SISTEMA PROTOTIPO DE ENTRENAMIENTO PEDIATRA PARA EL PROCESO DE ADAPTACIÓN NEONATAL (Avance Propuesta)

Maestría en Ingeniería de Sistemas y Computación – Seminario de Investigación IIEdwin Andrés Bernal López

CONTENIDO

Antecedentes y JustificaciónDefinición del ProblemaObjetivosMetodologíaActividades

ANTECEDENTES Y JUSTIFICACIÓN

El diagnóstico médico hace particularmente referencia a una secuencia de pasos a seguir para determinar de la manera más exacta posible las causas de una sintomatología presente en un paciente.

Brause [Fuzzy Diagnosis 1999]destaca el hecho de

que la mayoría de médicos confrontan durante su formación la tarea de aprender a diagnosticar. En ésta fase ellos tienen que resolver el problema de deducir ciertas enfermedades o formular un tratamiento basado en observaciones o especificaciones de conocimiento adquirido de manera teórico-practica.

ANTECEDENTES Y JUSTIFICACIÓN

La adaptación o reanimación neonatal implica una serie de pasos que debe seguir el pediatra (0 – 15 minutos), para garantizar el paso adecuado del medio intrauterino (medio líquido) a el medio ambiente común (aire). Es necesaria aproximadamente para un 5 o 10% de los neonatos a nivel mundial, dado que este porcentaje no se logran adaptar de manera automática a éste cambio de medio.

ANTECEDENTES Y JUSTIFICACIÓN

Año Título/Autor Tipo de Aplicación Publicación

2001 Tunez, S., Aguila, I. M., & Marin, R. (An expertise model for therapy and diagnostic using abductive reasoning.)

Basado en Reglas Cybernetics and Systems:An International Journal.

2001 Eugenio Alberdi, Julie-Care Becher, Ken Gilhooly, Jim Hunter et al. (Expertise and the interpretation of computerized Physiological data: Implications for the design of computerized monitoring in neonatal intensive care)

Basado en Conocimiento International Journal of Human computer studies

2003 Meesad, P., & Yen, G. G. (Combined numerical linguistic knowledge representation and its application to medical diagnosis)

Lógica Difusa IEEE Transactions on Systems, Man, and Cybernetics—Part A: Systems

and Humans,

2004 Yang, Han, Kim (Integration of ART-Kohoene neural network and case-based reasoning for intelligent fault diagnosis )

Redes Neuronales ComputerMethods and Programs in

Biomedicine

2004 Li, W., Tasi, Y. P., Tasi, & Chiu, C. L. (The experimental study of

the expert system for diagnosing )

Redes Neuronales Cybernetics and Systems:An International Journal.

2004 M.A.M Reis, N.R.S Ortega y P.S.P Silva (Fuzzy expert system in the prediction of neonatal resucitation)

Sistema Experto difuso Brazilian Journal of Medical and Biological research

2004 Amy L Potts. Frederick E Barr, David F Gregory, Lorianne Weight y Neal R (Computerized Physician Order entry and Medication errors in a Pediatric Clinical Care Unit )

Basado en Conocimiento Pediatrics

2004 Jim Hunter, Gary Ewing, Yvonne Freer, Robert Logie, Paul McCue, Neil McIntosh (NEONATE: Decision Support in the Neonatal Intensive Care Unit –Technical Report)

Basado en Conocimiento Departamento de ciencias de la computación, Universidad de Aberdeen, Departamento de Neonatology Universidad de Edinburgh.

2005 Christian Fuchsberger , Jim Hunter y Paul McCue (Testing Asbru Guidelines and Protocols for Neonatal Intensive Care )

Basados en Reglas 10th Conference on Artificial Intelligence in Medicine

ANTECEDENTES Y JUSTIFICACIÓN

Trascendencia de una decisión erróneamente tomada por el pediatra.

Proceso generalmente sistemático que como tal se puede perfeccionar por medio de entrenamiento.

Existencia de guías que demuestran la estructura del proceso de manera algorítmica.

DEFINICIÓN DEL PROBLEMA

Debido al la falta de entrenamiento a la que se ven enfrentados los pediatras de manera obligatoria, dado la imposibilidad ética de realizar prácticas con pacientes reales, se han presentado casos en los que los pacientes se han visto afectados por la inexperiencia en un la ejecución de un procedimiento.

OBJETIVOS

General

Desarrollar un software prototipo, basado en técnicas de inteligencia artificial que usen conocimiento para determinar los casos y procedimientos más importantes en el proceso de adaptación neonatal, el cual sirva como herramienta para el entrenamiento de pediatras, presentándoles una valoración de las acciones tomadas, las posibles complicaciones que pudo tener dicha decisión y sugiera la mejor acción que se pudo tomar en ese caso particular.

OBJETIVOS

Específicos Determinar las fuentes de información y establecer la

relevancia de cada una de ellas para estandarizar y delimitar la cantidad de casos que se puedan generar.

Recopilar y generar la base de conocimiento que contendrá los casos que el sistema podrá analizar, evaluar y sugerir.

Desarrollar una interfaz de usuario que permita tanto la captura como la visualización de los datos resultantes.

Generar el motor explicativo que presente resultados en lenguaje claro y adecuado a los pediatras.

METODOLOGÍA (Relevancia)

En ésta fase se realizará y resaltaran aspectos importantes de la relevancia del tema con respecto a una revisión bibliográfica, que además establecerá características que se puedan tener en cuenta con respecto de otros trabajos previamente realizados, estableciendo de igual manera que el tema a desarrollar no ha sido abordado previamente o no se ha desarrollado con un enfoque idéntico en otros trabajos de investigación.

METODOLOGÍA (Extracción Conocimiento)

Ésta fase pretende reconocer y delimitar los distintos casos que se pueden presentar en el proceso de adaptación neonatal, para ello es necesario hacer la extracción de dicho conocimiento de las diferentes fuentes de información (en este caso textos guía especializados y pediatras expertos en el área).

METODOLOGÍA (Desarrollo)

En esta fase se haría la programación necesaria para la obtención de los análisis que el software proveerá a los pediatras, de igual manera se hará el desarrollo de la interfaz con la cuál interactuará el pediatra y el motor explicativo. La obtención de los resultados de los procedimientos ejecutados por los pediatras se realizará mediante la aplicación de técnicas de Inteligencia Artificial como redes neuronales o lógica difusa, se esta considerando la posibilidad de realizar esta obtención mediante alguna técnica híbrida observando el mejor desempeño en resultados que éste tipo de técnicas ofrecen a nivel particular.

METODOLOGÍA (Pruebas)

En ésta fase se realizaran comparaciones de resultados obtenidos contra resultados óptimos esperados, básicamente esta fase proporcionaría retroalimentación a la fase de desarrollo (trabajo en paralelo)para de ésta manera ir mejorando los prototipos periódicos que se han de generar como resultado iterativo de la fase de desarrollo.

ACTIVIDADES (Fase I)

Establecimiento de Fuentes PrincipalesSelección Y Revisión parcial de

bibliografía pertinente.Depuración de InformaciónBibliografía AnotadaGeneración estado del arte

ACTIVIDADES (Fase II)

Determinación de textos relevantesRevisión bibliográfica de textos

relevantesConsulta con expertos (varias sesiones)Determinación de casos de aplicación

relevantes para el sistemaFormalización del lenguaje resultante.

ACTIVIDADES (Fase III)

Programación de los casos PrototiposPruebas

Programación de la Interfaz de usuarioPrototiposPruebas

Motor de explicaciónPrototiposPruebas