Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
ОПЫТ ПРИМЕНЕНИЯ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАБОТЕ РОБОТА-ВРАЧА
Содержание
- 1. ОПЫТ ПРИМЕНЕНИЯ АЛГОРИТМОВ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В РАБОТЕ РОБОТА-ВРАЧА
- 2. ПРОБЛЕМА ПРОЕКТАПроект: ООО «Лаборатория гемодиализа» − сеть
- 3. ПОСТАВЛЕННАЯ ЗАДАЧА ДЛЯ РЕШЕНИЯ ПРОБЛЕМЫОперативно после получения
- 4. ОБОСНОВАННОСТЬ ПРИМЕНЕНИЯ МЕТОДОВ ИИ ДЛЯ РЕШЕНИЯ ЗАДАЧИПРИЧИНА:
- 5. СХЕМА РЕАЛИЗАЦИИ РЕШЕНИЯ С ИИРазметка данных Сбор
- 6. На сегодняшний день в диализных центрах ООО
- 7. для противоанемической терапии (ААТ) было получено –
- 8. Алгоритм SMOTE: добавление в меньший класс «искуственных»
- 9. Кросс валидация:Кросс-валидация для всех 4 моделей проводилась
- 10. 4 ЭТАП. ОТБОР ФАКТОРОВ, ВЛИЯЮЩИХ НА ВЫБОР
- 11. МАТРИЦА МУЛЬТИКОЛЛИНЕАРНОСТИ Матрица наличий линейной зависимости между объясняющими факторамиКрасный зависимы, Белый не зависимыСиний обратная зависимость
- 12. 6 ЭТАП. ВЫБОР АЛГОРИТМОВ MLНаш выбор метода
- 13. TP (True Positives) – верно классифицированные положительные
- 14. МЕТРИКИ КАЧЕСТВА Метрики качества определялись на основе матрицы неточностей
- 15. Чувствительность — 98%Специфичность — 98%F = 0,98AUC = 0,998 ЭТАП. РЕЗУЛЬТАТЫ НА ТЕСТОВОЙ ВЫБОРКЕ
- 16. Поиск соответствия проводился по базе прецедентов. Алгоритм
- 17. СРАВНЕНИЕ ЭФФЕКТИВНОСТИПроцент эффективных назначений, полученных из ERP-системы
- 18. КАК РЕШЕНИЕ/МОДЕЛЬ ВСТРОЕНО В ERP-СИСТЕМУ?
- 19. 10 ЭТАП ВСТРАИВАНИЕ РЕШЕНИЕ/МОДЕЛИ В МЕДИЦИНСКУЮ ERP-СИСТЕМУ1.
- 20. ОЦЕНКА ЭФФЕКТИВНОСТИ ПРЕДЫДУЩЕГО ЛЕЧЕНИЯ
- 21. ПРЕДЛОЖЕННЫЕ СИСТЕМОЙ НАЗНАЧЕНИЯ
- 22. АНАЛИЗ АНАЛОГИЧНЫХ РЕШЕНИЙAnemia Control ManagementГерманияStrategic Anemia Advisor
- 23. С УДОВОЛЬСТВИЕМ ОТВЕЧУ НА ВСЕ ВАШИ ВОПРОСЫ
- 24. Скачать презентанцию
ПРОБЛЕМА ПРОЕКТАПроект: ООО «Лаборатория гемодиализа» − сеть из 27 гемодиализных клиник, работают на ERP-Lexema более 5 лет, врачи в системе делают назначения пациентам, фиксируют результаты анализов.
Слайды и текст этой презентации
Слайд 3ПОСТАВЛЕННАЯ ЗАДАЧА ДЛЯ РЕШЕНИЯ ПРОБЛЕМЫ
Оперативно после получения актуальных анализов пациента,
выдавать в системе рекомендации по назначению лечения.
