PAIRS Medical Diagnosis 1.0

Sur PAIRS Medical Diagnosis

Le diagnostic médical est un sujet complexe et souffre de plusieurs écueils. Bien que l’étude de la médecine soit une science, la pratique est un art. Les erreurs peuvent se produire à un coût énorme pour le patient, sa famille et son médecin. Des systèmes cliniques d’aide à la décision (SDC) sont mis au point pour minimiser les erreurs. AI-MED est conçu pour aider les médecins à minimiser les erreurs dans leur pratique. Dans une étude, il a été constaté que 225 000 patients meurent chaque année à cause d’erreurs médicales, y compris des erreurs diagnostiques (15 %) et les effets secondaires des médicaments (45 %). CDSS est rendu obligatoire pour une utilisation aux États-Unis avec HIS pour minimiser ces erreurs. Les erreurs diagnostiques sont commises par les médecins pour plusieurs raisons. Les psychologues ont étudié ces derniers et ont constaté que les caractéristiques distrayante saillantes pourraient être l’une des raisons. Par exemple, on pourrait penser que certaines caractéristiques sont importantes en raison de leur relation actuelle avec un événement, mais peuvent ne pas être impliqués dans le processus de la maladie ou sans rapport avec le diagnostic. De même, le raisonnement défectueux peut être dû à un biais cognitif ou de confirmation. D’autres erreurs peuvent être dues à l’ancrage ou à l’encadrement ou à la fermeture anticipée des fils. AI-MED est conçu pour minimiser ces erreurs en perturbant le processus. Le processus diagnostique d’AI-MED perturbe le diagnostic traditionnel (en n’envisageant aucun biais invariablement impliqué dans le raisonnement humain) et donc minimise les erreurs.

L’intelligence artificielle (IA) se compose du traitement du langage naturel (NLP) et de l’aide à la décision diagnostique (DDS) et fait partie du CDSS. Voici quelques exemples de NLP un classificateur de texte statistique. Cependant, les termes cliniques sont beaucoup plus complexes et sont généralement basés sur des termes latins et grecs. Une nomenclature normalisée des termes terminologiques médicaux-cliniques (SNOMED-CT) a été développée pour la classification de texte. Les termes (plus de 300 000) sont indexés par des nombres à 9 chiffres pour une description précise et un traitement automatisé. Des algorithmes sont conçus pour utiliser cet index pour une interprétation correcte des données des patients. Le DDS est appliqué sur les données des patients pour le diagnostic. Les réseaux de croyance probabiliste bayésiens sont populaires et leurs méthodes d’approximation peuvent être utilisées pour le diagnostic. Le système de référence d’intelligence artificielle d’assistant de médecin (PAIRS) est développé dans des lignes semblables. Il a environ 28 000 liens maladie-fonctionnalité pour environ 486 maladies de médecine interne et 2000 caractéristiques. Les caractéristiques du COUPLE consistent en des symptômes, des signes ou des tests. Son IA se compose de NLP et DDS. NLP est basé sur l’analyse de l’index de mots SNOMED-CT. Son algorithme génère un mot basé sur des indices à partir duquel les synonymes possibles sont sélectionnés et affichés. L’utilisateur peut saisir des données comme on aime et le programme recherche ses synonymes à partir d’une liste de fonctionnalités. AI-MED utilise la base de données PAIRS. Une utilisation NLP permet d’entrer des données cliniques comme on veut. Par exemple, les acronymes sont identifiés correctement par NLP. Une fois que les données des patients sont saisies, on peut exécuter DDS.

AI-MED utilise la méthode approximation de la méthode probabiliste bayésienne pour son DDS. Cette méthode a été publiée dans le Journal of Artificial Intelligence Research par Tommi Jaakkola et Michael Jordan en 1999. Chacune des caractéristiques pairs sont pondérées (0,09 à 0,99) en fonction de leur base pathophysiologique et de leur importance clinique. La décision diagnostique est regroupée dans l’un de chaque groupe pour : infection, néoplasie, auto-immune ou autres. DDS fonctionne sur les données des patients pour donner un ensemble de diagnostics possibles. AI-MED fournit des données diagnostiques indépendamment de tout biais. Pour toutes les données données sur les patients, il construit une base de données de cas à partir de la base de données PAIRS. Les données sur les cas comprennent le poids, l’incidence de la maladie et leurs facteurs statistiques de fuite. Le DDS est conçu pour calculer une approximation de la probabilité d’une maladie. Cette approximation a des limites supérieures et inférieures. L’exactitude de la mise en œuvre de ces algorithmes algébriques est vérifiée par une variation numérique constante de 0,00004 à 0,00009 entre les limites. Une estimation probabiliste bayésienne est faite pour un diagnostic. Enfin, un ensemble d’investigations sont suggérées pour tester le diagnostic possible. La sortie peut être enregistrée dans un fichier pour plus de référence.