Knowledge Discovery for Female Urinary Incontinence Expert System

Abstract

Asiantuntijajärjestelmät ovat tarkasti ongelma-alueelle rajattuja tietokoneohjelmia, joiden 'älykäs' ihmisasiantuntijan päättelyä jäljittelevä toiminta perustuu ongelmaa koskevaan tietämykseen. Tietämyksen voidaan ajatella olevan informaatiota, jonka asiantuntija on oppinut koulutuksen ja kokemuksen kautta. Parhaimmillaan asiantuntijajärjestelmä suoriutuu annetusta ongelmasta yhtä hyvin kuin alan asiantuntija. Tällaiset ohjelmat eivät korvaa ihmisasiantuntijan päättelyä, kuten lääkärin diagnoosin tekoa, mutta hyvin toteutettuna ne tukevat ja tehostavat päätöksentekoa.

Asiantuntijajärjestelmät ovat osoittautuneet tehokkaiksi ongelmanratkaisijoiksi, mutta niiden toteutustekniikkaan liittyy ongelmia. Erityisen vaikeaa on asiantuntijan tietämyksen siirto asiantuntijajärjestelmään, joka perinteisesti toteutetaan siten, että tietämysinsinööri haastattelee asiantuntijaa selvittääkseen ongelmanratkaisussa tarvittavan tietämyksen. Haastattelu on usein hidasta ja kallista, koska asiantuntijat ovat kiireisiä eivätkä he aina osaa kuvata päättelyään sanallisesti. Useaa asiantuntijaa haastateltaessa ongelmia tuottavat henkilökohtaiset erot päättelyssä ja kyvyssä kuvata päättelyä.

Artikkelimuotoisessa väitöskirjassani tarkastellaan tietämyksen hankintaa tiedonlouhinnan avulla. Tiedonlouhinnalla tarkoitetaan vaiheittaista prosessia, jossa käytetään koneoppimis- tai tilastollisia menetelmiä tietämyksen automaattiseen hankkimiseen tietokannoista. Työni tietojenkäsittelytieteellisessä osuudessa kehitettiin tiedonlouhintamenetelmiä koneoppimiseen ja tiedon esikäsittelyyn. Käytännöllinen tavoite oli toteuttaa tiedonlouhinnan avulla asiantuntijajärjestelmä naisten virtsainkontinenssin (virtsan pidätysongelmat) diagnoosin tueksi.

Työni tuotti geneettisiä algoritmeja hyödyntävän koneoppimismenetelmän sekä menetelmän vinon luokkajakauman tasaamiseen. Geneettiset algoritmit ovat saaneet nimensä siitä, että niissä hyödynnetään evoluution ja genetiikan periaatteita. Laskenta etenee luonnon valintaa mallintavan valintaprosessin sekä eräänlaisten muunnosten ja risteymien kautta kohti tavoitetta. Geneettisissä algoritmeissa tietoa käsitellään hieman samankaltaisesti kuin todellisissa geeneissä, joissa informaatio säilyy ja periytyy jälkeläiselle. Geneettiset algoritmit osoittautuivat potilasaineiston automaattisessa luokittelussa yhtä hyviksi kuin tilastolliset monimuuttujamenetelmät ja päätöspuut.

Vino luokkajakauma vaikeuttaa tiedonlouhintamenetelmien soveltamista. Pieniä luokkia, esimerkiksi harvinaisia diagnooseja, on usein vaikeaa erottaa suurista luokista. Pyrin ratkaisemaan tämän ongelman menetelmällä, joka poistaa suurista luokista epätavallisia havaintoja ja toisaalta "siivoaa" pienten ja suurien luokkien rajoja, jotta pienten luokkien tunnistaminen helpottuisi. Menetelmäni luokkajakauman tasaamiseen oli parempi kuin vertailumenetelmät.

Tiedonlouhintamenetelmiä käytettiin diagnoosisääntöjen automaattiseen hankintaan potilasaineistosta. Tämän tietämyksen avulla toteutettiin virtsainkontinenssin diagnoosia tukeva asiantuntijajärjestelmä, jonka diagnoositarkkuus kahdessa testiaineistossa oli 94% ja 91%. Automaattisten diagnoosien sensitiivisyys oli 97% ja 96% ja spesifisyys 94% ja 90%. Suurien luokkien epätavallisista potilastapauksista muodostettiin poikkeussääntöjä, joiden tavoitteena on tunnistaa epätavallisia tai mahdollisesti väärin diagnosoituja potilaita.

Työni osoitti, että tiedonlouhinta on lupaava lähestymistapa asiantuntijajärjestelmien kehitykseen. Kehitys helpottuu huomattavasti, kun pitkälliset ihmisasiantuntijoiden haastattelut voidaan korvata automaattisella tietämyksen hankinnalla. Lisäksi tämä lähestymistapa on erinomainen, kun asiantuntijoita ei ole tai ongelma on liian vaikea perinteisesti mallinnettavaksi. Tiedonlouhinnalla löydetään joskus myös tietämystä, joka on täysin uutta sovellusalueen asiantuntijoille. Mikäli asiantuntija on saatavilla, on järkevää hyödyntää hänen asiantuntemustaan erityisesti tietämyksen laadun arvioinnissa. Asiantuntijaa ei siis pyritä sulkemaan pois tiedonlouhinnan avulla vaan hänen roolinsa muuttuu Tietämys hankitaan automaattisesti, mutta asiantuntijat arvioivat tietämyksen laatua ja käyttökelpoisuutta. Haittapuolina perinteiseen kehitystapaan verrattuna ovat syvällisen tietämyksen puute ja rajoittuneet selitykset päätelmille.

Tulevaisuuden tutkimuskohteita ovat muun muassa asiantuntijajärjestelmän jatkokehitys, geneettisten algoritmien sovellukset koneoppimisessa ja tiedonlouhintamenetelmien integrointi asiantuntijajärjestelmäkehittimiin.

This study addresses the construction of an expert system for the differential diagnosis of female urinary incontinence by using data mining techniques. The motivation for the work was the problematic diagnostic task, and the need for an alternative to the slow and expensive manual knowledge acquisition process in which a knowledge engineer interviews an expert repeatedly to acquire the expert?s knowledge. Therefore, the main aims were to develop a decision support tool for the physicians, and to investigate whether data mining techniques could be used to discover diagnostic knowledge automatically from the patient data for the expert system. In this context, special attention was paid to pre-processing of the data and the machine learning methods were researched. This work produced a new machine learning program, Galactica, which is based on genetic algorithms, and the neighbourhood cleaning rule (NCL) that balances the imbalanced class distribution by using an instance-based approach. Comparison of Galactica with different classification methods showed that genetic algorithms were a competitive method for constructing classifiers from medical data. NCL enabled improved identification of difficult small classes, while keeping the classification ability of the other classes at an acceptable level. Galactica, NCL, and other data mining techniques were applied to overcome difficulties with real world data, and to build ability for classification and critique for the incontinence expert system. The study showed that it is possible to develop an expert system with data mining techniques. In "laboratory conditions" the first version of the system (IES1) correctly classified 94% and 91% of the two batches of the test data, and the medians of the true positive and true negative rates were 97% and 94% in the first test set, and 96% and 90% in the second test set. The expert system was implemented as an Internet-based application that a physician can use with a World Wide Web browser. IES1 seems to be a useful ai! d for the physicians, but only real world diagnostic work-up will prove its utility in the diagnosis of incontinent women.