Doel van college 2. College 2: CASNET systeem. Bestuderen van een concreet systeem dat model-gebaseerd redeneert. CASNET is een medisch expertsysteem:

Vergelijkbare documenten
Model-gebaseerd Redeneren. Ervaringsregels. Medische diagnostiek: facialisparese. Gebruik van modellen. Probleemoplossen op grond van ervaringsregels:

AI Kaleidoscoop. College 6: Deel 1:Expert systemen Deel 2: Onzekerheid in redeneren. Deel II: Redeneren met onzekerheid. Redeneren met onzekerheid

Big Data. Gaat het iets voor de zorg betekenen? Dr N.S. Hekster 18 maart Big Data in de Zorg IBM Corporation

College 7 : covering theorie (Deel 2) Effects en causes (HERHALING) MAB diagnose model:

Redeneren met Onzekerheid II. Manipulatie van Onzekerheid. Kansverdeling. if E 2 then H y2 fi. if E 1 and E 2 then H z fi.

Tentamen Kunstmatige Intelligentie (INFOB2KI)

Opgaven bij Hoofdstuk 3 - Productiesystemen

Manipulatie van onzekerheid in regels

Bij gebrek aan bewijs

Inleiding tot het wetenschappelijk werk

Tiende college algoritmiek. 2 mei Gretige algoritmen, Dijkstra

Multimorbiditeit & Klinisch redeneren. Karin Timm Hester Vermeulen

Onderzoeksontwerp. (wo 16 sept 2015) Jac Christis

Minimum Opspannende Bomen. Algoritmiek

Nederlandse samenvatting

Tweede college algoritmiek. 12 februari Grafen en bomen

Tiende college algoritmiek. 14 april Gretige algoritmen

Kennis toepassen, en beslissingen nemen. Hoe denkt de arts? 2. Wat doet de arts? Hoe wordt kennis toegepast? Wat is differentiaal diagnose?

Neuroanatomical changes in patients with loss of visual function Prins, Doety

Onderzoeksmethodologie van praktijkgericht en toegepast onderzoek. Jac Christis, 29 januari 2014

De ziekte van Alzheimer. Diagnose

Onderzoeksmethodologie van praktijkgericht en toegepast onderzoek. Jac Christis, 14 februari 2013

Verpleegkundig proces en klinisch redeneren

FYSIOTHERAPIE en het behandelen van patiënten met SCHOUDERKLACHTEN. Januari 2014, blok 3, Gerard Koel.

VAN ZORG NAAR PREVENTIE

Hoe kijken we naar het DNA van een patiënt?

Intelligente coaching van mensen via smartphones

Methodisch handelen & Klinisch redeneren

Nederlandse samenvatting. (summary in Dutch)

Inleiding tot Medische Beslissingsondersteuning

Summary in Dutch / Nederlandse Samenvatting

Doorzoeken van grafen. Algoritmiek

HOOFDSTUK I - INLEIDENDE BEGRIPPEN

Sebastiaan Blok Hypertensie in het digitale tijdperk

DIAGNOSTIEK. Hans Reitsma, arts-epidemioloog Afd. Klinische Epidemiologie, Biostatistiek & Bioinformatica Academisch Medisch Centrum

Amyloïd-bindende eiwitten bij de ziekte van Alzheimer

Als je alleen een hamer hebt, zie je overal spijkers w w w. b u r e a u p e e r s. n l

Tiende college algoritmiek. 13/21 april Gretige Algoritmen Algoritme van Dijkstra

Hoofdstuk 7: Werken met arrays

Hoofdstuk 3: Keuzestructuren

Kennislacunes NHG-Standaard Artritis

Een succesvolle implementatie van een antibioticum richtlijn!?

