VII CONGRESO NACIONAL DE INFORMÁTICA MÉDICA
[Objetivo] [Comité de Honor] [Comité Científico] [Comité Organizador] [Fechas] [Entidades Colaboradoras] [Areas Temáticas] [Asistentes] [Agenda] [Inauguración] [Mesas Redondas] [Comunicaciones Libres] [Clausura] [Cuotas de Inscripción]
Medtool: Hacia una solución integral para la informática médica
J. Heras*, M. Otero**, R.P. Otero**, S.G. Pose**
* |
Hospital Xeral de Galicia, Santiago de Compostela |
** |
AI Lab., Depto. de Computación, Universidade da Coruña |
1. Introducción.
El dominio médico representa todavía un reto en el desarrollo de sistemas informáticos para el que existen importantes problemas sin resolver [van Bemmel96]. Nuestro objetivo consiste en resolver algunos de estos problemas tanto desde un punto de vista científico como práctico.
La mayor parte de los sistemas de informática médica tratan sobre la adquisición, procesamiento y almacenamiento de los datos del paciente, con el fin de facilitar al médico el proceso de diagnosis, el seguimiento y el control de la terapia. Nosotros creemos que los problemas más importantes se presentan en el procesado de los datos del paciente. Como cualquier otra aplicación de la tecnología informática, el procesado se puede plantear con programación clásica. Pero la complejidad y variabilidad de los procesos necesarios en medicina para obtener resultados significativos de ayuda para el médico es mayor que en las aplicaciones clásicas de la informática (gestión y administración).
La extensión de los resultados que el médico necesita, por ejemplo desde distintos puntos de vista para el estudio de hipótesis o tentativas de actuación, hace muy compleja la programación de estas aplicaciones con métodos clásicos. Estas razones son las que han llevado históricamente a considerar la informática médica un buen ejemplo para la aplicación de Inteligencia artificial (I.A.). Esta es la aproximación que nosotros seguimos para plantear soluciones al procesado de los datos.
Sin embargo, este tipo de aplicaciones no han conseguido cuajar hasta ahora por varias razones. Resaltando en primer lugar : la adaptación del formalismo a las necesidades del conocimiento médico. En este trabajo mostraremos algunos ejemplos de adaptabilidad en nuestra propuesta (que desde el principio fue aplicada a la informática médica).
Otra de las posibles razones que justifican el poco éxito es el planteamiento de los sistemas expertos como sistemas autónomos, i. e., no integrados con las soluciones a los demás problemas por otra parte básicos : almacenamiento, adquisición, interfaz
[Riva96]. Nuestra solución ha llevado la integración más allá introduciendo las técnicas de I.A. "dentro de cada dato" y no como un sistema acoplado, con replanteamiento teórico de las técnicas de la I.A. para desmenuzar el conocimiento. La formalización del conocimiento médico dentro del sistema experto (S.E.) se realiza mediante un formalismo adaptado a la medicina, aunque relacionado con técnicas genéricas de Inteligencia Artificial [Pose95] [Otero96].Por último, otra razón fundamental de la escasa aplicación practica de I.A. en informática médica es la poca atención que se presta a los restantes problemas de la informática médica por parte de los investigadores de I.A., al enfocarse más en los no resueltos por la informática clásica. Nuestra solución en este caso también aborda estos otros problemas.
Medtool es una herramienta en la que se integran todas estas soluciones en un único entorno, reúne herramientas para la construcción de sistemas expertos, una base de datos propia y una herramienta para construir una interfaz basada en ventanas y dirigida por el conocimiento. Medtool fue construido a partir de un sistema experto prototipo para Unidades de Cuidados Coronarios
[Otero88]. Ya con la herramienta se desarrolló TAO (consejero de terapia en Oncología) [Barreiro93], y más recientemente TKR-tool [Heras95], un SE para la gestión integral de pacientes sometidos al reemplazo total de rodilla, desarrollado por el Dr. Heras en el Hospital Xeral de Galicia, cuyo contenido usaremos en los ejemplos de esta presentación.El entorno soporta el registro informático de los datos de pacientes (CPR), que pueden estar incluso distribuidos en varios sistemas
[Otero95], integrado con un sistema de soporte para decisiones. Incorpora capacidades de razonamiento temporal, necesarias para el proceso de diagnosis [Console91]. Presenta también una solución al principal problema para la proliferación en el uso de aplicaciones médicas: la interfaz con el usuario [Tang94], esta interfaz está basada en conocimiento, por lo que permite por ejemplo emular las capacidades de los distintos niveles de usuarios: médicos, enfermeras, y administrativos.Como cualquier otro sistema soporta la gestión de múltiples pacientes, pero permitiendo obtener y procesar información global sobre ellos para evaluar, por ejemplo, la efectividad del proceso médico modelado, de especial relevancia para la investigación médica.