Рекомендации системы должны
быть оптимальными с точки зрения эффективности лечения для конкретного пациентаГЛАВНЫЙ КРИТЕРИЙ ЭФФЕКТИВНОСТИ ЛЕЧЕНИЯ — УЛУЧШЕНИЕ ПОКАЗАТЕЛЕЙ АНАЛИЗОВ КРОВИ ПАЦИЕНТА
Слайд 4ОБОСНОВАННОСТЬ ПРИМЕНЕНИЯ МЕТОДОВ ИИ ДЛЯ РЕШЕНИЯ ЗАДАЧИ
ПРИЧИНА: большое количество факторов,
от которых зависит выбор назначения и, как следствие, многовариантность назначений
ВАРИАНТ
№1:МЕТОДЫ РЕШЕНИЯ ЗАДАЧИ
ВЫБРАН
НЕ ПОДОШЕЛ
ВАРИАНТ №2:
Применение линейных алгоритмов
Применение методов ИИ
Слайд 5СХЕМА РЕАЛИЗАЦИИ РЕШЕНИЯ С ИИ
Разметка данных
Сбор репрезентативных данных
Выравнивание выборок
Формирование
обучающей и тестовой выборок
Отбор признаков и факторов, влияющих на лечение
Выбор
алгоритмов MLВыбор метрик качества
Проверка результатов на тестовой выборке
Подбор эффективной стратегии лечения
Встраивание алгоритмов в медицинскую ERP-систему
Слайд 6На сегодняшний день в диализных центрах ООО «Лаборатория гемодиализ» используется
ERP-система Lexema для учета данных о пациентах на диализе
1 ЭТАП. РАЗМЕТКА
ДАННЫХБыла подтверждена гипотеза о согласованности мнений экспертов
Получены размеченные данные, относящие противоанемическую терапию (ААТ) и терапию для восстановления фосфорно-кальциевого обмена (ФКО) к эффективной или нет.
Собрана база данных, позволяющая оперативно извлекать данные в динамике по любому пациенту диализного центра.
Особенность: избыточная терапия относилась также к неэффективной.
Слайд 7для противоанемической терапии (ААТ) было получено – более 9 тысяч
записей,
из них 39% эффективная терапия, 61% - неэффективная,
из неэффективной терапии:
избыточная 22%, недостаточная и неэффективная – 78%Основными критериями эффективности терапий ФКО и ААТ считалось:
достижение целевых показателей анализов крови пациентов
наличие устойчивой положительной динамики показателей в течении 3-х месяцев
для противоанемической терапии (ФКО) было получено – около 9 тысяч записей,
из них 55% эффективная терапия, 45% - неэффективная,
из неэффективной терапии: избыточная 8%, недостаточная и неэффективная – 92%
1 ЭТАП. РЕЗУЛЬТАТ РАЗМЕТКИ ДАННЫХ
Слайд 8Алгоритм SMOTE: добавление в меньший класс «искуственных» похожих примеров (образцов)
Библиотека
в Python: imblearn.over_sampling (SMOTE).
Алгоритм оверсэмлинга: размножение меньшего класса
Библиотека в
Python: imblearn.over_sampling.Решение проблемы отсутствия сбалансированности – сэмплирование выборки (изменение пропорции классов за счет увеличения меньшего класса, или уменьшения большего класса)
Алгоритм RUS (Random undersampling): уменьшение большего класса случайного образом
Библиотека в Python: imblearn.over_sampling (RUS).
2 ЭТАП. ВЫРАВНИВАНИЕ ВЫБОРКИ
Слайд 9Кросс валидация:
Кросс-валидация для всех 4 моделей проводилась на 5 фолдах.
