Karaciğer Hastalıklarında İnvazif Olmayan Tıbbi Bilişim Klinik Araştırması: Aksiyon Kuralları

Klinik Destek Sistemleri (KDS) sağlık hizmet kalitesini akıllı bir seçimle hekimlere bilgi sunarak arttırmayı amaçlar. Klinisyenler tanı koyma sürecindeki gözden kaçmaların önüne geçmek ve tanıyı gözden geçirmek için KDS sistemini kullanırlar. Bu sistemler hasta verilerini ve öyküsünü inceleyerek tanı sürecinde hekimlere yardımcı olmak için oluşturulmuştur. Aksiyon kuralları bir tahminden başka bir tahmin için uyumlu bir tahmin yapabilme ve strateji geliştirme yöntemleridir. Bu çalışmamız aksiyon kurallarında nesne-odaklı yeni bir algoritma kullanımını içerir. Bu algoritma elde edilen aksiyon kurallarını önce “aşağıdan yukarı” stratejisi ile başlatır, sonra uzman sistem yardımıyla nesne odaklı veri madeni oluşumunu sağlar. İleri safhasında ise seçilen hastaların verilerini ayrıştırıp en üstün nitelikteki test verilerini çıkarır. Sonuç olarak elde edilen verileri hastanın öyküsü ve fiziksel muayene bulguları ile karşılaştırır. Bu sistem nesne odaklı olarak tasarlanmış ve diğer sistemlere göre daha hızlı çözümleyici ve güçlüdür. Bu nesne odaklı yapıda işlev yapan algoritma daha kısa sürede ve tekrarlamalar olmadan sonuca ulaşmayı sağlar. Hekimler tam isabetli olmayan bir tanıyı aksiyon kuralları algoritması yardımı ile yeniden sınıflandırılarak hastaya tanı koymada ve hastalık yönetme sürecinde önemli bir gelişme sağlayabilir.

Abstract:
Clinical Decision Support Systems (CDSS) can be used ingeniously to assist clinicians and health care providers make clinical decisions. Physicians and decision makers utilize a CDSS to make better diagnoses and to revisit it in terms of refining final outcome. Action rules are defined and extracted patterns that they can predict coherent and congruent strategies from one state to another. This study is a new algorithm for action rules based on object-orientation. It initiates as a “bottom-up breath-first strategy” and later it constitutes object-driven data with an expert system. Then it mines the patents’ data selected with the highest values of attributes to get a desired effect on a decision feature. This object-driven strategy, where the redundancy is eliminated, is faster than the classical strategy for identifying action rules. Action rules can be implemented as an assistant for physicians as well as for impartial diagnoses to be validated by reclassification.