1 InteliMed Sistema de Diagnóstico MédicoSpeaker: Pacho - Inteligencia al Servicio de la Salud - Presentación Técnica

2 Agenda Casos de Uso Modelo de Dominio Distintas Vistas del SistemaSistema Experto Tecnologías Preguntas Speaker: Pacho

3 Casos de Uso: Médico Registrar Encuentro Mantener PacientesObtener Diagnósticos Probables Médico Mantener Pacientes Speaker: Pacho Registrar Diagnóstico Comprobado

4 Casos de Uso: AdministradorIngresar Casos Predefinidos Mantener Usuarios Administrador Administrar Evidencias Speaker: Pacho Determinar Nuevos Síntomas Relevantes Generar Conocimiento

5 Diagrama de Clases: DominioItemEvidencia Evidencia ValorEvidencia 1 1 * valor posible Síntoma Enfermedad ValorBinario ValorCategorico Speaker: Ale ValorRango Característica Paciente ParametroClinico

6 Diagrama de Clases: DominioPaciente ItemEvidencia características * * * * síntomas evidencia observada Encuentro parámetros clínicos evidencia relevante 1 Speaker: Ale Revisar El caso mantiene una cantidad de ocurrencias. Caso 0..1 1 Médico Diagnostico Comprobado * Enfermedad

7 Diagrama de Capas Presentación Servicios DAO Modelo de DominioBase de Conocimiento Speaker: Ale DAO

8 Interfaz AdministradorFlujo de Datos Diagnóstico Interfaz Médico Servicios Base de Conocimiento Médico Encuentros Casos Pacientes Interfaz Administrador Pacientes Speaker: Seba Esto muestra un poco los datos que ingresan y egresan del sistema y como estos se almacenan. El médico a través de su interfaz ingresa…. Y obtiene … El administrador ingresa: Modelo Médico: El conjunto de evidencia y enfermedades que soporta el sistema. Casos Predefinidos: Para poner en marcha al sistema. Modelo Médico Encuentros Administrador Casos Predefinidos Modelo Médico InteliMed

9 Flujo de Datos InteliMed Encuentro 3 1 2 5 4 Paciente 3 EvidenciaEncuentros 1 2 5 4 Motor de Inferencia Paciente Diagnóstico + Tratamiento Diagnósticos Probables 3 Speaker: Seba [Presentación Animada] Se almacena el encuentro y se obtiene el diagnóstico probable. Casos InteliMed

10 Flujo de Datos InteliMed Encuentro 5 6 Paciente 7 EncuentrosComprobar Diagnóstico Diagnóstico Comprobado Motor de Inferencia Paciente Speaker: Seba 7 Casos InteliMed

11 Generador de ConocimientoAprendizaje del Sistema Experto Casos 2 Generador de Conocimiento 3 1 Speaker: Seba Tenemos el generador de evidencia que recorre los casos y actualiza la base de conocimiento. 4 4 Base de Conocimiento InteliMed

12 Diagrama de Paquetes Servicios Médicos Motor Inferencia DiscretizadorPresentación Médico Presentación Administrador Modelo de Dominio Servicios Cálculo Administración Médicos Motor Inferencia Discretizador Base de Conocimiento Speaker: Ariel Generador de Conocimiento DAO

13 Diagrama de ComponentesCore DAO Base de Conocimiento Modelo de Dominio Servicios Médicos Generador de Conocimiento Cálculo Speaker: Ariel Presentación

14 Diagrama de Procesos Apache Tomcat Presentación Internet BrowserServicios Modelo Generador de Conocimiento Base de Conocimiento DAO Speaker: Ariel

15 Elección del Sistema ExpertoBasados en Reglas Problemas Determinísticos Tipos de Sistemas Expertos Probabilísticos Problemas Estocásticos Modelo Médico Las relaciones entre síntomas y enfermedades se conocen sólo con un cierto grado de certeza. La presencia de un conjunto de síntomas no siempre implica la presencia de una enfermedad. Speaker: Ale

16 Hacer Manejable la InformaciónModelo Médico Hacer Manejable la Información Síntomas Dependientes Enfermedades independientes Demasiados parámetros Speaker: Ale Síntomas Independientes Enfermedades independientes Siguen habiendo demasiados parámetros

17 Hacer Manejable la InformaciónModelo Médico Hacer Manejable la Información Síntomas Relevantes Independientes Solo se tienen en cuenta síntomas relevantes Poco realista Speaker: Ale Síntomas Relevantes Dependientes Los síntomas irrelevantes son independientes pero los relevantes pueden ser dependientes Cantidad de parámetros manejable

18 Sistema Experto ProbabilísticoBasado en el Teorema de Bayes Probabilidad de tener una enfermedad dado un conjunto de síntomas P (ei / s1,…,sn) α p(ei) . p(s1,…,sn/ ei) Speaker: Ale Probabilidad de tener los síntomas dado que se tiene la enfermedad Probabilidad de tener la enfermedad Datos obtenidos de la base de conocimiento

19 P (No Tener enfermedad A) P (No Tener enfermedad A)Base de Conocimiento Enfermedad B Evidencia A Evidencia B Evidencia C P (Teniendo Enfermedad) P (No Teniendo Enfermedad) 0.014 0.377 1 0.136 0.253 0.167 0.103 0.036 0.040 0.314 0.030 0.017 0.013 Enfermedad A Evidencia A Evidencia B Evidencia C P (Teniendo Enfermedad) P (No Teniendo Enfermedad) 0.014 0.377 1 0.136 0.253 0.167 0.103 0.036 0.040 0.314 0.030 0.017 0.013 Speaker: Ale Recordar que nosotros no solo tenemos en cuenta síntomas sino también toda otra evidencia relevante. Notar que los colores matchean con la fórmulas. Evidencia Relevante P (Tener enfermedad A) P (No Tener enfermedad A) 0.3 0.7 P (Tener enfermedad A) P (No Tener enfermedad A) 0.3 0.7

20 Sistema Experto: ImplementaciónServicio Cálculo Motor de Inferencia Diagnóstico Discretizador Evidencia Speaker: Ariel Un poco mas en detalle como es el sistema experto por dentro. El motor de inferencia trabaja internamente con cálculos de probabilidad, tomando la información para los cálculos de una base de conocimiento. El discretizador se encarga de convertir la información que ingresa el médico en cosas que el motor de inferencia pueda entender. Motor de inferencia: Modela el proceso de razonamiento humano. Al mismo tiempo hay un proceso de retroalimentación en el cual el sistema aprende con los diagnósticos que se generan. Base de Conocimiento

21 Sistema Experto: ImplementaciónCasos Pacientes Diagnóstico Casos Predefinidos Generador de Conocimiento Speaker: Ariel Base de Conocimiento

22 Web Application Framework Tomcat: Application ContainerTecnologías Web Application Framework ORM Tomcat: Application Container Speaker: Ariel Mapear con componentes. Base de Datos

23 Preguntas Speaker: Ariel

24 Gracias!