2. Necesidades y Soluciones de la Informática médica.
Aunque esta presentación está centrada en la formalización del conocimiento médico, la informática médica tiene una dimensión más amplia que hemos tenido en cuenta. En esta sección recorreremos estas necesidades mencionando las soluciones adoptadas.
La primera de las tareas es la adquisición de datos del paciente. En nuestra solución la entrada de datos al sistema se realiza de diversas formas:
Por ejemplo, cuando de construyó TKR-tool ya existía una BD Dbase con los datos de pacientes que se estaban sometiendo a tratamiento, está BD fue usada para realizar la carga de datos de estos pacientes en nuestro sistema.
Una vez adquiridos los datos es necesario su almacenamiento dentro del sistema. Medtool dispone de una BD interna que guarda todos los datos de la historia del paciente. Con esta BD (Temporal) el sistema nos permite, por ejemplo, volver a una situación anterior en el estado del paciente. El hecho de utilizar una BD interna mejora la eficiencia del entorno, al estar adaptada a las necesidades de procesado y acceso, sin menoscabo de su validez general ya que disponemos de herramientas para volcar/recuperar el contenido de la BD interna a cualquiera de las BD antes mencionadas.
Los datos de entrada son procesados para obtener información más elaborada, y significativa para el médico. En nuestro caso la aplicación del conocimiento experto implementado en el sistema permite obtener esta información derivada.
El problema de la interfaz de usuario ha sido solucionado con una herramienta para el diseño de ventanas que permite emular el clásico método de comunicación con los formularios y demás hojas.
Por último se desea que una aplicación médica sirva como punto de apoyo a la investigación. El hecho de disponer de los datos de varios pacientes informatizados unido a la capacidad de procesado global sobre los mismos, permite evaluar la efectividad del proceso médico y ayudar, al menos, en la parte práctica de la investigación médica.
Nos extenderemos en estos tres últimos puntos en las siguientes secciones.
3. La Formalización del Conocimiento Médico.
En esta sección presentamos la formalización de conocimiento médico, usando ejemplos que ilustran como se realiza el procesado en nuestro formalismo de representación.
Dentro de las fases típicas de cualquier proceso médico : la ananmesis, el análisis clínico y/o radiológico inicial, la evaluación y diagnóstico, la asignación de terapia, y el seguimiento del paciente, hemos selecionado problemas concretos de procesado para mostrar su solución.
Los sistemas de puntuación están ampliamente extendidos como mecanismos de evaluación clínica del paciente. Se basan en obtener una puntuación total a partir de la importancia de cada uno de los factores que influyen en el estado a evaluar.
Consideremos la puntuación clínica del Hospital for Special Surgery (HSS) que obtiene el sistema experto TKR-tool
[Heras95]. La puntuación total del HSS (ST_HSSn) es un valor normalizado entre 0 y 100 que depende de las subpuntuaciones : dolor total, estatus funcional y estatus articular, que así mismo dependen de otras (FIGURA 1). Por ejemplo, para obtener la puntuación de dolor en reposo (S_DOL_R_HSS) el médico asigna un valor numérico a cada una de las clases de dolor que ha considerado. Así, asigna el valor 15 cuando el paciente no presenta dolor y 0 cuando el dolor es severo. La formalización correspondiente en nuestro entorno sería:{//'PUNTUACION DOLOR REPOSO HSS'
//N:puntos
S_DOL_R_HSSn:
15 si S_DOL_Rp='NO';
10 si S_DOL_Rp='Ligero';
5 si S_DOL_Rp='Moderado';
0 si S_DOL_Rp='Severo';}
Donde S_DOL_Rp es un parámetro que solicitará el sistema durante la exploración clínica.
Figura 1. cálculo de puntuación Hss
Para calcular la puntuación total (
FIGURA 1) el médico suma los valores de las subpuntuaciones y después normaliza el valor: si la puntuación está entre 0 y 100 éste es el valor final, si es menor que 0 se ajusta a 0 y si es mayor que 100 se ajusta a 100. La formalización correspondiente es:{//'PUNTUACION TOTAL HSS (100)'
//N:p
ST_HSSn: PRE_ST_HSSn si PRE_ST_HSSn>=0 y PRE_ST_HSSn<=100;
0 si PRE_ST_HSSn<0;
100 si PRE_ST_HSSn>100;}
Donde PRE_ST_HSSn es la suma de las subpuntuaciones.
