Die Leistungsfähigkeit des Valab®-Expertensystems
Valab® - künstliche Intelligenz im Dienste der Labormedizin
Ein deterministisches und offenes Expertensystem
Valab® ist aus Forschungsarbeiten zur in der Biologie angewandten künstlichen Intelligenz hervorgegangen und besteht aus einem Inferenzmotor, der Verifizierungsregeln umsetzt.
Valab® ist ein deterministisches, wiederholbares, erklärbares und qualifizierbares Expertensystem, wodurch es sich von anderen selbstlernenden Systemen wie „Deep Learning“ oder „Machine Learning“ unterscheidet.
Für die selben mit identischen Einstellungen eingegebenen Daten wird Valab® immer die gleichen Verifizierungsergebnisse liefern.
Der Benutzer kann die Verifizierung vom Valab® anreichern, indem er neue Regeln erstellt, vormodellisierte Regeln ändert oder seine eigenen, speziellen Analysen modellisiert
Ein kognitiver Ansatz
Der Aufbau der Argumentation und der menschlichen Verhaltensweisen sind das Ergebnis mehrerer elementarer, intellektueller bewusster Prozesse (das Wissen) und unbewusster Prozesse (die Erfahrung).
Die Entwicklung eines Expertensystems besteht aus:
- einem Hervorheben der elementaren Prozesse
- der Erstellung eines Modells, das diese Prozesse nutzen kann
- die Validierung dieser gewonnenen Erkenntnisse.
Das „intelligente“ Modell, auf dem Valab® beruht, setzt diese Prozesse für die Auslegung eines Ergebnisses nach einer der menschlichen Denkweise sehr nahen Strategie um.
Die Akzeptierbarkeit eines Ergebnisses ist von einem echt kombinatorischen Ansatz, und nicht einer Klassifizierung in einem pathologischen Modell, abhängig.
Das Ergebnis hängt somit nicht von der Anwendung einer einzigen Regel, sondern - ganz im Gegenteil - von mehreren, gemeinsam anzuwendenden Regeln ab.
Ein praktisches Beispiel
Zusammenhang
Im Fall eines Patienten, für den eine klinische Information „Hepatitis“ mit einem sehr ungewöhnlichen ASAT-Ergebnis von 800 IE 37° vorliegt, sind die Informationen kompatibel und eine einzige Regel reicht aus, um diesen zu modellisieren.
Wenn wir jedoch dem ein normales ALAT-Ergebnis von 20 IE 37° hinzufügen, ist es klar, dass diese neue Information die ganzen Daten unkohärent werden lässt. Ausschließlich ein „kombinatorischer“ Ansatz ermöglicht es, derartig komplexe Modelle auf diese Art zu beschreiben.
Für die Verifizierung werden folgende verschiedenen Informationskategorien eingesetzt:
- Demografie: Alter, Geschlecht
- Kontext: Verschreibender Arzt, Abteilung, Dringlichkeit, Hospitalisierung usw.
- Medizinischer Kontext: klinische und therapeutische Angaben
- Technisch: zusätzliche Informationen
- Interparametrisch: Ergebnisübereinstimmung hinsichtlich der Korrelation zwischen Analysen und Variationen in der Zeit für alle Analysen (inter-parametrarische Kinetik).
Die verschiedenen Etappen der Verifizierungsstrategie
Die Verifizierungsstrategie für die Auslegung der Akzeptierbarkeit der Parameter besteht aus mehreren Etappen:
Die Einordung des Zusammenhangs
Um das Ergebnis auslegen zu können, müssen zuerst in einen Zusammenhang gestellt werden:
- der untersuchte Wert hinsichtlich der Demografie (Alter und Geschlecht): normaler, niedriger oder hoher Wert. Eine Hämoglobinkonzentration von 16 g/100 m hat bei einem Mann, einer Frau oder einem Neugeborenen nicht die gleiche Bedeutung.
- das aktuelle Ergebnis im Vergleich mit eventuellen vorherigen Ergebnissen: Ab- oder Zunahme, Verbesserung oder Verschlechterung.
Die Anwendung sämtlicher anwendbaren Regeln in einer vorher analysierten Situation auslösen
- Korrelationsregeln: Für ein Ergebnis ohne vorherige Ergebnisse (hohe oder niedrige Werte)
- Anterioritätsregeln: Für ein Ergebnis, das vorherige Ergebnisse mit einbezieht (Variationen nach oben oder unten)
Jedes Regelwerk beinhaltet Regeln:
- die die Validierung von (normal) anormalen Ergebnissen begünstigen
- die die Validierung von (anormalen) normalen Ergebnissen verbieten
Die Erstellung der Zusammenfassung für die Akzeptierbarkeit eines Ergebnisses
Es gibt verschiedene Kategorien der Akzeptierbarkeit einer Analyse hinsichtlich deren Ergebnisses oder ihrer zeitlichen Änderung:
- validiert
- nicht validiert aufgrund von „Inkohärenz“
- nicht validiert aufgrund von „nicht ausreichende Rechtfertigung einer Anomalie“
- nicht validiert aufgrund eines „alarmierenden oder kritischen Wertes“
- nicht validiert aufgrund „eines den Verifizierungsfachleuten vorbehaltenen Bereiches“
Ein einfaches und intuitives Tool für die Modellisierung von Verifizierungsregeln
Valab® wird mit einem Tool für die Modellisierung der Verifizierungsregeln geliefert, mit dem Sie Ihre eigenen Regeln ganz einfach selbst einsehen, ändern oder erstellen können.