Info ICF. International classification of functioning, disability and health Internationale classificatie van het menselijke functioneren

Onafhankelijke verzamelingen en Gewogen Oplossingen, door Donald E. Knuth, The Art of Computer Programming, Volume 4, Combinatorial Algorithms

Constraint satisfaction. Computationele Intelligentie. Voorbeelden. Een constraint satisfaction probleem. Constraint Satisfaction

TRAINING INDICEREN MET NANDA NIC NOC Welkom

Tussentijdse toets Expertsystemen

Chapter 10 Samenvatting

Cover Page. The handle holds various files of this Leiden University dissertation.

Cover Page. The handle holds various files of this Leiden University dissertation.

Chapter 11. Samenvatting

Marvaanse reminiscentie 3 medische besliskunde

NEDERLANDSE SAMENVATTING

Experimenteel Onderzoek en Experimentele Controle

Schema Afasie. 1 De logopedist neemt bij het vermoeden van een afasie de ScreeLing af, bij voorkeur binnen een week na de beroerte.

Vierde college complexiteit. 16 februari Beslissingsbomen en selectie

Nederlandse samenvatting

Tiende college algoritmiek. 4 mei Gretige Algoritmen Algoritme van Dijkstra

Hoofdstuk 1 hoofdstuk 2 Hoofdstuk 3

Compatibility Process Scale (ACPS). De therapeutische alliantie is gemeten met de Werk

Wondzorg: De patiënt & de politiek en de zorgverzekeraar. Iris van Bennekom

Cover Page. The handle holds various files of this Leiden University dissertation.

OORZAAK EN GEVOLG IN DE GENEESKUNDE

Nederlandse samenvatting

Hoorcollege 1: Onderzoeksmethoden !!

Wat zijn polyq ziektes?

Clinical Decision Support Systems

Pijnsyndromen van de ledematen

Combinatorische Algoritmen: Binary Decision Diagrams, Deel III

APR-DRG (versie 15.0)

Welkom op de implementatie cursus KNGF-richtlijn Manuele Therapie bij Lage-rugpijn

Bijkomende informatie voor de registratie van de doodsoorzaak

Hoe maakt u het medewerkers en patiënten gemakkelijk? Diagnostiek. Een update over de laatste stand van zaken.

Nederlandse samenvatting

HOOFDSTUK 1: INLEIDING

Het verzamelen van Pompe patiënten informatie

Context Informatiestandaarden

Cover Page. The following handle holds various files of this Leiden University dissertation:

Starten van de tool De tool wordt opgestart door een web browser te openen (bij voorkeur Google Chrome) en in de adresbalk te typen:

Tiende college algoritmiek. 26 april Gretige algoritmen

1 Beschrijving eindproduct

Samenvat ting en Conclusies

Evaluatie stage extra muros

Samenvatting. Samenvatting

Nederlandse samenvatting

Cover Page. The handle holds various files of this Leiden University dissertation.

Overzicht meetinstrumentarium

I Identificatie van de rechthebbende (naam, voornaam, inschrijvingsnummer bij de V.I.)

Tentamen Data Mining

Het minimale aantal sleutels op niveau h is derhalve

Hoofdstuk 1 Hoofdstuk 2

Gebruik van PROMs individueel versus groepsniveau. Riekie de Vet

n-queens Local Search met Conflict Minimalizatie

Moral Misfits. The Role of Moral Judgments and Emotions in Derogating Other Groups C. Wirtz

Het begrijpen van heterogeniteit binnen de ziekte van Alzheimer: een neurofysiologisch

Een voorbeeld vervolg De verschijnselen van de patiënt zijn onvoldoende specifiek om de diagnose betrouwbaar te stellen. Mogelijke diagnostische tests

werkcollege 6 - D&P10: Hypothesis testing using a single sample

Divide & Conquer: Verdeel en Heers vervolg. Algoritmiek

Onderzoek in het kader van de interventiecyclus. Jac Christis, 11 september 2013

Transcriptie:

College 2: CASNET systeem Doel van college 2 CASNET is een medisch expertsysteem: diagnose therapie selectie model gebaseerde methode toepassing in glaucoom domein Bestuderen van een concreet systeem dat model-gebaseerd redeneert. Twee aspecten: Domein model Redeneer methode MBR2 2002 AtT 1 MBR2 2002 AtT 2 Artikel voor college 2 Domein-model van CASNET A model-based method for computer-aided medical decision-making S.Weiss, C.Kulikowski, S. Amarel causaal associatie netwerk voor ziektes 3 soorten domein-kennis: observaties (geassocieerd met toestanden) pathophysiologische toestanden (toestanden causaal gerelateerd) categorieën (geassocieerd met patronen van toestanden) MBR2 2002 AtT 3 MBR2 2002 AtT 4 Redeneer methode van CASNET causaal associatie netwerk methode voor diagnose & therapie selectie algemene beslissingsregels voor het medische domein beslissingsregels onafhankelijk van de toepassing (hier: glaucoom) categorieën classificatie relaties pathophysiologische toestanden causale relaties associatie relaties observaties MBR2 2002 AtT 5 MBR2 2002 AtT 6 1

Laag 1: observaties alle mogelijke observaties in het glaucoom domein patient specifiek voorbeeld: pijn, verwijde pupil Laag 2: pathophysiologisch model Modeleren van ziekte processen mogelijke pathophysiologische toestanden causale relaties tussen deze toestanden verschillende sterkte van causale relaties pad is een ziekte proces partieel pad is een deel van een ziekte proces MBR2 2002 AtT 7 MBR2 2002 AtT 8 Laag 3: categorieën ziektes (diagnostische categorie) voorbeeld: open angle glaucoma (mild) therapieën voorbeeld: miotic therapie CASNET model Domein model 3 lagen-model Associatie linken tussen pathophysiologische en observatie Classificatie linken tussen pathophysiologische en categorieën MBR2 2002 AtT 9 Methode: redeneren met dit domein-model MBR2 2002 AtT 10 In meer detail... e e Causal model tussen pathophysiologische toestanden. Toestand netwerk: <S,F,N,X> S: Start knopen (hebben geen oorzaak) F: Final knopen (veroorzaken geen effect) N: totale verzameling van knopen X: verzameling causale linken MBR2 2002 AtT 11 MBR2 2002 AtT 12 2

Toestand netwerk Causaal verband met sterkte: n 1 veroorzaakt n 2 met frequentie a 12 a n 12 1 n 2 NB: onafhankelijk van andere gebeurtenissen Start knopen: a 1 representeert de start frequentie a 12 representeert sterkte causaal verband getal tussen 0-1 ranges geven aan: soms,vaak,eventueel,altijd, gewoonlijk MBR2 2002 AtT 13 e n1 n2 a 1 n3 a 12 a 34 a24 n4 n7 a 3 a 47 MBR2 2002 AtT 14 a 54 n5 n6 a 56 a 5 e n19 n25 : primary open angle : visual field loss : decreased blood supply to optic nerve head MBR2 2002 AtT 15 0.35 e acyclische graaf graaf representeert ziekte processen compleet pad = ziekte proces n19 partieel pad = deel ziekte proces n25 MBR2 2002 AtT 16 e (n:m relatie) n19 : primary open angle : visual field loss : decreased blood supply to optic nerve head n25 MBR2 2002 AtT 17 Associatie regels Idee: e observaties van een patiënt gebruiken voor het bevestigen/uitsluiten van toestanden in het ziekteproces. Let wel relatie is niet causaal! Associatie relatie toestand æ observatie is een n:m relatie MBR2 2002 AtT 18 3