Veremos ahora un ejemplo más complejo de formalización. Dentro del seguimiento del paciente, es usual determinar su estabilidad con respecto a unos parámetros seleccionados. Se considera que un paciente está estable en una serie de parámetros clínicos cuando estos se mantienen dentro de un rango.
Consideremos la estabilidad de la presión venosa central (PVC) que calcula el sistema experto AMIS
[Otero88]. La PVC está estable en un intervalo de tiempo cuando los valores medidos de la misma no difieren en más de un 10%. Para determinar este punto el médico toma el valor de la PVC cada cierto tiempo, calcula la desviación respecto al valor anterior y si esta variación es superior a un 10% concluye la inestabilidad del paciente. A partir de la toma de datos y la introducción en momentos consecutivos de los diferentes valores de la PVC que presenta el paciente, el sistema calcula la estabilidad en cuanto a este parámetro. La formalización de este proceso dentro del SE se realiza con la siguiente expresión:{// Presión venosa central estable (PVCe)
// P : estable inestable
PVC :‘inestable’ si abs(PVC- ant(PVC))>ant(PVC)*0.1 ;
‘estable’ ;}
Para determinar la inestabilidad de la PVC se calcula la diferencia entre el valor actual de la PVC y el valor anterior guardado en el sistema y se compara con el 10% del valor de la PVC. Para acceder al valor anterior se utiliza el operador ant. Debemos considerar el valor absoluto (abs) de la resta para detectar la inestabilidad tanto por incremento como por decremento. La estabilidad se concluye simplemente como los casos en que no está inestable. Esta es la manera en la que se interpreta el orden de la expersiones. Cada vez que se introduce un nuevo valor de la PVC el sistema aplica esta expresión y calcula el valor de la estabilidad. Esta parte del conocimiento médico no se puede expresar en sistemas que no conserven la historia del paciente, ya que es necesario acceder a dos valores de un mismo parámetro, en diferentes puntos temporales.
A partir de aquí se puede determinar el periodo de tiempo durante el cual el paciente mantiene su PVC estable. Para ello el médico irá sumando los intervalos de tiempo entre los valores de toma de PVC que resultan estables. En el momento en que el paciente pasa a una situación inestable el periodo de estabilidad se considera 0. El sistema obtiene este tiempo usando la expresión:
{// PVC estable durante las últimas (PVChe) horas
// horas [0] 0
PVChe : ant(PVChe) + (tiempode (PVC) - tiempode (ant(PVC))
si PVCe = ‘estable’ ;
0 si PVCe = ‘inestable’ ;}
La expresión tiempode(PVC) extrae de la BD el tiempo del momento en el que el valor de la PVC fue introducido en el sistema. Restando este valor del tiempo del valor anterior, tiempode(ant(PVC)), obtenemos el tiempo transcurrido. Debemos tener en cuenta que estas operaciones son válidas cuando la PVC está estable en otro caso debemos concluir que la PVChe es 0.
En esta sección presentamos un ejemplo más completo de formalización de conocimiento médico, extraído del sistema AMIS. Se refiere a la fase de asignación y seguimiento de la terapia.
En la
FIGURA 2 se muestra el conocimiento médico necesario para la administración de Nitroglicerina como pauta para bajar la tensión arterial y en la FIGURA 3 se muestra la representación de este conocimiento dentro de nuestro formalismo.
Figura 2. Control de la presión arterial de un paciente mediante nitroglicerina.
Figura 3. Formalización del conocimiento necesario para el proceso descrito en la figura 1.
4. Interfaz controlada por conocimiento.
Una de las principales dificultades a la hora de extender el uso de aplicaciones médicas es la comunicación con el usuario. Es necesario registrar datos de muy distinta naturaleza y los usuarios son así mismo de distinto tipo: médicos, enfermeras, administrativos, etc.. Aparte se deben cumplir otros requisitos genéricos como son: la amigabilidad y la facilidad de uso.
La interfaz de usuario que proponemos está formada por un conjunto de ventanas gráficas, definidas por el diseñador de la interfaz, que están basadas en los formularios usados por los médicos en su trabajo diario. El uso de la tecnología de los actuales entornos de ventanas nos permite mejorar la calidad de recogida y visualización de la información. Se pretende que el parecido de estas ventanas con los formularios en papel que venían manejando sea el máximo posible ya que esto reduce considerablemente el coste de adaptación y aprendizaje del sistema por parte de todos los usuarios.
