Resumen:
Este trabajo comenzó con una propuesta de investigación sobre mejoras para una aplicación ya existente, desarrollada en Smalltalk. Esta aplicación se llama ExpertCare y se trata de una herramienta para soporte de decisión en un servicio telefónico de despacho de ambulancias. ExpertCare analiza los síntomas reportados por los pacientes y sugiere preguntas que apunten a otros síntomas, hasta consolidar un diagnóstico presuntivo y establecer si la llamada requiere una ambulancia y/o atención médica urgente. La aplicación cuenta con una base de conocimiento de síndromes, definidos en términos de síntomas. También utiliza un sistema de reglas para determinar qué nuevas preguntas deberían hacerse. Pero la construcción y el mantenimiento de ese sistema de reglas es compleja y costosa, además de requerir mucha colaboración por parte de los expertos del dominio. Por estas razones nos propusimos desarrollar estrategias automáticas que pudieran operar sobre la base de conocimiento y decidir cuáles serían las mejores preguntas para alcanzar el diagnóstico presuntivo. Para esto, tuvimos que construir un “laboratorio virtual” donde pudiéramos simular llamadas telefónicas de pacientes y sesiones de interrogatorio y diagnóstico. En ese ambiente desarrollamos y probamos varias estrategias, midiendo y mejorando su performance hasta alcanzar valores que las hacen utilizables en la aplicación.
Abstract:
The present work started as a research on improvements for an existing Smalltalk application. This application, called ExpertCare, is a decision support tool for telephonic medical triage and ambulance dispatch. ExpertCare analyzes symptoms reported by patients and suggests questions pointing to new symptoms, in order to make a presumptive diagnosis and assess if the call requires an ambulance and/or urgent attention. The application has a knowledge base of syndromes defined in terms of symptoms and a system of rules to determine which questions should be asked. But construction and maintenance of such a system of rules is complex and costly, requiring intensive domain expert collaboration; therefore, we aim at developing an automatic strategy which can operate upon the knowledge base and decide which questions are best asked in order to achieve the presumptive diagnosis. For that purpose, we needed to build a "virtual laboratory" where we can simulate patient calls and diagnostic sessions. In this environment we developed and tested several strategies, measuring and enhancing the performance until we reached values that grant their usage in the main application, in real conditions.
Citación:
---------- APA ----------
Ferro, Carlos Edgardo. (2009). Estrategias automáticas de interrogatorio médico. (Tesis de Grado. Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales.). Recuperado de https://hdl.handle.net/20.500.12110/seminario_nCOM000763_Ferro
---------- CHICAGO ----------
Ferro, Carlos Edgardo. "Estrategias automáticas de interrogatorio médico". Tesis de Grado, Universidad de Buenos Aires. Facultad de Ciencias Exactas y Naturales, 2009.https://hdl.handle.net/20.500.12110/seminario_nCOM000763_Ferro
Estadísticas:
Descargas mensuales
Total de descargas desde :
https://bibliotecadigital.exactas.uba.ar/download/seminario/seminario_nCOM000763_Ferro.pdf
Distrubución geográfica
