| Περίληψη |
Στη μελέτη αυτή, οι κλινικές συνεντεύξεις που χρησιμοποιήθηκαν έχουν βασισθεί στη μέθοδο της Παρούσας Ψυχικής Κατάστασης (PSE - Present State Examination). Με βάση τα στοιχεία αυτά έγινε η αξιολόγηση όλων των μεθόδων που χρησιμοποιήθηκαν. Για την επίλυση του προβλήματος έγινε ανάλυση των ειδικών χαρακτηριστικών του, και σχεδιάστηκαν ΤΝΔ με βελτιωμένη απόδοση. Τα προτεινόμενα συστήματα ΤΝΔ τύπου MLP (Multilayer Perceptron) έχουν εξειδικευμένες αρχιτεκτονικές που εμπεριέχουν σημαντικά στοιχεία της γνώσης και εμπειρίας των ειδικών. Έχουν εκπαιδευτεί με τον κλασικό αλγόριθμο on-line Back Propagation. Η απόδοσή τους συγκρίνεται με τις αντίστοιχες πολλών άλλων συστημάτων ΤΝΔ επιβλεπόμενων και μη, συμπεριλαμβανομένων και MLP-ΤΝΔ εκπαιδευμένων με πολύ γνωστούς αλγόριθμους (όπως με τεχνικές απαλοιφής βαρών και πιθανοτικών νευρωνικών δικτύων) που σαν στόχο είχαν την βελτίωση της γενικευτικής τους ικανότητας. Θα πρέπει να τονισθεί ότι για πρώτη φορά στη ψυχιατρική χρησιμοποιήθηκαν τεχνητά νευρωνικά δίκτυα με ειδικούς περιορισμούς που βασίζονται στην γνώση των ειδικών, όπως επίσης ότι για πρώτη φορά με την μελέτη αυτή έγινε σύγκριση των αποδόσεων σύγχρονων και κλασικών στατιστικών μεθόδων όπως η πολυμεταβλητή διακρίνουσα ανάλυση, ο Κ-ΝΝ και ο κατηγοριοποιητής ελάχιστης Ευκλείδειας απόστασης, σε ψυχιατρικά δεδομένα. Μεταξύ των κριτηρίων σύγκρισης περιλαμβάνονται : · το μέσο συνολικό ποσοστό συμφωνίας των διαγνώσεων που προτείνονται από τις χρησιμοποιούμενες μεθόδους και των πραγματικών διαγνώσεων, όπως επίσης και · οι συντελεστές Kappa και Υ, οι οποίοι είναι οι ευρύτερα χρησιμοποιούμενοι δείκτες απόδοσης στην κλινική ψυχιατρική βιβλιογραφία (αναλυτικότερες πληροφορίες δίνονται στο Κεφάλαιο ΙΙΙ). Τα στοιχεία που χρησιμοποιήθηκαν σαν είσοδοι - δεδομένα για όλες τις μεθόδους προήλθαν από μία αρκετά μεγάλη βάση πληροφοριών η οποία μεταξύ πολλών άλλων στοιχείων περιλαμβάνει και μία δομημένη κλινική συνέντευξη (140 πεδίων). Το πρόβλημα αντιμετωπίσθηκε με δύο διαφορετικούς τρόπους, ανάλογα με το πως ο χώρος των δειγμάτων χωρίστηκε σε κατηγορίες σύμφωνα με δύο από τις πιο αποδεκτές μεθοδολογίες καθορισμού των ψυχικών διαταραχών (ICD και PSE/CATEGO). Έχει γίνει προσπάθεια ταξινόμησης πέντε κύριων κατηγοριών ψυχιατρικών ασθενειών όπως επίσης και της κατηγορίας των "φυσιολογικών περιπτώσεων". Δίνονται λύσεις με βέλτιστα αποτελέσματα μετά από δραστική μείωση των διαστάσεων του χώρου εισόδου δεδομένων, που βασίστηκε στην ειδική γνώση των κλινικών γιατρών, με τον σχεδιασμό εξειδικευμένων καινοτόμων και πολύ αποτελεσματικών για το συγκεκριμένο πρόβλημα αρχιτεκτονικών ΤΝΔ. Όλες οι μέθοδοι που χρησιμοποιήθηκαν στη μελέτη αυτή έχουν προσεκτικά και διεξοδικά συγκριθεί μεταξύ τους μέσα σε ένα καθαρά στατιστικό πλαίσιο με τη μεθοδολογία διεπικύρωσης (cross-validation). Αποδεικνύεται ότι οι αρχιτεκτονικές ΤΝΔ με περιορισμούς, όταν δηλαδή στον σχεδιασμό τους ενσωματώνεται ένα πλήρες σύνολο έμπειρων κανόνων, μπορούν να επιτύχουν βελτιωμένα αποτελέσματα έχοντας σταθερή γενικευτική ικανότητα, την καλύτερη μεταξύ όλων των χρησιμοποιούμενων μεθόδων. Αποδεικνύεται επίσης ότι αυτές οι αρχιτεκτονικές έχουν καλύτερη απόδοση όσον αφορά τη μέγιστη απόδοση κατηγοριοποίησης (μέση τιμή και διακύμανση), και την αξιοπιστία την εκπαίδευση. Αντιπροσωπεύουν δηλαδή, ένα πλαίσιο κατάλληλο για ψυχιατρική μοντελοποίηση, αφού η ανώτερη απόδοση των ειδικά προσαρμοσμένων συστημάτων ΤΝΔ δείχνει ότι υπάρχει δυνατότητα αντιστοίχησης μεταξύ ψυχιατρικών κανόνων και αρχιτεκτονικών ΤΝΔ. Αναφορικά με την απόδοση των στατιστικών μεθόδων, αποδεικνύεται ότι η κλασική κατά βήματα πολυμεταβλητή διακρίνουσα ανάλυση υπερέχει κατά πολύ σε ακρίβεια κατηγοριοποίησης των υπολοίπων και πιο συγκεκριμένα των αλγορίθμων Κ-ΝΝ και ελάχιστης Ευκλείδειας απόστασης, αλλά παραμένει υποδεέστερη της απόδοσης των καλύτερων μεθόδων ΤΝΔ. Ανεξάρτητα από τις επιβλεπόμενες μεθόδους κατηγοριοποίησης εξετάζεται η απόδοση των μη επιβλεπόμενων μεθόδων και συγκεκριμένα του SOM (Self Organising feature Map) του Kohonen όπως επίσης του Κ-means και πολλών άλλων στατιστικών τεχνικών ιεραρχικής ομαδοποίησης (nearest neighbour, furthest neighbour, centroid, median, group average, Ward's method). Βρέθηκε ότι η απόδοση ομαδοποίησης του SOM είναι ανώτερη εκείνης όλων των υπολοίπων της συγκεκριμένης ομάδας, οι οποίες στη πραγματικότητα αδυνατούν να αναγνωρίσουν ομογενείς ομάδες περιπτώσεων. Θα πρέπει ίσως να τονισθεί ότι στη μελέτη αυτή γίνεται η πρώτη συστηματική ερευνητική προσπάθεια να εφαρμοστούν επιβλεπόμενοι και μη επιβλεπόμενοι νευρωνικοί κατηγοριοποιητές στο πρόβλημα της κατηγοριοποίησης μεγάλων ερωτηματολογίων. Μία πρώτη αλλά ατελής προσπάθεια έγινε από τους Kishi K, Kikushi T, Matsuoka T και Takeda T . Το κύριο συμπέρασμα της μελέτης αυτής είναι ότι τα ΤΝΔ τύπου MLP (Multilayer Perceptron) και πιο συγκεκριμένα τα ΤΝΔ με ειδικούς περιορισμούς στην αρχιτεκτονική τους, που ενσωματώνουν όσο το δυνατόν περισσότερη έμπειρη γνώση, υπερέχουν κατά πολύ όλων των άλλων χρησιμοποιουμένων τεχνικών και ειδικότερα εκείνων που βασίζονται σε μεθοδολογίες τοπολογίας γειτνίασης με κριτήριο βέβαια την συμφωνία των αποτελεσμάτων με τις αντίστοιχες ορθές διαγνώσεις. Οι αρχιτεκτονικές αυτές μπορούν σαφώς να διευκολύνουν την ψυχιατρική μοντελοποίηση. Προτείνονται αρκετές υποθέσεις για να εξηγηθεί αυτή η απόδοση και επιχειρείται επίσης ο σχεδιασμός ενός τεχνητού προβλήματος (benchmark) με παρόμοια χαρακτηριστικά για την αξιολόγηση της εγκυρότητας των υποθέσεων που μελετώνται.
|
Μοντελοποίηση ψυχιατρικής διάγνωσης με τεχνιτά νευρωτικά δίκτυα. Εφαρμογή και αξιολόγηση συγχρόνων στατιστικών μεθόδων με τη χρήση της παρούσας ψυχικής κατάστασης(PSE), σε μεγάλο αριθμό ψυχιατρικών περιπτώσεων