Por ejemplo, para entradas de las que conocemos los valores posibles el sistema proporciona la lista de ellos , facilitando la tarea de recogida de datos, y reduciendo el riesgo de error en las anotaciones (ver p.e.
[Etxebarría98]) (FIGURA 4 (b)). Las posibilidades que ofrecen los entornos gráficos hacen más comprensible la información, como el uso de dibujos y esquemas para reflejar las diversas anotaciones hechas sobre el estado del paciente (FIGURA 4).Además de tener en cuenta los requisitos básicos, el uso del conocimiento del sistema experto consigue mejorar la calidad en la información y el rendimiento de la interfaz. Por ejemplo el aspecto de la interfaz se adapta a las características particulares o al estado actual del paciente, la información no relevante no aparece en el papel, y se resaltan aspectos críticos sobre el paciente (alérgico a un cierto fármaco) (
FIGURA 5).Esta propiedad de la interfaz se consigue dotando a los elementos gráficos que la componen de una condición. Así se establece la visibilidad o ocultamiento del elemento al usuario dependiendo de cualquier parámetro o parámetros del sistema experto. El mecanismo es el mismo que el usado para el procesado de los datos visto antes. Por ejemplo, cuando se efectúa la evaluación preoperatoria, al especificar la localización del dolor del paciente el sistema experto muestra esta información de forma visual, modificando un esquema de la rodilla afectada según el valor de la localización del dolor (
FIGURA 4).
Figura 4. PRESENTACIÓN CONTEXTUAL DE LA INFORMACIÓN. FRAGMENTO DE UN PAPEL DEL S.E. TKR-TOOL.
En cuanto a los distintos tipos de usuarios, la misma interfaz se adapta y se presenta de distintas formas al usuario, al mismo tiempo que garantiza la protección de los datos, permitiendo introducir datos en el sistema sólo a aquellos usuarios autorizados.
Los trabajos realizados en la distribución de los sistemas expertos construidos con Medtool
[Otero95] permiten que la entrada de datos y consulta de la información se pueda realizar desde distintas localizaciones : administración, consulta, laboratorio.
5. Investigación Médica
La ayuda básica de la informática en investigación médica se basa en el procesado global de la información de todos los pacientes, así como en la consideración global de toda la historia del paciente. Así en nuestro caso se pueden definir parámetros globales del sistema contemplado.
Figura 5. interfaz basada en el conocimiento
Por ejemplo, se puede calcular la media de edad de los paciente sometidos a un cierto tratamiento de la siguiente forma :
{//suma de los elementos de la media
//N :
MediaS : ant(MediaS) + edad si tratamiento = "farmacoX" ;}
{//numero de elementos de la media
//N :
MediaN : ant(MediaN) + 1 si tratamiento = "farmacoX" ;}
{//media
//N :
Media : MediaS/MediaN;}
Donde MediaS, MediaN y Media son datos globales para todos los pacientes, mientras que edad y tratamiento son datos particulares de cada paciente. Estos datos son revisados simultáneamente a la entrada de datos y se actualizan automáticamente.
6. Resultados y Discusión.
La facilidad con la que los sistemas basados en conocimiento pueden ser aumentados por el propio experto (en algunos casos el propio médico como en TKR-tool) frente a los sistema clásicos en lenguajes de programación convencional es uno de los factores a tener en cuenta. Los sistemas basados en conocimiento manejan conceptos, tales como el desconocimiento de un valor, de forma natural, difícilmente manejado por los sistemas convencionales. Además nuestra herramienta se completa con otras capacidades de procesado no comúnmente consideradas en otros sistemas de I.A., como el tratamiento de información numérica. La herramienta posee una base lógica formal que permite mantener la coherencia del conocimiento representado, que se puede validar mediante un módulo de pruebas, de un modo similar a como se hace en
[Larsson97]. Como conclusión, el trabajo que aquí hemos presentado es un intento de resolver los retos que el domino médico presenta a la informática, usando para ello técnicas de I.A. La propuesta es un sistema que además de aplicar las técnicas de I.A. trata también los procesos típicos de la informática clásica : almacenamiento, adquisición, interfaz.Por último, el procesado se complementa con el uso del conocimiento del sistema para otro tipo de tareas: planificación, aprendizaje a partir de ejemplos. El aprendizaje automático puede ser usado para refinar el conocimiento, un claro ejemplo es el ajuste de los pesos en los sistemas de puntuación
[Santos97].Quedan aún por tratar aspectos como es el procesado digital de las imágenes que permita obtener información que sirva de apoyo al diagnóstico, como en
[Taylor96] (radiografías, ecografías, etc.) que sin duda ayudarían a mejorar la calidad del entorno.Para información más detallada de esta herramienta en el URL http://www.dc.fi.udc.es/ai/ .
