Ανάπτυξη συστήματος για την διάγνωση επιληψιών και επιληπτικών σύνδρομων σε παιδιά με τη βοήθεια υπολογιστών

 
Το τεκμήριο παρέχεται από τον φορέα :
Πανεπιστήμιο Κρήτης
Αποθετήριο :
E-Locus Ιδρυματικό Καταθετήριο
δείτε την πρωτότυπη σελίδα τεκμηρίου
στον ιστότοπο του αποθετηρίου του φορέα για περισσότερες πληροφορίες και για να δείτε όλα τα ψηφιακά αρχεία του τεκμηρίου*
κοινοποιήστε το τεκμήριο




2004 (EL)
Ανάπτυξη συστήματος για την διάγνωση επιληψιών και επιληπτικών σύνδρομων σε παιδιά με τη βοήθεια υπολογιστών

Βασιλάκης, Κωνσταντίνος Μ (EL)
Vasilakis, Konstantinos M (EN)

Στην παρούσα διατριβή αναπτύξαμε ένα σύστημα υποστήριξης ιατρικών αποφάσεων (Medical Decision Support System - MDSS) που έχει σαν στόχο να προσφέρει βοήθεια στην κατάταξη επιληπτικών περιπτώσεων ασθενών. Η κατάταξη των περιπτώσεων Επιληψίας γίνεται σύμφωνα με την διεθνή ταξινόμηση για επιληπτικά σύνδρομα και επιληψίες, όπως αυτή προτείνεται από την Διεθνή Ένωση κατά της Επιληψίας και η οποία αναφέρεται στην ταξινόμηση τόσο των επιληπτικών κρίσεων, όσο και των επιληψιών (International League Against Epilepsy-ILAE). Η δημιουργία ενός τέτοιου συστήματος υποστήριξης αποφάσεων και ο έλεγχος λειτουργίας του σε πραγματικό περιβάλλον εργασίας, μας βοήθησε να βγάλουμε χρήσιμα συμπεράσματα σχετικά με την αναγκαιότητα αντίστοιχων συστημάτων σε διαγνωστικές διαδικασίες νευρολόγων για την ασθένεια της επιληψίας. Προσπάθειες για την χρήση συστημάτων που βασίζονται σε γνώση και έχουν σαν στόχο να βοηθήσουν στην διαδικασία λήψης αποφάσεων στην Ιατρική έχουν ξεκινήσει εδώ και δεκαετίες και η λειτουργία τους αποβλέπει στην καλύτερη αξιοποίηση των διαφόρων δεδομένων (συμπτώματα, εργαστηριακά ευρήματα, δημογραφικά στοιχεία κλπ) που αφορούν περιπτώσεις ασθενών από τους κλινικούς ιατρούς και τους εκπαιδευόμενους, τα οποία θα μπορούσαν να οδηγήσουν σε διάφορες διαγνώσεις. Επακόλουθο της χρήσης αυτών των συστημάτων υποστήριξης αποφάσεων είναι η αρωγή που προσφέρουν στην διαφορική διάγνωση, ιδιαίτερα σε περιπτώσεις όπου πολλά ιατρικά ευρήματα οδηγούν σε όμοιες διαγνώσεις. Τα πληροφοριακά αυτά συστήματα λαμβάνοντας υπόψη διάφορα στοιχεία με τα οποία τροφοδοτούνται, προσφέρουν σημαντική βοήθεια στην «μνήμη» του ιατρού βοηθώντας τον να οδηγηθεί σε χρήσιμα διαγνωστικά συμπεράσματα. Ιδιαίτερη σημασία έχουν αυτά συστήματα υποστήριξης αποφάσεων για την διάγνωση και την διαφορική διάγνωση των επιληψιών και ακόμα περισσότερο των επιληπτικών συνδρόμων κατά την διάρκεια της παιδικής κυρίως ηλικίας, όπου υπάρχουν πολλά σύνδρομα, τα οποία πολλές φορές δυσκολεύουν τον ιατρό στην κατάταξη τους. Σε περιπτώσεις λοιπόν παιδικής επιληψίας, αυτά τα συστήματα με την ενσωματωμένη γνώση που διαθέτουν και τον τρόπο λειτουργίας τους σε πραγματικό περιβάλλον εργασίας, μπορούν να παίξουν σημαντικό ρόλο και να καθοδηγήσουν το ιατρό στην κατάλληλη διάγνωση. Οι σημερινές γνώσεις για τις επιληπτικές κρίσεις και τις επιληψίες και οι διάφορες ταξινομήσεις αυτών, οι οποίες έχουν κατά καιρούς επεξεργαστεί από την ILAE, μας έδωσαν την ευκαιρία να οργανώσουμε τα στοιχεία και τους παράγοντες που επηρεάζουν την διάγνωση της επιληψίας, να τα καταχωρήσουμε με κάποιο τρόπο (για παράδειγμα υπό μορφή κανόνων - rule based system) σε υπολογιστικό σύστημα και να τα αξιοποιήσουμε κατάλληλα για να βγουν χρήσιμα συμπεράσματα, τα οποία είναι δυνατόν να μας οδηγήσουν σε διακριτές διαγνώσεις. Αυτός ο λόγος αλλά και το γεγονός ότι υπήρχε έλλειψη ικανοποιητικών στατιστικών δεδομένων, δεν μας επέτρεψαν να χρησιμοποιήσουμε άλλες γνωστές μεθοδολογίες μηχανικής μάθησης. Τέτοιου είδους τεχνικές απαιτούν ικανό αριθμό περιπτώσεων τόσο