[論文レビュー] Expert System for Diagnosis of Chest Diseases Using Neural Networks

Ismail Kayali|arXiv (Cornell University)|Feb 19, 2018

Information Systems and Technology Applications参考文献 4被引用数 3

ひとこと要約

本論文は、重複する症状があるにもかかわらず診断精度を向上させるために、バックプロパゲーションに基づく学習と前方および後方チェーニングを統合した、ニューラルネットワークを活用した専門家システムを提案する。このシステムは、ルールベースの推論、説明生成、治療法の推奨を通じて、初心者の医療従事者と経験豊富な医師の両方の臨床意思決定を支援する。医療機関や医療教育分野での応用が可能である。

ABSTRACT

This article represents one of the contemporary trends in the application of the latest methods of information and communication technology for medicine through an expert system helps the doctor to diagnose some chest diseases which is important because of the frequent spread of chest diseases nowadays in addition to the overlap symptoms of these diseases, which is difficult to right diagnose by doctors with several algorithms: Forward Chaining, Backward Chaining, Neural Network(Back Propagation). However, this system cannot replace the doctor function, but it can help the doctor to avoid wrong diagnosis and treatments. It can also be developed in such a way to help the novice doctors.

研究の動機と目的

• 重複する症状を示す胸部疾患の診断を支援する専門家システムの開発を目的とする。
• ルールベース推論（前方および後方チェーニング）をニューラルネットワークと統合し、診断精度の向上を図ること。
• 初心者の医療従事者を支援し、医療教育分野での教育的ツールとしての役割を果たすこと。
• 患者固有の制約と疾患診断に基づいて治療法を提案できるようにすること。
• データマイニングと大規模データセットを活用して、将来的により広範な胸部疾患の範囲をカバーする基盤を構築すること。

提案手法

• システムは、ユーザーの入力要件と診断の完全性の両立を図るために、前方チェーニングと後方チェーニングを組み合わせたハイブリッド推論メカニズムを採用する。
• ニューラルネットワーク（バックプロパゲーション）を用いて、胸部疾患診断における重複する症状パターンの分類と分離を実施する。
• 生産ルールは医学的専門知識を表現し、各ルールは変数-演算子-値の三つ組みを用いたIF-THEN条件と行動で構成される。
• システムには6つのコアコンponentsが含まれる：知識ベース、推論エンジン、説明サブシステム、知識ベースエディタ、管理インターフェース、管理システム。
• データベースは、すべての永続的および一時的データを格納し、病院や機関間での共同作業を可能にするネットワークアクセスをサポートする。
• システムはウェブデプロイを想定して設計されており、ローカルネットワークやインターネット経由でのアクセスを可能にし、スケーラブルな利用を実現する。

実験結果

リサーチクエスチョン

• RQ1 ルールベース推論とニューラルネットワークを統合したハイブリッド専門家システムは、重複する症状がある胸部疾患の診断精度を向上させることができるか？
• RQ2 従来のルールベースシステムと比較して、ニューラルネットワークは胸部疾患の複雑で収束する症状パターンをどの程度効果的に分類できるか？
• RQ3 このようなシステムは、初心者の医師をどの程度効果的に支援でき、医療教育分野での教育的ツールとしての役割を果たせるか？
• RQ4 データマイニングと機械学習を統合することで、システムが新しい診断パターンを発見する能力にどのような影響を与えるか？
• RQ5 より大規模なデータセットを用いることで、より広範な胸部疾患をカバーし、一般化能力を向上させるために、システムをどのように拡張できるか？

主な発見

• 専門家システムは、ニューラルネットワークとルールベース推論を効果的に統合し、重複する症状を示す胸部疾患の診断精度を向上させた。
• ハイブリッドチェーニングアプローチにより、必要なデータを必要に応じてプロンプトする柔軟なユーザーインタラクションが可能となり、すべてのデータを事前に入力する必要がなくなる。
• 説明サブシステムにより、診断結論の根拠が明確化され、透明性が向上し、ユーザーの信頼性とシステムの使いやすさが向上した。
• このシステムは、病院や医療機関における臨床意思決定支援ツールとして強く有望であることが示された。
• このシステムは、臨床症例のアーカイブおよび分析が可能であり、将来的なデータマイニングによる新しい診断パターンの発見が可能である。
• 著者らは、すべての胸部疾患をカバーするためのシステムの潜在能力を十分に発揮するには、より大規模で多様なデータセットの必要性を指摘している。