Presentación de la tesis fin de máster de título "Diseño de un sistema de ayuda a la decisión de diagnóstico clínico preventivo de accidente cerebrovascular de tipo isquémico (Ictus) basado en ontologías y técnicas probabilísticas" de la titulación "Máster en Ingeniería de Sistemas de Decisión" de la "Universidad Rey Juan Carlos".

1. Tesis Fin de Máster Diseño de un sistema de ayuda a la decisión de diagnóstico clínico preventivo de accidente cerebrovascular de tipo isquémico (Ictus) basado en ontologías y técnicas probabilísticas Autor: D. Alejandro Rodríguez González Tutor: Dr. David Ríos Insua

2. Índice Introducción Motivación de la Investigación Estado del Arte Trabajos Relacionados Problema a Resolver Epidemiología Factores de Riesgo Datos Necesarios Datos Obtenidos Tecnologías Empleadas Diseño Aplicación Caso de Uso Conclusiones y Futuras Líneas de Investigación

3. Introducción Las nuevas tecnología han tenido un alto impacto en las biociencias. Los sistemas médicos han ganado gran importancia los últimos años. Las tecnologías semánticas intentan proporcionar metadatos procesables de forma automática. Los sistemas clínicos implican usar un gran número de tecnologías.

4. Motivación de la Investigación Incidencia del accidente cerebrovascular (ACV, Ictus): 1.5/2.9 x 1.000 habitantes/año. 69.000 casos por año en España. Patología difícil de detectar. Diagnóstico preventivo de gran utilidad.

5. Estado del Arte (I) Web Semántica: Reestructuración de la web. Añadir información semántica. Ontologías: Definición formal de un dominio. Representación del conocimiento. Compartición y reutilización. Formatos: OWL y RDF principalmente.

6. Estado del Arte (II) Técnicas de IA: Inferencia Lógica Redes Bayesianas Sistemas de ayuda a la decisión: Sistemas expertos Sistemas de ayuda a la decisión clínica Sistemas de ayuda a la decisión de diagnóstico

7. Trabajos Relacionados Dendral [Stanford, 1960]: Estructuras moleculares MYCIN [Stanford, 1970]: Bacterias, Infecciones Internist-I [U. Pittsburgh, 1970]: General CADUCEUS [U. Pittsburgh, 1985]: General DXPlain [MIT, 1985]: General Iliad [U. Utah, 1990]: Simulación, general. GIDEON [2000]: Infecciosas PAIRS [Hyderabad, 2003]: Casos difíciles

8. Problema a Resolver Ictus: Interrupción brusca del flujo sanguíneo al cerebro. Cuatro motivos principales: Trombosis Embolia Hipo perfusión sistemática Trombosis venosa cerebral El diagnóstico preventivo es importante

9. Epidemiología El diagnóstico preventivo depende de la epidemiología. ¿Factores de riesgo? Estudio de la literatura epidemiológica. Principal estudio (y factores) procedente del Framingham HeartStudy (FHS). Otros factores provienen de otros estudios.

10. Factores de riesgo Procedentes del FHS: Edad (AGE) Sexo (SEX) Presión sanguínea sistólica no tratada (BP) Diabetes (DI) Fumador (SM) Enfermedades Cardiovasculares Previas (PCD) Fibrilación Atrial (AF) Hipertrofia Ventricular Izquierda (LVH) Procedentes de otros estudios: Raza (RC) Sobrepeso (OV) Predisposición hereditaria (HP) Ictus Previos (PST)

11. Datos Necesarios Probabilidades de sufrir un ictus (I) dependiendo del factor de riesgo (RF): P(I|RF) Incidencia del factor de riesgo tratado de forma independiente: P(RF) Problema: Datos provienen de distintas fuentes.

12. Datos Obtenidos (I)

13. Datos Obtenidos (II)

14. Datos Obtenidos (III)

15. Tecnologías empleadas (I) Ontologías como representación del conocimiento: Adaptabilidad a varios frameworks probabilísticos basados en ontologías (Pronto) Reutilización del conocimiento Sencillez de representación Uso de una ontología base sobre cáncer de mama

16. Tecnologías empleadas (II)

17. Tecnologías empleadas (III) Pronto: Framework probabilístico Permite realizar inferencia probabilística, aunque dado el modelo, no sirve para ese propósito Permite acceder fácilmente a los datos probabilísticos codificados en la ontología.

18. Tecnologías empleadas (IV) Clasificador Bayesiano Ingenuo: Modelo asociado al problema. Permite hacer consultas al modelo en función de la presencia, ausencia o desconocimiento del estado de los factores. Gran potencial. Problemas: Fuentes de datos distintas. Independencia de los factores. Generación de tablas de los factores de riesgo.

19. Tecnologías empleadas (V)

20. Diseño Aplicación (I) Generación de tablas probabilísticas: A: Valores binarios (OV, DI, PCD, HP, LVH): 128 Valores senarios: B: RC, PST: SEX  6 C: AF, SM: AGE  6 D: Valores decimales: BP [SEX = M, AGE]: 100 BP [SEX = F, AGE]: 100 Grupos: AD, BD, CD, D, ABCD Total: A+B+C+D+AD+BD+CD+ABCD = 949.940 valores

21. Caso de Uso Aplicación con tres factores de riesgo:

22. Conclusiones y Futuras Líneas de Investigación Datos epidemiológicos contradictorios. Necesario estudio común. Generación de tablas es costosa computacionalmente. Necesarios más factores de riesgo y establecer relaciones entre ellos (no asumir independencia)

23. FIN ¿Preguntas?