[論文レビュー] On Appropriate Selection of Fuzzy Aggregation Operators in Medical Decision Support System

K. M. Motahar Hossain, Zahir Raihan+1 more|arXiv (Cornell University)|Apr 9, 2013

Multi-Criteria Decision Making参考文献 6被引用数 9

ひとこと要約

本論文は、医療意思決定支援システム（DSS）における最適なファジィ集合作用素の選択のためのデータ駆動型アプローチを提案する。熟練医の指導致命の経験的テストを用いて、人間の意思決定パターンに一致させる。テストケースに対してパrameter化されたおよび非パラメータ化された作用素を評価し、正確性を最大化する閾値を選択することで、DSSの出力が臨床ガイドラインと密接に一致する結果を得た。

ABSTRACT

The Decision Support System (DSS) contains more than one antecedent and the degrees of strength of the antecedents need to be combined to determine the overall strength of the rule consequent. The membership values of the linguistic variables in Fuzzy have to be combined using an aggregation operator. But it is not feasible to predefine the form of aggregation operators in decision making. Instead, each rule should be found based on the feeling of the experts and on their actual decision pattern over the set of typical examples. Thus this work illustrates how the choice of aggregation operators is intended to mimic human decision making and can be selected and adjusted to fit empirical data, a series of test cases. Both parametrized and nonparametrized aggregation operators are adapted to fit empirical data. Moreover, they provided compensatory properties and, therefore, seemed to produce a better decision support system. To solve the problem, a threshold point from the output of the aggregation operators is chosen as the separation point between two classes. The best achieved accuracy is chosen as the appropriate aggregation operator. Thus a medical decision can be generated which is very close to a practitioner's guideline.

研究の動機と目的

• 規則の結果が結合された所属値に依存する医療DSSにおける適切なファジィ集合作用素の選択という課題に対処すること。
• 熟練知識と経験的データに適応させた集合作用素を用いて、医療診断における人間の意思決定行動をモデル化すること。
• テストケースにおける体系的評価を通じて、最も優れた性能を示す集合作用素を同定することにより、意思決定支援の正確性を向上させること。
• より現実的でバランスの取れた医療意思決定結果を得るために、集合作用素に補償性の性質を保つこと。
• 診断結果を最大の正確性で分離する閾値ベースの分類システムを確立すること。

提案手法

• 典型的な医療意思決定ケースのセットを用いて、パrameter化されたおよび非パラメータ化されたファジィ集合作用素を経験的に評価する。
• 熟練医の意思決定パターンをベンチマークとして、人間の推論を最もよく模倣する集合作用素の選択を支援する。
• 各集合作用素の出力に閾値点を適用し、診断結果を2つのクラスに分類する。
• テストケース全体で最高の分類正確性を達成する集合作用素を最適選択として選ぶ。
• バランスと現実性を維持するため、補償性のある集合作用素を優先する。
• 臨床ガイドラインと照合して、選択された作用素が医師の意思決定パターンと整合することを検証する。

実験結果

リサーチクエスチョン

• RQ1 どのファジィ集合作用素が医療診断において熟練医の意思決定パターンを最もよく再現するか？
• RQ2 パラメータ化されたおよび非パラメータ化された集合作用素は、どのように経験的医療データに適応させることでDSSの性能を向上させられるか？
• RQ3 ファジィ医療意思決定支援システムにおいて、分類正確性を最大化する閾値は何か？
• RQ4 補償性のある集合作用素は、医療意思決定結果の現実性と正確性をどの程度向上させるか？
• RQ5 データ駆動型の集合作用素選択は、確立された臨床ガイドラインと密接に一致する結果を生み出せるか？

主な発見

• 提案手法は、経験的テストケース上で熟練医の意思決定パターンに一致させることで、最も適切なファジィ集合作用素を効果的に同定した。
• 補償性のある集合作用素は、非補償性の代替案と比較して、より現実的でバランスの取れた意思決定結果を生じた。
• 最も優れた性能を示した集合作用素は、医療ケースの分類において最高の正確性を達成し、臨床ガイドラインと密接に一致した結果を示した。
• 最適作用素を用いた閾値ベースの分類により、診断クラス間の明確な分離が可能になり、システムの信頼性が向上した。
• 熟練知識と経験的データ選択の統合により、意思決定支援システム全体の妥当性と実用性が向上した。
• 事前に集合作用素を定義することは最適でないことが示された。代わりに、データ駆動型選択が、実世界の医療応用において優れたパフォーマンスを発揮することが明らかになった。