https://www.mdu.se/

Diagnoshjälp för läkare

Markus Nilsson har vid Institutionen för Datavetenskap och Elektronik (IDE) forskat fram ett beslutsstödssytem för kliniker, läkare och psykologer. Systemet använder sig av artificiell intelligens (AI) för att resonera sig fram till nya diagnoser och tolkningar av mätvärden med hjälp av tidigare erfarenheter och kunskap. Systemet fungerar som en nyutexaminerad läkare, det lär och förbättrar sig av sin erfarenhet. Ju mer det används, desto mer lär den sig, desto bättre blir den på att ställa diagnoser. Systemet har vid uppstarten samma kunskapsnivå som en ledande expert inom ämnet psykofysiologisk medicin. Expertens kunskap har lärts in av systemet under översyn. Därefter blir varje individuellt system unikt beroende på sina erfarenheter.

Psykofysiologi är interaktionen mellan de psykologiska och fysiologiska aspekterna i kroppen. Hjärnan, hjärtat, lungorna och magen är sammankopplade genom Vagusnerven. Stressrelaterade problem så som utbrändhet kan ofta upptäckas och även förhindras om man analyserar interaktionen mellan dessa delar av kroppen. En viktig faktor är respiratorisk sinus arrhytmi (RSA). RSA är andningens påverkan på hjärtfrekvensen, pulsen. En andning hos en normal och frisk människa påverkar hjärtat på sådant sätt att pulsen ökar vid inandning, och vid en utandning minskar pulsen igen. En lugn och fin våg av hjärtfrekvensen bildas, en sinusvåg. Vissa psykiska eller fysiologiska dysfunktioner kan störa denna interaktion och det är just dessa som är intressanta vid stressprevention och behandling.

AI är en del inom datavetenskapen och sägs ofta vara en blandning av psykologi, biologi, filosofi, matematik och lingvistik. Det finns många inriktningar inom AI. Markus har valt att inrikta sig på en paradigm baserad från psykologin som säger att människor resonerar fram nya lösningar från tidigare explicita händelser med hjälp av inlärd kunskap. Man ställer sig frågan, hur gjorde jag när jag senast ställdes inför det här problemet?, och hur löste jag det?

Paradigmen som Markus arbetar efter kallas case-based reasoning (CBR). CBR har en dynamisk minnesarktitektur där ny kunskap kan läggas till, tas bort eller ändras lokalt. Hela minnet behöver inte påverkas när kunskapen förändras.

Diagnostics based on time series are sometimes difficult to perform, particularly when the time series is continuous and non-stationary, i.e. they seldom contain recurring patterns which makes it difficult to identify similarities with other time series. This doctoral thesis presents an artificial intelligence approach to the analysis of continuous non-stationary signals for diagnostic purposes. One way to solve this kind of problem is to break down the series into new forms that are more easily interpreted, and to identify familiar patterns within them. The newly formed series is analysed, using the Case-Based Reasoning paradigm. Known problemsolution pairs are stored in memory and reused for solving problems by classifying new patterns occurring in time series obtained subsequently. Reasoning is conducted on the basis of the knowledge available and a best-guess solution obtained using the available knowledge is presented. The memory need not therefore contain a problem, which has been solved previously and is identical with the problem which is to be solved. This approach to problem solving has been applied to physiological time series as a clinical decision support system. The system provides decision support by classifying patterns of respiratory sinus arrhythmia from heart rate and capnography time series.