associatie relaties: s - patho-toestanden eveved IOP t4 + = t2 + +t3 + Optic nerve damage visual field loss t1 + t2 + t3 + t5 - t5 + Associatie regels sterke/zwakke associatie regels observatie t 1 wordt geassocieerd met toestand n 2 met vertrouwen q 12 q t 12 1 n 2-1 <= q 12 <= 1 positief: aanwezigheid t 1 support aanwezigheid van toestand n 2 negatief: aanwezigheid t 1 support de afwezigheid van toestand n 2 MBR2 2002 AtT 19 MBR2 2002 AtT 20 Classificatie regels voor ziektes Een ziekte wordt geassocieerd met aanwezigheid van toestanden Classificatie tabel = geordende patronen van regels n 1 & ÿn 2 Æ d 1 n 1 & n 2 & ÿn 3 Æ d 2... n 1 & n 2 &...n n Æ d n Uitbreiding: therapie toevoegen diangosetherapie Casnet: domein model 3 lagen e 3 soorten relaties: Causale relaties Associatie relaties Classificatie relaties MBR2 2002 AtT 21 MBR2 2002 AtT 22 Methode van CASNET PAUZE onafhankelijk van inhoud van het model fi onafhankelijk van glaucoom afhankelijk van structuur van het model fi afhankelijk van het lagen model MBR2 2002 AtT 23 MBR2 2002 AtT 24 4

Methode van CASNET Onderwerpen: Beslissingsregels: (1) interpretatie van testen (observaties) (2) test selectie (3) generatie van verklaringen (4) classificatie van ziektes (5) toekennen van behandelingen inferentie-stappen formalisatie MBR2 2002 AtT 25 (I) Beslissingsregels Pathologische Toekennen van behandelingen Classificatie van ziektes Generatie van verklaringen Test selectie Interpretatie van testen MBR2 2002 AtT 26 1. Interpretatie van testen 1. Interpretatie van testen Toestand met behulp van observatie: bevestigen of verwerpen of onbepaald regel 1: bepaal de confidence waarde van n 2 (Cf(n 2 )) q 12 t 1 n 2 initieel: Cf(n 2 ) := 0 if ÁCf(n 2 ) Á < Áq 12 Á then Cf(n 2 ) := q 12 if Cf(n 2 ) = -q 12 then Cf(n 2 ) := 0, conflict anders: Cf(n 2 ) := Cf(n 2 ) Toestand met behulp van observatie: bevestigen of verwerpen of onbepaald regel 2: if Cf(n 2 ) > grenswaarde dan n 2 bevestigen if Cf(n 2 ) < - grenswaarde dan n 2 verwerpen anders n 2 onbepaald. MBR2 2002 AtT 27 MBR2 2002 AtT 28 associatie relaties: s - patho-toestanden 2. Selectie van testen eveved IOP t4 + = t2 + +t3 + Optic nerve damage visual field loss q 1,26 = 0.7 0.3-0.3 0.7 Benaderingen: lokaal logische constraints op basis van causale pad op waarschijnlijkheid van toestanden t1 + t2 + t3 + t5 - t5 + MBR2 2002 AtT 29 MBR2 2002 AtT 30 5

2. Selectie van testen Op basis van waarschijnlijkheid van toestanden Voorwaartse gewicht Inverse gewicht Totale gewicht (voorwaarts & inverse) Gewicht & kosten van de test MBR2 2002 AtT 31 Terminologie "Admissible" pad van n 1 naar n 2 : Indien geen enkele knoop op het pad n 1 naar n 2 "verworpen is admissible pad van n i naar n j Gewicht van n j = product van alle gewichten op pad n i - - > n j j -1 W F (j i) = P a k,k+1 k = i MBR2 2002 AtT 32 2a Voorwaarts test selectie Idee: het gewicht van de toestand wordt bepaald door de bevestigingen van de oorzaken van de toestand Voorwaarts gewicht van n j = som van alle W F (j i) waarbij i de dichtsbijzijnde bevestigde toestand op het admissible pad is als er geen bevestigde toestand n i is neem dan het start gewicht van de initiele toestand n i MBR2 2002 AtT 33 e n17 n7 n18 n19 - n7 bevestigd - n17 ontkend - rest onbekend W F (n19 7)=* W F (n19 17)= W F (n19 14)= n25 MBR2 2002 AtT 34 0.30 2a Voorwaarts test selectie Indien n i niet bevestigd: factor i = a i Indien n i wel bevestigd: factor i = 1 W f (j) = S W f (j i) *. factor j i = a j indien j is start knoop n i n j e n17 n7 n18 n19 - n7 bevestigd - n17 ontkend - rest onbekend W F (n19 n7)=* W F (n19 n17)= W F (n19 )= n25 0.30 W F (n19)= W F (n19 n7)*1 + W F (n19 )* MBR2 2002 AtT 35 MBR2 2002 AtT 36 6

