PAIRS Medical Diagnosis 1.0

acerca de PAIRS Medical Diagnosis

El diagnóstico médico es un tema complejo y sufre de varios escollos. Aunque el estudio de la medicina es una ciencia, la práctica es un arte. Los errores pueden ocurrir a un costo enorme para el paciente y su familia y el médico. Los sistemas de apoyo a la toma de decisiones clínicas (CDSS) se desarrollan para minimizar los errores. AI-MED está diseñado para ayudar a los médicos a minimizar los errores en su práctica. En un estudio se encontró que 225 000 pacientes mueren cada año debido a un error médico incluyendo errores de diagnóstico (15%) y los efectos secundarios de los medicamentos (45%). CDSS se hace obligatorio para su uso en EE.UU. junto con HIS para minimizar estos errores. Los errores de diagnóstico son cometidos por los médicos debido a varias razones. Los psicólogos estudiaron estos y descubrieron que las características de distracción más destacadas podrían ser una de las razones. Por ejemplo, uno podría pensar que algunas características son importantes debido a su relación actual con algún evento, pero puede no estar involucrado en el proceso de la enfermedad o no relacionado con el diagnóstico. Del mismo modo, un razonamiento defectuoso puede deberse a sesgo cognitivo o de confirmación. Algunos otros errores pueden deberse al anclaje o enmarcado o al cierre temprano de los cables. AI-MED está diseñado para minimizar estos errores al interrumpir el proceso. El proceso de diagnóstico AI-MED es disruptivo para el diagnóstico tradicional (al no considerar ningún sesgo invariablemente involucrado en el razonamiento humano) y por lo tanto minimizar los errores.

La inteligencia artificial (IA) consiste en el procesamiento del lenguaje natural (PNL) y el apoyo a la toma de decisiones de diagnóstico (DDS) y forman parte del CDSS. Algunos ejemplos de PNL incluyen un clasificador de texto estadístico. Sin embargo, los términos clínicos son muy complejos y generalmente se basan en términos latinos y griegos. Se desarrolló una Nomenclatura Estandarizada de Términos Clínicos de Terminología Médica (SNOMED-CT) para la clasificación de textos. Los términos (más de 300 000) se indexan por números de 9 dígitos para una descripción precisa y un procesamiento automatizado. Los algoritmos se crean para utilizar este índice para una correcta interpretación de los datos del paciente. DDS se aplica a los datos del paciente para el diagnóstico. Las redes de creencias probabilísticas bayesianas son populares y sus métodos de aproximación se pueden utilizar para el diagnóstico. El Sistema de Referencia de Inteligencia Artificial (PAIRS) de Physician Assistant se desarrolla en líneas similares. Tiene alrededor de 28 000 enlaces de características de la enfermedad para alrededor de 486 enfermedades de medicina interna y 2000 características. Las características de PAIRS consisten en síntomas, signos o pruebas. Su IA consiste en PNL y DDS. La PNL se basa en el análisis del índice de palabras SNOMED-CT. Su algoritmo genera un índice basado en palabras a partir del cual se seleccionan y muestran los sinónimos posibles. El usuario puede introducir datos como uno me gusta y el programa busca sus sinónimos de una lista de características. AI-MED utiliza la base de datos PAIRS. La PNL fácil de usar permite introducir datos clínicos como a uno le gusta. Por ejemplo, los acrónimos se identifican correctamente mediante la PNL. Una vez introducidos los datos del paciente, se puede ejecutar DDS.

AI-MED utiliza el método de aproximación del método probabilístico bayesiano para su DDS. Este método fue publicado en Journal of Artificial Intelligence Research por Tommi Jaakkola y Michael Jordan en 1999. Cada una de las características de PAIRS se pondera (0,09 a 0,99) según su base fisiopatológica y su importancia clínica. La decisión diagnóstica se agrupa en uno de cada grupo para: infección, neoplasia, autoinmune u otros. DDS se ejecuta en los datos del paciente para dar un conjunto de posibles diagnósticos. AI-MED proporciona datos de diagnóstico independientemente de cualquier sesgo. Para los datos de cada paciente, crea datos de casos a partir de la base de datos PAIRS. Los datos del caso incluyen pesos, incidencia de enfermedades y sus factores de fuga estadística. DDS está diseñado para calcular una aproximación de la probabilidad de una enfermedad. Esta aproximación tiene límites superiores e inferiores. La precisión de la implementación de estos algoritmos algebraicos se verifica mediante la variación numérica consistente resultante de 0.00004 a 0.00009 entre los límites. Se realiza una estimación probabilística bayesiana para un diagnóstico. Por último, se sugiere un conjunto de investigaciones para analizar el posible diagnóstico. La salida se puede guardar en un archivo para mayor referencia.