Resumen de TERÀP-IA sistema expert d'ajuda al tractament de les pneumònies

Pilar Barrufet Barque

• Es presenta un sistema expert (SE) que es justifica per:

  1. Saplica al tractament duna malaltia freqüent.

  2. Saplica a un domini on hi ha incertesa.

  3. Pot integrar tota la informació necessària per prendre una decisió adequada, i pot disminuir la variabilitat de la prescripció.

  4. Pot fer reproduïble la decisió, ja que els criteris que utilitza per prendre-la són reproduïbles i es poden explicar.

  Els objectius de la tesi han estat:

  1. La modelització del coneixement mèdic necessari per desenvolupar TERÀP-IA.

  2. La generalització del model conceptual al tractament daltres infeccions.

  3. La implementació del SE.

  4. La seva validació.

  Quant al 1er objectiu, lanàlisi del problema ha permès identificar el coneixement farmacològic (CF) dels antibiòtics que són actius per tractar les pneumònies i el coneixement de les dades del pacient (DP) que són necessàries per deduir el millor tractament. També ha permès descriure unes tasques que, realitzades successivament, ajuden a triar el tractament més adequat. Aquest coneixement i aquestes tasques shan representat en una arquitectura que sha generalitzat al tractament daltres infeccions, de la qual TERÀP-IA és una particularització.

  TERÀP-IA sha implementat amb MILORD II llenguatge basat en mòduls. Els mòduls de TERÀP-IA són: adquisició de DP; mòduls de CF; mòduls de filtratge dels antibiòtics per algunes condicions del malalt, ex.: lembaràs, que modifiquen ladequació dels antibiòtics disminuint el seu valor o eliminant-ne alguns; mòduls de microorganismes (MM) que proposen un tractament antibiòtic per a cada un dels microorganismes que pot causar pneumònia; mòdul de Combinacions que combina els resultats dels MM, i proposa el tractament de conjunts de microorganismes; filtratges de les combinacions que trien el millor tractament segons la dosi, espectre i preu. En aquests mòduls els conceptes relatius al CF i les DP shan representat amb fets. Per deduir nous fets shan utilitzat regles. Per expressar la incertesa sha utilitzat una lògica proposicional multivaluada basada en un conjunt detiquetes lingüístiques entre segur i gens possible. Els resultats de TERÀP-IA són antibiòtics amb un valor de certesa. La validació dels resultats del SE, al no disposar d'un patró de referència, ha consistit a comparar les respostes de SE amb les de 5 metges experts (ME) respecte a 58 històries clíniques de pacients amb pneumònia i classificar els resultats del SE en relació als resultats dels ME mitjançant diferents mesures. El conjunt de tractaments proposats pels ME i pel SE s'ha estructurat en una matriu de dades a partir de la qual shan obtingut 3 matrius de distància: euclidiana, city-block i Mahalanobis i una matriu de concordança: líndex Kappa ponderat. A aquestes matrius sels hi ha aplicat un anàlisi de clusters que mostra que el SE no s'aparta de l'acord que tenen els ME entre ells mateixos.

  An expert system (ES) is presented. The justifications of its use are:

  1. It is useful for the decision-making therapeutic process of a frequent disease.

  1. It is applied in a domain with uncertainty.

  2. It can integrate all the necessary information for a good decision, and can decrease the variability of the prescription.

  3. It makes the decision reproducible, as the used criteria are reproducible, and can be explained.

  The aims of the thesis have been:

  1. The modelization of the medical knowledge necessary for the development of TERÀP-IA.

  2. The extension of this conceptual model to the treatment of other infectious diseases (ID).

  3. The implementation of the ES.

  4. Its validation.

  In relation to aim 1 the analysis of the problem has allowed to identify the pharmacologic knowledge (PK) of the antibiotics useful for adult community acquired pneumonia (CAP) treatment, and the knowledge of all the patient conditions (PC) necessary for the choice of the antibiotic therapy. It has also allowed to describe a group of procedures that, performed successively, are very helpful for the best therapeutic decision. These knowledge and procedures have been represented in a construct that has been extended to the general treatment of ID, being TERÀP-IA a particularisation of it. TERÀP-IA has been made operational by using MILORD II, a modular language for knowledge-based systems. TERÀP-IA modules are:

  1. Acquisition PC.

  2. PK modules.

  3. Modules developed for refining decision of therapy according to specific patient conditions, i.e. pregnancy.

  4. Modules proposing a treatment for every one of the micro-organisms involved in CAP.

  5. Module that combine the results of the micro-organism modules to obtain the treatment of set of micro-organisms.

  6. Filter modules of the best treatment, taking into account the dosage, price and action spectrum of drugs.

  In these modules the concepts have been represented as facts. For the deduction rules have been used. A propositional many-valued logic based on a set of linguistic terms from sure to impossible was used to express the uncertainty. The results of TERÀP-IA modules are antibiotic treatments with a truth-value.

  As we did not have a gold standard for comparing the results of ES, the validation was done by comparing the results of the ES with those of the 5 expert doctors (ED) in relation to 58 clinical records of patients suffering of CAP. The ES results were classified in relation to the ED. For this purpose different measurements was used. All the therapeutic possibilities for every case were included in a data matrix, from witch 3 distance matrices were obtained: euclidian, city-block, Mahalanobis, and a concordance matrix: the pondered Kappa index. A cluster analysis was applied to these matrices, indicating that in no one of the measurements analysed a difference could be observed between the ES and the agreement of the ED.