Referencias
[Barreiro93] |
Barreiro, A., Otero, R.P., Marín, R., Mira, J. ,"A Modular Knowledge Base for the Follow-Up of Clinical Protocols", Methods of Information in Medicine, vol 32, pp. 373-381, 1993. |
[van Bemmel96] |
van Bemmel, J.H. ,"Medical Informatics, Art or Science ?", Methods of Information in Medicine, vol 35, pp 157-172, 1996. |
[Console91] |
Console, L., Torasso, P. "On the co-operation between abductive and temporal reasoning in medical diagnosis". Artificial Intelligence in Medicine, vol. 3, pp 291-311, 1991. |
[Etxebarría98] |
Etexbarría, M.J., Moros M.A., Oliván A.S., Aréjola J.M., Agorreta J., Pinillos M.A., "Bases de Datos. La importancia de los limitadores y facilitadores de la entrada de datos". Informed 98. |
[Heras95] |
Heras, J., Otero, R.P., "TKR-Tool : An expert system for total knee replacement management", Lecture Notes in Artificial Intelligence, vol. 934,pp. 444-446, 1995. |
[Larsson97] |
Larsson, J.E., Hayes-Roth, B, Gaba, D.M., Smith, B.E. "Evaluation of a medical diagnosis system using simulator test scenarios", Artificial Intelligence in Medicine, vol 11, pp. 119-140, 1997 |
[Otero88] |
Otero, R.P., Amaro, A., Yáñez, A. and Mira, J., "AMIS: A system for intelligent monitoring of Coronary Care patients", E. Luque (Ed.) Mini and Microcomputers and their applications (MIMI'88), ISMM and UAB, ISBN 84-7488-121-8, pp 557-560, 1988. |
[Otero91] |
Otero, R.P. ,"MEDTOOL : Una herramienta para el desarrollo de Sistemas Expertos", Tesis Doctoral, Departamento de Electrónica y Computación, Universidade de Santiago, Abril 1991. |
[Otero95] |
Otero, M., "Adaptación de Medtool a un entorno Cliente-Servidor", Tesis de Licenciatura, Departamento de Computación, Universidade da Coruña, Octubre 1995. |
[Otero96] |
Otero, R.P., Barreiro, A., Cabalar, P., Lorenzo, D., "Discrete event simulation in an environment for temporal expert systems", Lecture Notes in Computer Science vol. 1030, pp. 271-282, 1996 |
[Pose95] |
Pose, S.G. "Inducción incremental para la generación de sistemas basados en el conocimiento en Medtool"", Tesis de Licenciatura, Departamento de Computación, Universidade da Coruña, Octubre 1995. |
[Riva96] |
Riva, A., Bellazzi, R. and Stefanelli, M. "Distributed AI Technologies for Patient Management", Proceedings of AAAI 1996 Spring Symposium : Artificial Intelligence in Medicine, Standford, March, 25-27,1996 |
[Santos97] |
Santos, J., Lorenzo, D., Pose, S.G., Heras, J. y Otero, R. P. "Knowledge Refinement of an Expert System using a Symbolic Connectionist Approach", Lecture Notes in Artificial Intelligence 1211, pp. 517-520, March 1997 |
[Tang94] |
Tang PC, Patel VL. "Major issues in user interface design for health professional workstations : summary and recomendations". International Journal of Bio-Medical Computing¸vol 34, pp.139-148, 1994 |
[Taylor96] |
Taylor, P., Fox, J., Todd-Pokropek, A.. "A Model for Integrating Image Processing into Decision Aids for Diagnostic Radiologgy", Artificial Intelligence in Medicine, vol. 9, pp. 205-225, 1997 |
[Objetivo] [Comité de Honor] [Comité Científico] [Comité Organizador] [Fechas] [Entidades Colaboradoras] [Areas Temáticas] [Asistentes] [Agenda] [Inauguración] [Mesas Redondas] [Comunicaciones Libres] [Clausura] [Cuotas de Inscripción]
[Actividades de la SEIS] [Revista I+S] [Solicitud de Inscripción]
Secretaría Técnica de Informed'98:
CEFIC
C/ Olimpo, 33, 1º C
28043 - Madrid
Telfs: (91) 388 94 78 / 79
Fax: (91) 388 94 79
