[論文レビュー] Artificial Intelligence based Smart Doctor using Decision Tree Algorithm

Rida Sara Khan, Asad Ali Zardar+1 more|arXiv (Cornell University)|Jul 29, 2018

Artificial Intelligence in Healthcare被引用数 6

ひとこと要約

本論文では、症状の入力をもとに診断を行い、処方療法を提案する意思決定木アルゴリズムを用いたAIベースのスマートドクター・システムを提案する。このシステムは、質問票に基づくアプローチにより、意思決定木をたどることで、人間の医師に似た自動化された医療トリアージを実現する。解釈可能なAIの一次医療分野への実用的応用を示している。

ABSTRACT

Artificial Intelligence (AI) has already made a huge impact on our current technological trends. Through AI developments, machines are now given power and intelligence to behave and work like human mind. In this research project, we propose and implement an AI based health physician system that would be able to interact with the patient, do the diagnosis and suggest quick remedy or treatment of their problem. A decision tree algorithm is implemented in order to follow a top down searching approach to identify and diagnose the problem and suggest a possible solution. The system uses a questionnaire based approach to query the user (patient) about various Symptoms, based on which a decision is made and a medicine is recommended

研究の動機と目的

• 機械学習を用いて医師の意思決定プロセスを模倣するAI駆動の診断システムを開発すること。
• 医療従事者の不足という課題に対処し、自動化された症状評価と治療提案を可能にすること。
• 意思決定木を用いた透明性の高い解釈可能な診断モデルを実装し、ユーザーの信頼性と臨床応用性を向上させること。
• シミュレートされた患者入力との構造的な質問票ベースの対話によって、システムの性能を評価すること。
• リソースが限られた環境における予備的医療診断のための低コストでスケーラブルなソリューションを提供すること。

提案手法

• 意思決定プロセスをモデル化するために意思決定木アルゴリズムが用いられ、症状入力に基づきトップダウンの走査が可能になる。
• システムは、診断プロセスをガイドするための構造化された質問票インターフェースを通じて、患者の症状を収集する。
• 意思決定木の各ノードは、症状または疾患を表し、分岐は可能な診断や治療提案に至る。
• アルゴリズムは、症状データを再帰的にパーティション分割するグリーディーでトップダウンのアプローチを適用し、最も可能性の高い診断を同定する。
• 最終的なリーフノードに到達した段階で、治療提案が生成される。
• システムは、一般的な疾患とその関連する症状プロファイルを含むデータセットを用いてトレーニングおよびテストされた。

実験結果

リサーチクエスチョン

• RQ1 意思決定木ベースのAIシステムは、患者からの症状入力のみを用いて、一般的な疾患を正確に診断できるか？
• RQ2 ルールベースの意思決定木は、一次医療トリアージにおける臨床的推論をどれほど効果的に模倣できるか？
• RQ3 システムの解釈可能性は、ブラックボックス型AIモデルと比較して、ユーザーの信頼をどの程度向上させるか？
• RQ4 質問票ベースの対話は、診断の正確性とユーザーの関与度をどのように向上させるか？
• RQ5 症状パターンに基づいて、適切な治療法をどの程度効果的に提案できるか？

主な発見

• 意思決定木モデルは、テストされたシナリオにおいて、症状入力に基づき一般的な疾患を高い正確性で分類できた。
• システムは、テストされたほとんどの症状組み合わせについて、標準的な医療ガイドラインと整合する治療提案を提供した。
• 意思決定木の解釈可能性のおかげで、ユーザーは診断の推論を段階的に追跡でき、透明性が向上した。
• 質問票ベースのインターフェースのおかげで、ユーザーの関与度が向上し、症状報告の曖昧さが低減された。
• システムはスケーラビリティと低コストな計算負荷を示し、リソースが限られた医療環境への展開に適していることが分かった。
• 結果から、意思決定木ベースのAIは、予備的医療診断およびトリアージの実用的ツールとして機能可能であると考えられる。