Τα τελευταία χρόνια η αναμφισβήτητη προέλαση των νέων τεχνολογιών έχει αλλάξει τον παραδοσιακό τρόπο απεικόνισης της ανθρώπινης γνώσης και έχει δώσει τεράστια ώθηση σε ένα ευρύ φάσμα μεθοδολογιών μοντελοποίησης και ανάλυσης εξελίσσοντας τα κλασσικά, συμβατικά μοντέλα. Η παρούσα διατριβή ασχολείται συγκεκριμένα με τα συστήματα ιατροφαρμακευτικής περίθαλψης και την ανάγκη που υπάρχει για εξελιγμένα Συστήματα Λήψης και Υποστήριξης Αποφάσεων. Η μέθοδος που επιλέχθηκε για την κατασκευή αυτών των συστημάτων, λόγω της πολυπλοκότητας και της ασάφειας που τα χαρακτηρίζει, ήταν τα Ασαφή Γνωστικά Δίκτυα.
Αυτή η επιλογή πέρα από την παραγωγή γνώσης γεννά αναπόφευκτα και σημαντικά ερωτήματα ως προς το κατά πόσο είναι εφικτό να δημιουργηθεί ένα έγκυρο ιατρικό σύστημα διάγνωσης αλλά και εάν τα Ασαφή Γνωστικά Δίκτυα είναι σε θέση να υποστηρίξουν πλήρως ένα τέτοιο σύστημα ξεπερνώντας τα μειονεκτήματά τους.
Στα πλαίσια λοιπόν της διδακτορικής αυτής διατριβής προσπαθώντας να δοθούν ουσιαστικές απαντήσεις στα παραπάνω ερωτήματα αναπτύχθηκαν δύο νέες εξελιγμένες μέθοδοι μοντελοποίησης των Ασαφών Γνωστικών Δικτύων, τα Ανταγωνιστικά και τα Δυναμικά Ασαφή Γνωστικά Δίκτυα. Μετά την αναλυτική παρουσίαση της μεθοδολογίας τους, χρησιμοποιούνται για την κατασκευή δύο ιατρικών συστημάτων, για τη διάγνωση των κακώσεων του γόνατος και για τη διάγνωση του μηνίσκου. Ένα σύνολο 74 ασθενών συλλέχθηκε με τη βοήθεια ορθοπεδικών ιατρών από το Πανεπιστημιακό Νοσοκομείο της Πάτρας, για τον έλεγχο της ακρίβειας και αξιοπιστίας του μοντέλου με πολύ ικανοποιητικά αποτελέσματα.
Για να ολοκληρωθεί το διαγνωστικό μοντέλο μελετήθηκε και η επίδραση μη στεροειδών αντιφλεγμονωδών χαπιών στην εξέλιξη της πορείας του ασθενούς εισάγοντας με αυτό τον τρόπο και τη σωστή επιλογή της θεραπείας που θα πρέπει να επιλεγεί για τον κάθε ασθενή.
Τέλος κατασκευάστηκε η πλατφόρμα “KneeD”, ειδικά σχεδιασμένη για χρήση από εξειδικευμένο ιατρικό προσωπικό για τη λειτουργία της ως βάση δεδομένων των ασθενών αλλά και ως συμβουλευτικό εργαλείο για τη διάγνωση μηνίσκου.
(EL)
Over the last few years the undeniable technological advancements have changed the traditional way of modelling human knowledge and have given a huge boost to a wide range of modelling and analysis methodologies, evolving the classic and conventional models. This thesis deals specifically with healthcare systems and the need for evolving Decision Making Support Systems. Due to the complexity and the ambiguity of these systems, the chosen method for their construction was Fuzzy Cognitive Maps.
This choice inevitably generates essential questions as to whether it is feasible to create a valid medical diagnostic system but also if Fuzzy Cognitive Maps are able to fully support such a system by overcoming their disadvantages.
In this PhD dissertation, trying to answer the above questions, we developed two new, evolutionary methods of modelling Fuzzy Cognitive Maps, the one of Competitive Fuzzy Cognitive Maps and the one of Dynamic Fuzzy Knowledge Networks. After thoroughly presenting their methodology, they are used for constructing two medical systems, knee injuries and meniscal tear. A total sample of 74 patients was collected by orthopaedic surgeons from the University Hospital of Patras in order to validate the model’s accuracy and reliability with satisfactory results.
To complete the diagnostic model, we studied the effect of non-steroidal anti-inflammatory pills on patient's diagnosis. In that way we introduced the treatment choice for each patient in order to have an integrated model.
Finally, we developed the “KneeD” Platform, specially designed for use by specialized medical staff to operate as a patient database, as well as a consultative tool for diagnosing a meniscus injury.
(EL)
University of Patras
