SISTEMI FUZZY PER LA MEDICINA. Una branca importante della medicina riguarda il monitoraggio e il...

SISTEMI FUZZY PER LA MEDICINA

• Una branca importante della medicina riguarda il monitoraggio e il controllo on-line di parametri vitali, specie in chirurgia e in ICU.

• L’idea è sempre quella di “misurare il misurabile e tentare di misurare il nonnmisurabile” (Galileo).

• Ma l’incompletezza e l’inaccuratezza del mondo reale rendono difficile questo compito.

• La fuzzy logic rende possibile definire entità mediche inessatte e fornisce un metodo per l’inferenza approssimata.

RASSEGNA DI APPLICAZIONI FUZZY IN MEDICINA

• MEDICINA CONSERVATIVAFanno parte di questa branca:• Medicina interna• Cardiologia• Terapia intensiva• Pediatria• Endocrinologia• Oncologia• Gerontologia• Medicina di base


• La fuzzy logic è stata usata usata soprattutto in medicina di base e in cardiologia.

• Un sistema fuzzy è stato sviluppato per il monitoraggio di neonati pre-termine.

• Un altro sistema fuzzy è stato sviluppato per trovare anomalie nell’ECG.


• MEDICINA INVASIVA• Chirurgia• Ortopedia• Organi artificiali

• In chirurgia esistono strumenti automatici per la diagnostica, l’image processing, il ragionamento patofisiologico, e per il controllo dell’anestesia.

• Fuzzy systems esistono per il controllo dell’infusione dei farmaci nell’anestesia, e per il monitoraggio e gli allarmi del paziente intubato.

• Vengono controllati la pressione e la ventilazione.


• La fuzzy logic è usata in metodi diversi: • un sistema esperto di supporto decisionale e

controllo (RESAC)• un sistema composto di indicatori multipli: pressione

arteriosa, frequenza cardiaca, audio evoked response signals, fusi a produrre una misura di profondità dell’anestesia

• controllori fuzzy a ciclo chiuso per controllare i dosaggi di farmaci nel sangue e i di conseguenza l dosaggio dei farmaci da somministrare.

• In diversi cuori artificiali i controllori fuzzy vengono usati per la regolazione della pompa.


• DISCIPLINE MEDICHE A ZONE DEFINITE• Ginecologia• Dermatologia• Oftalmologia• ORL• Urologia.

Non si conoscono applicazioni fuzzy in questo campo.


NEUROSCIENZE:• Neurologia• Psicologia• Psichiatria.• In psichiatria è stato modellato un operatore umano

per predirne il comportamento.• Un altro fuzzy system è stato sviluppato per

analizzare l’effetto dell’espressione nella comprensione del linguaggio.

• Anche nella predizione della risposta del paziente alla farmacoterapia per la dipendenza da alcol.

• Esiste un sistema esperto fuzzy molto complesso che aiuta nel lavoro amministrativo, diagnostico, terapeutico e scientifico.


IMAGE e SIGNAL PROCESSING• Applicazioni fuzzy per il controllo• risposte elettriche delle fibre nervose• automazione dello spettrometro di massa • Applicazioni fuzzy per il monitoraggio:• del sonno• dei neonati pre-termine• della progressione delle malattie• dei movimenti oculari.


• Esiste un metodo per il riconoscimento di tumori della mammella attraverso analisi di immagini 3D.

• Fuzzy clustering è usato per analizzare le RM di tumori trattati farmacologicamente.

• Fuzzy systems vengono usati anche per lo enhancement di immagini radioterapiche di scarsa qualità.


LABORATORIO• L’unica applicazione nota di controllo fuzzy è quella

dedicata al controllo della concentrazione del substrato di coltura dell’Escherichia Coli.

Altre applicazioni indirette:• analisi delle variazioni di variazione dei dati di

laboratorio usando un dendrogramma fuzzy• sistema esperto fuzzy per l’analisi del sangue del

cordone ombelicale per valutare la salute del neonato.

• La fuzzy logic si rende necessaria perchè questo dato è soggetto a numerosi errori sperimentali.