Принцип
построения моделей классификации — воронка
I Этап – прогнозирование эффективная/неэффективная терапия
II
Этап – прогнозирование среди неэффективных избыточной/неэффективной терапииСлепая валидация:
70% данных — обучающая выборка, 30% данных — тестовая выборка
Проверка работы методов ИИ на тестовых данных и сравнение результатов работы методов с данными экспертов
3 ЭТАП: ФОРМИРОВАНИЕ ОБУЧАЮЩЕЙ И ТЕСТОВОЙ ВЫБОРОК
Слайд 104 ЭТАП. ОТБОР ФАКТОРОВ, ВЛИЯЮЩИХ НА ВЫБОР НАЗНАЧЕНИЯ ЛЕЧЕНИЯ
Всего выявлено:
57 факторов
Из них 6 факторов имеют гораздо большую значимость, чем
остальныеПримеры:
Социально-демографические признаки пациента
Наличие у пациента хронических вирусных заболеваний
Длительность применения назначенных препаратов
Длительность нахождения на диализном лечении
Слайд 11МАТРИЦА МУЛЬТИКОЛЛИНЕАРНОСТИ
Матрица наличий линейной зависимости между объясняющими факторами
Красный зависимы,
Белый не зависимы
Синий обратная зависимость
Слайд 126 ЭТАП. ВЫБОР АЛГОРИТМОВ ML
Наш выбор метода для оценка эффективности
лечения — Модифицированный бустинг.
Причина модификации: повышение эффективности вычислительных ресурсов и, как
следствие, уменьшение времени выполнения.Использовали библиотеку xgboost.sklearn (XGBClassifier)
Нейросети — не подходят для применения в медицине.
Причина — поведение обученной нейросети не всегда может быть однозначно предсказуемо, что увеличивает риск применения.
Слайд 13TP (True Positives) – верно классифицированные положительные примеры
TN (True
Negatives) – верно классифицированные отрицательные примеры
FN (False Negatives) –
положительные примеры, классифицированные как отрицательные FP (False Positives) – отрицательные примеры, классифицированные как положительные
Матрица неточностей
7 ЭТАП. ВЫБОР МЕТРИК КАЧЕСТВА
Слайд 15Чувствительность — 98%
Специфичность — 98%
F = 0,98
AUC = 0,99
8 ЭТАП.
РЕЗУЛЬТАТЫ НА ТЕСТОВОЙ ВЫБОРКЕ
Слайд 16Поиск соответствия проводился по базе прецедентов. Алгоритм мэтчинга был адаптирован
за счет учета всех параметров по поиску наибольшего соответствия с
весами.Веса были проставлены:
в ходе экспертного опроса врачей-нефрологов
в результате многократного тестирования предложенных методов
в результате долевого распределения 10 ранжированных по значимости влияния признаков (для этого использовалась логистическая регрессия, построенная над всеми размеченными данными)
9 ЭТАП. ПОДБОР НАИБОЛЕЕ ПОДХОДЯЩЕЙ С ДАННЫМ ПРОФИЛЕМ ПАЦИЕНТУ ТЕРАПИЙ И ХАРАКТЕРИСТИК ПРОЦЕДУРЫ ДИАЛИЗА
Использовался алгоритм мэтчинга.
Критерием качества в мэтчинге считалось соответствие терапии профилю пациента не менее, чем на 80%.
Алгоритм SequenceMatcher : сравнения пар последовательностей
Библиотека в Python: difflib. SequenceMatcher
Слайд 17СРАВНЕНИЕ ЭФФЕКТИВНОСТИ
Процент эффективных назначений, полученных из ERP-системы по оценке ИИ:
49%
Целевой показатель эффективности для робота-врача: 98%
Эффективности назначений, т.е. улучшений показателей крови
Слайд 1910 ЭТАП ВСТРАИВАНИЕ РЕШЕНИЕ/МОДЕЛИ В МЕДИЦИНСКУЮ ERP-СИСТЕМУ
1. SQL-запрос
с параметрами
пациента
2. Python заполняет
SQL-таблицу данными с рекомендациями лечения
3. Интерфейс врача
показывает данные таблицы
Слайд 22АНАЛИЗ АНАЛОГИЧНЫХ РЕШЕНИЙ
Anemia Control Management
Германия
Strategic Anemia Advisor
США
Lexema-Medicine
Россия
Эффективность
Чувствительность
Специфичность
70-83%
92%
75%
65%
98%
98%
98%