από πλευράς ποιότητος, δηλαδή να συμπεριλαμβάνουν όλα τα στοιχεία που μπορούσαν να οδηγήσουν σε διάγνωση, όσο και από πλευράς ποσότητας. Σκοπός του συγκεκριμένου διαγνωστικού συστήματος, είναι να βοηθήσει τον γιατρό να κατατάξει ένα περιστατικό Επιληψίας σε κάποια διαγνωστική κατηγορία της διεθνούς ταξινόμησης και κατά συνέπεια να συμβάλει στην διάγνωση (και έμμεσα στην διαφορική διάγνωση) επιληψιών. Το σύστημα εστιάζει σε περιπτώσεις επιληψιών που παρουσιάζονται κατά την διάρκεια της παιδικής ηλικίας, όπου και υπάρχουν τα περισσότερα προβλήματα διάγνωσης και διαφορικής διάγνωσης. Αφού έγινε αναπαράσταση της βάση γνώσεων (knowledge base) σε υπολογιστικό σύστημα, ο χρήστης εισάγοντας διάφορα στοιχεία, τα οποία προέρχονται από κλινικά και εργαστηριακά δεδομένα, παίρνει στην οθόνη του υπολογιστή του κάποια προτεινόμενη από το σύστημα διάγνωση. Η εισαγωγή των στοιχείων γίνεται αρχικά με την συμπλήρωση συγκεκριμένων δεδομένων σε μορφή καταλόγου (check list) και στην συνέχεια κατόπιν προτροπής του διαγνωστικού συστήματος, κατά την διάρκεια της διαγνωστικής διαδικασίας. Η διάγνωση που προτείνεται, υπολογίζεται να είναι στις περισσότερες περιπτώσεις ορθή και ως εκ τούτου μία σημαντική βοήθεια για τον ιατρό. Το σύστημα υλοποιήθηκε εξ' ολοκλήρου στην Ιατρική Σχολή του Πανεπιστημίου Κρήτης κατά την διάρκεια της εκπόνησης της συγκεκριμένης διδακτορικής διατριβής. Για την λειτουργία του λογισμικού δεν απαιτείται εξειδικευμένη υλική υποδομή, καθώς το περιβάλλον λειτουργίας του είναι τα δημοφιλή MS-Windows (σε όλες τις εκδόσεις) και είναι δυνατόν να εγκατασταθεί σε οποιοδήποτε σταθμός εργασίας. Το λογισμικό υποβλήθηκε σε έλεγχο και εξετάστηκαν διάφορες περιπτώσεις ασθενών, ώστε με την εισαγωγή πολλών περιπτώσεων να εκτιμηθεί η διαγνωστική του αξία και ενδεχόμενα να γίνουν περαιτέρω βελτιώσεις. Τα αποτελέσματα που είχαμε τροφοδοτώντας το σύστημα στήριξης αποφάσεων που κατασκευάσαμε, με δείγματα περιπτώσεων ασθενειών, τα οποία συλλέξαμε κυρίως από την παιδιατρική κλινική του Περιφερειακού Πανεπιστημιακού Νοσοκομείου, για να διαπιστώσουμε την ικανότητα που αυτό διαθέτει στην κατάταξη των επιληψιών, είναι αρκετά ενθαρρυντικά. Το διαγνωστικό σύστημα σε ποσοστό πάνω από 80% είχε τα ίδια ακριβώς συμπεράσματα με τον έμπειρο ιατρό. Αν μάλιστα λάβουμε υπόψη μας ότι σε κάποιες περιπτώσεις είχαμε συναφή αποτελέσματα με αυτά του εμπειρογνώμονα, αποδεκτά από αυτόν, τότε τα ποσοστά ευστοχίας του προγράμματος ξεπερνούν το 90%. Σε γενικές γραμμές το σύστημα υποστήριξης αποφάσεων που κατασκευάσαμε οδηγεί σε σωστή κατάταξη και έδειξε ότι είχε αρκετά ικανοποιητική απόδοση και ως εκ τούτου πιστεύουμε ότι μπορεί να γίνει ένα σημαντικό βοηθητικό διαγνωστικό εργαλείο. (EL)
Accurate diagnosis and classification of epilepsies and epileptic syndromes allow the scientific analysis of the underlying disease processes and their specific clinicopathological features and genetics and provides a framework for clinical trials aimed at optimising treatment. Because of their atypical appearance their polymorphism, diagnosis and differential diagnosis of epilepsies in childhood is often difficult. A computerized Medical Decision Support System (MDSS) could be helpful for the classification and diagnosis of Epilepsy. Methods from Artificial Intelligence have supported a wide variety of clinical and medical decision making tasks. Furthermore, Artificial Intelligence methods have contributed towards the formalization and representation of medical knowledge both formal and informal. Formal connotes knowledge embodied in textbooks and well-established procedures while informal