SCIENZA MEDICA DI BASE• Trattamento dell’informazione medica• Anatomia• Patologia• Medicina forenze• Genetica• Fisiologia• Farmacologia• Didattica.


• Nel trattamento dell’informazione i sistemi fuzzy vengono utilizzati in sinergia con reti neurali o algoritmi genetici.

• Un lavoro di Chiodo (1994) utilizza un sistema fuzzy per il reperimento e il trattamento di informazioni via web.

• Un sistema di supporto alla decisione fuzzy per il web viene proposto con un database per il trattamento dell’informazione basato su algoritmi genetici.

• Un importante lavoro (Sadegh-Zadegh) è stato lo sviluppo di una teoria fuzzy della salute e della malattia.

• In patologia, un sistema esperto fuzzy tratta l’incertezza relativa alle strategie di trattamento delle malattie.


• In medicina forense, la fuzzy logic determina il sesso attraverso l’analisi della dentatura.

• In genetica vengono usati sistemi fuzzy per considerazioni geometriche e topologiche.

• In farmacologia e biochimica, è stato utilizzato un predittore fuzzy per la cancerogenicità di composti organici.

• In didattica esistono sistemi fuzzy per la valutazione dell’abilità infermieristica.


SANITA’

• Ecologia delle acque• Pericolo dell’affaticamento durante la guida• Rischi sul posto di lavoro• Organizzazione del lavoro sanitario• ...


• Un sistema di controllo fuzzy stabilisce il carico di lavoro ottimale basandosi sull’analisi delle componenti principali del battito cardiaco e dei segnali mioelettrici.

• Il sistema è utile per ridurre l’affaticamento cardiovascolare e muscolare.

In un ospedale ci sono molti problemi organizzativi che necessitano di strumenti di decision making:

• Ad es. l’allocazione di risorse negli ambulatori per ridurre le code dei pazienti.


• Molte situazioni terapeutiche sono legate a problemi di controllo.

• I sistemi fuzzy basati su regole sono composti da regole IF...THEN, es.

• IF “la pressione del sangue è oltre la soglia e sta decrescendo lentamente” ALLORA “riduci l’infusione di farmaco”.

• In casi più sofisticati sono considerati l’input, la sua derivata e il suo integrale.

• Le regole sono scritte con l’aiuto di esperti (es. anestesisti).

• Il programmatore deve poi regolare le funzioni di membership.

TECNICHE DI CONTROLLO FUZZY

• Molte applicazioni esistono per controllo fuzzy open-loop.• In genere si assume che le relazioni farmacocinetiche siano

modellabili da sistemi lineari con parametri noti.• Invece un controllore fuzzy open-loop non assume noto il

comportamento fisiologico ma lo modella usando regle ed azioni.

• Si tratta in genere di sistemi di consultazione.• Ad es. esiste un sistema di consultazione fuzzy per il rilascio di

ossigeno a neoneti prematuri.• Un sistema open-loop funziona per il calcolo della dose di

insulina a pazienti diabetici ambulatoriali.• Anche in anestesia la somministrazione di farmaci viene

spesso tratta a ciclo aperto.• Eppure è stato dimostrato che spesso i sistemi a ciclo chiuso

sono più affidabili del personale medico.


I sistemi closed-loop sono• Adattivi• Non adattivi.• Sono stati sviluppati sistemi di controllo fuzzy

autoorganizzanti che hanno la proprietà di adattarsi alle situazioni costruendo on-line le proprie regole fuzzy.

• Questo approccio ha molte positive applicazioni nel controllo del rilassamento muscolare e della pressione sanguigna.

• Il controllo adattivo fuzzy si basa spesso sulla valutazione qualitativa delle condizioni del paziente utilizzando ragionamento induttivo fuzzy.


• Un altro sistema usato per il controllo dell’equilibrio del paraplegico è stato sviluppato utilizzando il cosiddetto reinforcement learning in un controllore fuzzy adattivo.

• Altre tecniche di controllo adattivo vengono usate per controllare i movimenti degli arti nella FES.

• Viene utilizzata la stima dei parametri attraverso il metodo dei minimi quadrati ricorsivi per le varie partizioni fuzzy.

• Il modello può essere sia lineare che non lineare.


