Por favor, use este identificador para citar o enlazar este ítem:
http://cicese.repositorioinstitucional.mx/jspui/handle/1007/368| Extracción de reglas usando programación genética como base para un sistema de soporte a las decisiones clínicas Rules extraction using genetic programming as a base for a clinic decision support system | |
| Amado Reyes Velázquez Montalvo | |
| Fernando Rojas Iniguez Ana Isabel Martinez Garcia | |
| Acceso Abierto | |
| Atribución | |
| Riesgo síndrome metabólico,Minería de datos,Programación genética | |
| 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. Take decisions happens in all kind of process. Take a decision is particularlycomplex in the clinical practice. The health decision support system (HDSS) hasevolved from management hospital process till those than supports the clinicaldecisions with brand new knowledge for the medic.The aim of this thesis is discover new knowledge about a disease namedmetabolic syndrome, applying a socio-technical approach who guides all theknowledge discovery process. This approach embosses the understanding of howthe medic handles the metabolic syndrome. Using this approach we determinedthe need of a metabolic syndrome risk classification that makes possible handlethe syndromes even in the early stages of develop.We analyze a study case in a hospital where we identify the metabolic syndromehandling of several stake holders. At same time we collected a set of filesgenerated by the epidemiology area. We understand, clean and transform this datato obtain a set ready to mining (the data mining view). Analyzing the medicalprocess related with the syndrome we found an axis for the syndrome build up: theobesity. To find the classification we selected the semantic Kohonen neuralnetwork as the clustering algorithm that better preserves the relations betweendata involved with the syndrome and this axis. Once obtained the classification, weapplied two different algorithms to obtain the rules that establish the membership inevery class: the C4.5 and the genetic programming (GP). The GP made possibleobtain a set of rules with high predictive accuracy, to improve this results we useda restrictive grammar to assure congruence in the rules construction. We obtained25 brand new rules divided in five metabolic syndrome classes; these rules wereevaluated with the complete test population founding a 90% of predictive accuracy.Based on the new risk classification, and other support elements extracted fromthe same classification, we developed the SATDSmet a CDSS that supportsmedical decision related with the syndrome. Finally we made a qualitativeevaluation to determine the classification and the CDSS utility perception. Wefound that both of them are useful and a have a good acceptance inside themedical evaluation team. | |
| CICESE | |
| 2011 | |
| Tesis de maestría | |
| Español | |
| Velázquez Montalvo,A.R.2011.Extracción de reglas usando programación genética como base para un sistema de soporte a las decisiones clínicas.Tesis de Maestría en Ciencias. Centro de Investigación Científica y de Educación Superior de Ensenada, Baja California.xix, 267 pp. | |
| CIENCIA DE LOS ORDENADORES | |
| Aparece en las colecciones: | Tesis - Ciencias de la Computación |
Cargar archivos:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 185841.pdf | Versión completa de la tesis | 3.6 MB | Adobe PDF | Visualizar/Abrir |