indicates context and subjective elements. Alternative methods inspired from Artificial Intelligence have supported a wide variety of clinical and medical decision-making tasks. Since pure Artificial Intelligence methods offer mainly a clustering of the data, decision support systems could be more appropriate to support diagnosis in that they are information-processing systems and are particularly helpful when quick and correct decision-making is needed. Such systems support the clinician and help trainees/generalists to perform quicker and more accurate diagnosis. The dissertation reports research process and results underlying the development and assessment of a medical decision aid, which aims to support medical doctors in the diagnosis of epilepsy with special emphasis on childhood episodes. Classification of epileptic syndromes is done according to the 'International Classification of Epileptic Syndromes and Epilepsies' (Commission on Classification and Terminology of the ILAE 1981, 1989) set forth by the as is proposed by the 'International League against Epilepsy' (ILAE). ILAE nomenclature, procedure and standards are extensively used in modeling presented herein. International Classification includes more than 50 diagnostic categories for epilepsy and epileptic syndromes. To account the diagnostic categories more than 100 different factors (lab and EEG findings, symptoms, clinical data, etc) affecting the diagnosis should be assessed and effectively incorporated in a decision aid system. Methodology decomposes diagnosis into smaller size [sub] diagnosis instances. Thus, size and complexity are reduced with no loss in diagnostic accuracy and clinical comprehensibility of result. Inference draws on decision trees, which are automatically induced using specific input data. We selected to work with decision trees because they provide a convenient tool, which also conforms to clinical decision-making and differential diagnosis. The system and the physician reached identical diagnoses in 85.2% of the cases. In an additional 8.2% of the cases, the system's diagnosis was similar to that of the physician thus raising its overall success rate to 93.4%. The system can be helpful especially for trainees since it only needs to import the clinical and laboratory data. Decision-making and differential diagnosis is then performed automatically. Our preliminary results encourage us to support the use of this decision support system. In general, the diagnostic system we constructed led to the right diagnosis for the majority of the cases. It is certain that no matter how accurate and rational the diagnostic ability of the experienced system may be, it is always a result of series of finite data analyses, so the treating doctor should always have the last word. Nevertheless, he can always refer to it, in order to verify the diagnosis. The software's results can be of consultative character. A very efficient role of the specific diagnostic system is certainly that of an educational tool for students of medicine or doctors in the period of their specialization, as its development has been based on the international classification of syndromes and seizures. (EN)

Τύπος Εργασίας--Διδακτορικές διατριβές
text

Πανεπιστήμιο Κρήτης (EL)
University of Crete (EN)

2004-08-25
2004-03-01


Σχολή/Τμήμα--Ιατρική Σχολή--Τμήμα Ιατρικής--Διδακτορικές διατριβές



*Η εύρυθμη και αδιάλειπτη λειτουργία των διαδικτυακών διευθύνσεων των συλλογών (ψηφιακό αρχείο, καρτέλα τεκμηρίου στο αποθετήριο) είναι αποκλειστική ευθύνη των αντίστοιχων Φορέων περιεχομένου.