2b Inverse test selectie Idee: gewicht van een knoop wordt bepaald door de gevonden bevestigingen van de effecten van de knoop. inverse gewicht (analogy Bayes): n i W I (i j) = [W F (j i).w F (i)] / W F (j) W I (i) = max {W I (i j)} MBR2 2002 AtT 37 n j e n19 n25 : primary open angle : visual field loss : decreased blood supply to optic nerve head MBR2 2002 AtT 38 0.30 Voorbeeld:, onbekend rest ontkend bevestigd 3. Generatie van verklaringen 3. Generatie van verklaringen mogelijke verklaring: pad van een starttoestand n 1 naar een toestand n 2 waarop geen verworpen toestanden zijn hypothese: is een verzameling starttoestanden {h 1,..,h n } voor elke bevestigde toestand n j is er een starttoestand h i in de hypothese, zodat h i fi n j een mogelijke verklaring is. Single fault diagnose: de meeste observaties verklaard, en de hoogste waarschijnlijkheid heeft. 1+n fault diagnose Eventueel: potentiële verklaringen (alle paden die een bevestigende toestand bereiken) verklaringen die nog niet verworpen zijn (alle paden die geen verworpen toestand hebben) MBR2 2002 AtT 39 MBR2 2002 AtT 40 4. Classificatie van aandoeningen Diagnostische labels Patiënten met dezelfde aandoening kunnen zich in verschillende toestanden bevinden. CASNET twee categorieën: mechanisme van de aandoening/ziekte oorzaken uit het causale netwerk (pathophysiologische ) ernst en de mate van progressie van de aandoening (volgorde van de diagnostische tabel) MBR2 2002 AtT 41 5. Bepalen van de behandeling Diagnostisch label is gekoppeld aan een therapie (eenvoudig!) Werkelijkheid: Therapie bepalen is complex probleem! Denk aan: monitoring, effectiviteit behandeling etc. MBR2 2002 AtT 42 7

(II) Inferentie stappen (II) Inferentie stap Toekennen van behandelingen e Classificatie van ziektes Generatie van verklaringen Test selectie testen interpretatie van testen patho.toestand bevestigen/ verwerpen/ onbekend Interpretatie van testen associatie relaties obs/patho MBR2 2002 AtT 43 MBR2 2002 AtT 44 (II) Inferentie stap (III) Formalisatie patho.toestand bevestigen/ verwerpen/ onbekend genereren van verklaring mogelijke verklaring Causal redeneren fi basis is abductief Redeneren met empirische associatie regels fi basis is deductief pathophysiologische Redeneren met classificatie regels fi basis is deductief MBR2 2002 AtT 45 MBR2 2002 AtT 46 Lessen CASNET heeft een complex domein model (ontwerp en representatie van model) CASNET redeneert op basis van de structuur van het domein model: CASNET heeft een algemene methode voor het doen van diagnose (en therapie selectie) aanwezig implementatie (o.a. glaucoom, diabetes) afwezig formalisatie MBR2 2002 AtT 47 Glaucoom systeem > 100 toestanden > 400 testen 75 classificatie tabellen 200 diagnostische labels & behandelingen MBR2 2002 AtT 48 8

Volgende keer: MAB diagnose model Artikel: A theory of diagnosis for incomplete causal models L.Console, D.Theseider Dupre, P. Torasso MBR2 2002 AtT 49 9