• Il ragionamento fuzzy non richiede molti dati perchè si basa su regole IF ... THEN.

• Ma le regole non possono essere espresse senza conoscere la logica delle relazioni.

• Per questo la fuzzy logic si affianca a tecniche neurali e gentiche.

• Le reti neurofuzzy sono state sviluppate fondendo le due tecniche.

SISTEMI IBRIDI

(Neurali, genetici e wavelets).

• Si ottiene così una interpretazione sia quantitativa che qualitativa che supera l’aspetto a scatola nera delle reti neurali.

• Per quanto le regole fuzzy siano facili da scrivere, è difficile trovare le specifiche funzioni di membership.

• In questo caso un algoritmo genetico può regolare la funzione di membership fino a convergenza.

• Poichè i GA sono metodi di ricerca esplorativa e di ottimizzazione, si possono modellare i dati clinici utilizzando tecniche miste genetiche-fuzzy.

• Un metodo di controllo ibrido fuzzy-wavelet è stato utilizzato per estrarre fetures dai dati clinici con una wavelet, e poi dando in input ad un sistema fuzzy le features estratte per l’output finale.

SISTEMI IBRIDI


• Questa tecnica è stata usata per prevedere attacchi epilettici a partire dagli EEG usando fuzzy clustering.

• I GA sono stati usati anche per ottimizzare automaticamente i parametri dei controllori fuzzy, ad es. nell’applicazione alla FES.

• Altri sistemi fuzzy esclusivamente gerarchici sono stati usati per il onitoraggio e il controllo multisensore dell’anestesia .

• L’idea era di sviluppare un modello fuzzy di organismo come simulatore di addestramento.

SISTEMI IBRIDI


TECNICHE FUZZY PER L’ANALISI DEI DATI BIOMEDICI

FUZZY CLUSTERING• Gli algoritmi di clustering partizionano i dati in

sottoinsiemi.• All’interno di ciascun sottoinsieme gli

elementi sono simili fra loro.• Gli elementi di insiemi diversi sono il più

possibile differenti.• Le tecniche di clustering fuzzy sono di diversi

tipi.• Molte sono state applicate alla diagnosi.


• Un esempio di fuzzy clustering è stato usato per i traumi cranici usando immagini RM

• Un altro fuzzy clustering estrae picchi di attività dalla registrazione dell’attività cellulare.

• Il metodo è molto vantaggioso rispetto ad altre tecniche su una vasta scelta di rapporti segnale/rumore.


• FUZZY CLASSIFICATION• La classificazione differisce dal clustering perchè

decide ed etichetta le classi a priori.• In genere viene usato un metodo supervisionato.• Classificazioni fuzzy in• Psicologia• Applicazioni forensi• Dati di laboratorio patofisiologici• Dati di screening per il tumore della

mammella.


• FUZZY MODELLING• Modelli fuzzy possono essere sviluppati dalla

conoscenza degli esperti oppure da dati input/output.

• Nel primo caso la conoscenza dell’esperto è espressa in linguaggio naturale.

• Questo crea problemi di univocità e di regolazione delle membership.


• Se invece si parte dai dati ci sono due metodi:

• si identificano i parametri iniziali del modello (membership functions) e poi si selezionano le regole IF...THEN.

• Spesso vengono usati algoritmi neurofuzzy per regolare le membership.

•

CONCLUSIONI

• Se manca completamente la conoscenza, si estraggono direttamente dai dati sia le regole che le membership facendo un clustering dello spazio di input/output.

• Negli ultimi anni la richiesta di sistemi fuzzy è cresciuta nei seguenti campi:

• cardiologia• anestesia• signal processing• trattamento dell’informazione medica• fisiologia• sanità.

CONCLUSIONI

Le tecniche più usate sono state:

• controllo closed loop• controllo model-based• controllo adattivo• classificazione.

• L’incremento di richieste in questi settori si è mantenuto crescente negli ultimi cinque anni.

SISTEMI FUZZY PER LA MEDICINA. Una branca importante della medicina riguarda il monitoraggio e il...

Documents

Transcript of SISTEMI FUZZY PER LA MEDICINA. Una branca importante della medicina riguarda il monitoraggio e il...