Extracción de reglas usando programación genética como base para un sistema de soporte a las decisiones clínicas
La toma de decisiones se da en todo tipo de procesos. En la práctica clínica esespecialmente complejo tomar una decisión. Los sistemas computacionales queapoyan a la toma de decisiones en la salud (HDSS por sus siglas en inglés) hanido evolucionando desde sistemas que dan soporte a los diferentes pr...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2011 |
| País: | México |
| Institución: | Centro de Investigación Científica y de Educación Superior de Ensenada |
| Repositorio: | Repositorio Institucional CICESE |
| Idioma: | español |
| OAI Identifier: | oai:cicese.repositorioinstitucional.mx:1007/368 |
| Acceso en línea: | http://cicese.repositorioinstitucional.mx/jspui/handle/1007/368 |
| Access Level: | acceso abierto |
| Palabra clave: | info:eu-repo/classification/Autor/Riesgo síndrome metabólico,Minería de datos,Programación genética info:eu-repo/classification/cti/1 info:eu-repo/classification/cti/12 info:eu-repo/classification/cti/1203 |
| Sumario: | La toma de decisiones se da en todo tipo de procesos. En la práctica clínica esespecialmente complejo tomar una decisión. Los sistemas computacionales queapoyan a la toma de decisiones en la salud (HDSS por sus siglas en inglés) hanido evolucionando desde sistemas que dan soporte a los diferentes procesos queutiliza un hospital hasta los que apoyan la toma de decisiones clínicas del médicocon conocimiento nuevo.El propósito de este trabajo de tesis es el descubrimiento de conocimiento nuevosobre un padecimiento denominado el síndrome metabólico, aplicando un enfoquesocio-técnico que guía todo el proceso de descubrimiento de conocimiento. Eneste enfoque se le da realce a entender la forma en que el médico maneja elsíndrome metabólico. Producto de este análisis se determinó que se debía obteneruna clasificación de riesgo del síndrome metabólico que permita al médico ubicarsu manejo incluso en las etapas tempranas del padecimiento.Se analizó un caso de estudio real en un hospital donde se identificó el manejoque se hace del síndrome metabólico por parte de los diferentes involucrados. Almismo tiempo se recabó una serie de archivos generados en el área deepidemiología con el propósito de entenderles, limpiar y transformar los datos paraobtener un conjunto de datos listo para ser minados (vista minable). Al analizar losprocesos médicos relacionados con el síndrome se encontró un eje sobre el cualgira el padecimiento, la obesidad. Para encontrar la clasificación se seleccionó a lared neuronal semántica de Kohonen como el algoritmo de formación deconglomerados que mejor preserva las relaciones entre los datos relacionados conel síndrome y este eje. Una vez obtenidas las clases, se aplicaron dos algoritmosdistintos para obtener las reglas que determinan la pertenencia en cada clase: elalgoritmo C4.5 y la programación genética (GP por sus siglas en inglés). La GPpermitió generar un conjunto de reglas con una alta exactitud predictiva, y para mejorar sus resultados se utilizó una gramática restrictiva la cual asegura lacongruencia en la conformación de las reglas. Se obtuvieron 25 reglas divididas en5 clases de síndrome metabólico; las que se evaluaron con una toda la poblaciónde prueba encontrando una exactitud predictiva promedio del 90%.En base a la clasificación de riesgo obtenida y otros elementos de apoyo que deella se desprenden, se desarrolló el SATDSmet un CDSS que da apoyo al médicoal tomar decisiones relacionas con el manejo del síndrome. Finalmente se realizóuna evaluación cualitativa para conocer la percepción de utilidad de la clasificacióny del CDSS, mediante pruebas realizadas con los médicos. Donde se pudoobtener un tendencia que marca que ambos son percibidos como útiles y bienaceptados por los médicos participantes.Palabras clave: clasificación de riesgo del síndrome metabólico, minería de datos,proceso de descubrimiento de conocimiento con enfoque socio-técnico, redneuronal semántica de Kohonen, programación genética con semántica restrictiva,sistema de soporte a la toma de decisiones clínicas. |
|---|