Formalizace biomedicínských znalostí
Spojení OntoUML a GLIKREM ve znalostním rozhodování Ing. David Buchtela, Ph.D.
16. června 2014, Faustův dům, Praha
Skupina mezioborových dovedností Fakulta informačních technologií České vysoké učení technické v Praze
[email protected]
16.6.2014, Praha
1
Znalostní rozhodování Zkoumaný systém Báze dat • reprezentace entit a vztahů mezi nimi
Báze znalostí • model znalostí • expertní doporučení
Inferenční mechanismus • algoritmus rozhodování
[email protected]
16.6.2014, Praha
2
Znalostní rozhodování Princip rozhodování na základě znalostí Reprezentace báze dat – konceptuální model OntoUml Reprezentace báze znalostí – GLIKREM • stanovení rozhodovacích kritérií (strict-in, strict-out, rule-in, rule-out)
Provázání modelů OntoUML a GLIKREM • reprezentace stavů a přechodů mezi nimi • vyhodnocení rozhodovacích kritérií (přechodů)
[email protected]
16.6.2014, Praha
3
Reprezentace báze dat Konceptuální model OntoUML vytipování podstatných entit (pacient, lék, vyšetření, podnik, …) a jejich vztahy (asociace) typy a aspekty • dle ontologické identity - typy Sortal(I+) a Non-Sortal(I-) • dle modální logiky (rigidity) - typy Rigid(R+) a Anti-Rigid(R-)
Role
[email protected]
Phase
16.6.2014, Praha
4
Reprezentace báze dat Podstatné typy OntoUML pro reprezentaci báze dat Kind, resp. Subkind (I+, R+) reprezentující nutné (z pohledu modální logiky) vlastnosti entit • např. Osoba
Role (I+, R-) reprezentující možné (z pohledu modální logiky) vlastnosti entit • např. Lékař, Pacient, Jednatel, …
Phase (I+, R-) reprezentuje stav entity, který lze odvodit z vlastností entity • např. Hypertenze I.stupně (stav Pacienta) závislý na velikosti jeho systolického a diastolického tlaku
Mode (aspekt) reprezentuje stav entity v čase, tj. hodnoty jejích vlastností v nějakém časovém okamžiku • např. stav Pacienta v době kontroly u Lékaře
[email protected]
16.6.2014, Praha
5
Reprezentace báze znalostí GLIKREM (Guideline Knowledge Representation Model)
V - neprázdná konečná množina vrcholů (kroků)
v0 - počáteční vrchol typu stav
H - neprázdná konečná množina orientovaných hran - aktuální čas v modelu
P - posloupnost parametrů modelu
[email protected]
16.6.2014, Praha
6
Reprezentace báze znalostí Podstatné prvky GLIKREM pro reprezentaci báze znalostí Stav (State) – počáteční stav nebo stav, ve kterém se zkoumaná entita nachází po provedení některého předchozího kroku (vrcholu), především pak vrcholu Rozhodování • např. Hypertenze I.stupně, Diagnoza NAP, … • ale i předepsána kontrola za 3 měsíce
Rozhodování (Decision) – představuje výběr následného kroku na základě splnění logického kritéria (3-hodnotová logika) • striktní, nezávislé na volbě uživatele (člověka) – strict-in … určitě následný krok – strict-out … určitě zakázaný krok
• doporučující, nutná volba uživatele nebo rozhodnutí na základě zkušeností – rule-in … doporučený krok – rule-out … nedoporučený krok
[email protected]
16.6.2014, Praha
7
Spojení OntoUML a GLIKREM <
> Osoba
Proces rozhodování lze chápat jako formu nedeterministického konečného automatu, kdy sledujeme přechody mezi stavy dané entity Stavy • stav entity odvoditelný z hodnot vlastností (atributů) entity • např. „Hypertenze I.stupně“ (STK>130 a DTK>80)
spojení STATE-MODE • stav entity (všech vlastností) v čase • např. „Další měření tlaku za 3 měsíce“ (hodnoty STK a DTK v čase) [email protected]
16.6.2014, Praha
<> Hypertenze I.stupně
State
<>
spojení STATE-PHASE
<> Pacient
<<mode>> Další měření tlaku za 3 měsíce ------------------STK : Integer[1] DTK: Integer[1] 8
Spojení OntoUML a GLIKREM Přechody mezi stavy vyhodnocování ve 3-hodnotové logice (ano, ne, neznámo)
Fáze načtení vstupních parametrů • dostupné hodnoty z báze dat • načtení (stanovení) hodnot obvykle v kroku „Akce“ (GLIKREM)
Fáze vyhodnocení striktních kritérií • strict-out kritérium – zakázaná větev (ano / ne) – neznámo doplnit parametry
• strict-in kritérium – určitě následná větev (ano / ne) – neznámo doplnit parametry
Fáze vyhodnocení doporučujících kritérií • rule-in doporučená větev • rule-out nedoporučená větev [email protected]
16.6.2014, Praha
Pro všechny kombinace hodnot vstupních parametrů: •
Nesmí být všechna strictout pravdivá • Nejvýše jedno strict-in pravdivé v povolených větvích 9
Model zkušeností Pro automatickou volbu následné větve v případě splnění pouze doporučujících kritérií (rule-in, rule-out) je třeba simulovat volbu člověka -> volba na základě zkušeností Reprezentace (model) zkušeností založená na: více (tří) vrstvých neuronových sítích • na základě předchozích rozhodnutích (volbě člověka) se neuronová síť adaptuje (učí)
Bayesovských sítích • pravděpodobnostní reprezentace znalostí pomocí málorozměrných pravděpodobnostních distribucí [email protected]
16.6.2014, Praha
10
Závěrem Pro proces rozhodování na základě znalostí je podstatné vytvořit konceptuální model v OntoUML • převod na implementační (objektový) model • nástroje pro implementaci a použití výsledné aplikace
vytvořit model (procedurálních) znalostí – GLIKREM • na základě expertních doporučení daného oboru • věnování pozornosti reprezentace vhodných stavů entit • pro přechody mezi stavy definovat rozhodovací kritéria – striktní i doporučující kritéria
definovat propojení mezi modely OntoUML a GLIKREM • mapování stavů (GLIKREM) na typy (OntoUML) • implementace přechodů mezi stavy – automatické vyhodnocení doporučujících kritérií na základě modelu zkušeností [email protected]
16.6.2014, Praha
11
Děkuji za pozornost!
Dotazy ?
[email protected]
16.6.2014, Praha
12
