaţiilorc)c) Optimizarea tratamentuluiOptimizarea tratamentuluid)d) Decizii managerialeDecizii manageriale

a) Stabilirea diagnosticuluia) Stabilirea diagnosticului

• IstoricIstoric

b) Alegerea investigaţiilorb) Alegerea investigaţiilor

• Investigatii scumpe sau invaziveInvestigatii scumpe sau invazive

c) Optimizarea tratamentuluic) Optimizarea tratamentuluia)a) Tratamentul tumorilor prin radiatiiTratamentul tumorilor prin radiatii

b)b) Tratament medicamentosTratament medicamentos

d) Decizii managerialed) Decizii manageriale

Planificarea si utilizarea Planificarea si utilizarea resurselor, optimizariresurselor, optimizari

1.2. Clasificarea metodelor:1.2. Clasificarea metodelor:dupa modul de reprezentare a cunostintelordupa modul de reprezentare a cunostintelor

a) logice - a) logice - simbolic 1/0 (da/nu)simbolic 1/0 (da/nu)

b) statistice - b) statistice - probabilitatiprobabilitati

c) euristice - c) euristice - propozitiipropozitii

1.3. Principiul metodelor de 1.3. Principiul metodelor de diagnostic asistatdiagnostic asistat

2. Metode logice2. Metode logice2.1. Principii constructive:2.1. Principii constructive:

-Logica bivalentă ( DA / NU)-Logica bivalentă ( DA / NU)-BC: baza de cunostin-BC: baza de cunostinţţe = e =

matricea B/S: boli/simptome matricea B/S: boli/simptome -date: vectorul de stare al -date: vectorul de stare al

pacientului (PAC)pacientului (PAC)

SchemăSchemăS1 S2S3 ...... Scor

B1 1 0 1 2/8B2 0 1 1 3/6.… .................................................PAC 0 1 0

BC

2.2. Tipuri de metode logice

După construcţia vectorului PAC:A) Tabele de simptomeTabele de simptome

alegere simptome din meniuB) ArboriArbori de decizie

succesiune de întrebări cu răspuns Da/Nu evitarea întrebărilor inutile implicarea pacientilor

2.3. Dezavantajele metodelor 2.3. Dezavantajele metodelor logicelogice

nu tin cont de “importanta” unor simptome

nu pot cuantifica intensitatea simptomelor

AVANTAJ: nu tin cont de “prevalenta” unor

afectiuni

3. Metode statistice3. Metode statistice

regula lui Bayes pattern recognition

3.A. Regula lui Bayes3.A. Regula lui Bayes

a) Baza Cun.: a) Baza Cun.: probabilităţile:probabilităţile:

fiecărei boli în populaţie: p(B+) fiecărui simptom în fiecare

boală: p(S+/B+)

b) Tabel b) Tabel pt calculul p(B+/S+) pt calculul p(B+/S+) (pentru fiecare pereche Boală/Simptom)(pentru fiecare pereche Boală/Simptom)

S+ S -B+ a b L1

B - c d L2

C1 C2 N

c) Probabilitatec) Probabilitate

necondiţionată: P(B+) = L1/N

condiţionată: P(S+/B-) = c/L2

d) Regula lui Bayesd) Regula lui Bayes

P(B/S) = P(S/B) x P(B)

P(S)

e) Aplicaţiee) Aplicaţie

P(S/B) = a/L1

P(B) = L1/NP(S) = C1/N => P(B/S) = a/C1

f) Pentru mai multe simptomef) Pentru mai multe simptome

evenimente compuse: “sau” - suma prob. “şi” - produs prob.

trebuie verificat dacă sunt independente :testul 2

3.B. Pattern recognition3.B. Pattern recognition

3.1 Noţiunea de pattern3.1 Noţiunea de pattern

Operaţiunea de recunoaştereDefiniţie pattern:

Ansamblu de atribute specifice care permit clasificarea unui obiect

Puterea de discriminare a atributelor

3.2. Variante de pattern recognition3.2. Variante de pattern recognition

a) M. Clasificăriia) M. Clasificării se împart obiectele pe diferite clase se selecteaza N atribute cu putere de discriminare se reprezintă obiectele în spaţiul N-dimensional se separă clasele

Baza de cun.: Reprezentarea claselor intr-un spatiu N-dimensional corespunzator clasificarii

problema: cărei clase îi aparţine un nou obiect?avantaj: similaritatea cu cazul real

b) Metoda grupăriib) Metoda grupării (clustering)(clustering)

se dau multe obiecte neclasificate se reprezintă în diverse spatii multi-dimensionale se analizeaza daca apar grupari de puncte (clustere) problema: se pot grupa în clase? avantaj: relevă proprietăţi noi (existenta unor clase sau sub-clase)

c) Sisteme de învăţare c) Sisteme de învăţare (inteligenta artificiala)(inteligenta artificiala)

supervizată – m. clasificării nesupervizată – m. grupării

3.3. Construcţia unui pattern 3.3. Construcţia unui pattern a) EXTRAGEREA ATRIBUTELOR

delimitarea claselor definiţia funcţiei de proiectie

Metode vectoriale analiza componentelor principale analiza discriminantă

Metode structurale ierarhizarea atributelor în categorii

3.4. Sinteza unui clasificator3.4. Sinteza unui clasificator

Funcţia de decizieFuncţia de decizie reguli geometrice reguli statistice reguli sintactice

SfârşitSfârşit