Beispiel für B2-Mikroglobulin
Modellisierung der demografischen Verifizierung
Modellisierung der kontextuellen Verifizierung
Modellisierung der interparametrischen Verifizierung
Kontaktieren Sie unser Vertriebsteam
Sie möchten weitere Information über das Expertensystem Valab® haben oder eine Beratung zu technischen oder labormedizinischen Fragen oder bezüglich einer Akkreditierung nach ISO 15189?
+33 (0)5 31 08 34 99
Ein deterministisches und offenes Expertensystem
Valab® ist aus Forschungsarbeiten zur in der Biologie angewandten künstlichen Intelligenz hervorgegangen und besteht aus einem Inferenzmotor, der Verifizierungsregeln umsetzt.
Valab® ist ein deterministisches, wiederholbares, erklärbares und qualifizierbares Expertensystem, wodurch es sich von anderen selbstlernenden Systemen wie „Deep Learning“ oder „Machine Learning“ unterscheidet.
Für die selben mit identischen Einstellungen eingegebenen Daten wird Valab® immer die gleichen Verifizierungsergebnisse liefern.
Der Benutzer kann die Verifizierung vom Valab® anreichern, indem er neue Regeln erstellt, vormodellisierte Regeln ändert oder seine eigenen, speziellen Analysen modellisiert
Ein kognitiver Ansatz
Der Aufbau der Argumentation und der menschlichen Verhaltensweisen sind das Ergebnis mehrerer elementarer, intellektueller bewusster Prozesse (das Wissen) und unbewusster Prozesse (die Erfahrung).
Die Entwicklung eines Expertensystems besteht aus:
- einem Hervorheben der elementaren Prozesse
- der Erstellung eines Modells, das diese Prozesse nutzen kann
- die Validierung dieser gewonnenen Erkenntnisse.
Das „intelligente“ Modell, auf dem Valab® beruht, setzt diese Prozesse für die Auslegung eines Ergebnisses nach einer der menschlichen Denkweise sehr nahen Strategie um.
Die Akzeptierbarkeit eines Ergebnisses ist von einem echt kombinatorischen Ansatz, und nicht einer Klassifizierung in einem pathologischen Modell, abhängig.
Das Ergebnis hängt somit nicht von der Anwendung einer einzigen Regel, sondern - ganz im Gegenteil - von mehreren, gemeinsam anzuwendenden Regeln ab.
Ein praktisches Beispiel
Zusammenhang
Im Fall eines Patienten, für den eine klinische Information „Hepatitis“ mit einem sehr ungewöhnlichen ASAT-Ergebnis von 800 IE 37° vorliegt, sind die Informationen kompatibel und eine einzige Regel reicht aus, um diesen zu modellisieren.
Wenn wir jedoch dem ein normales ALAT-Ergebnis von 20 IE 37° hinzufügen, ist es klar, dass diese neue Information die ganzen Daten unkohärent werden lässt. Ausschließlich ein „kombinatorischer“ Ansatz ermöglicht es, derartig komplexe Modelle auf diese Art zu beschreiben.
Für die Verifizierung werden folgende verschiedenen Informationskategorien eingesetzt:
- Demografie: Alter, Geschlecht
- Kontext: Verschreibender Arzt, Abteilung, Dringlichkeit, Hospitalisierung usw.
- Medizinischer Kontext: klinische und therapeutische Angaben
- Technisch: zusätzliche Informationen
- Interparametrisch: Ergebnisübereinstimmung hinsichtlich der Korrelation zwischen Analysen und Variationen in der Zeit für alle Analysen (inter-parametrarische Kinetik).
Die verschiedenen Etappen der Verifizierungsstrategie
Die Verifizierungsstrategie für die Auslegung der Akzeptierbarkeit der Parameter besteht aus mehreren Etappen:
Die Einordung des Zusammenhangs
Um das Ergebnis auslegen zu können, müssen zuerst in einen Zusammenhang gestellt werden:
- der untersuchte Wert hinsichtlich der Demografie (Alter und Geschlecht): normaler, niedriger oder hoher Wert. Eine Hämoglobinkonzentration von 16 g/100 m hat bei einem Mann, einer Frau oder einem Neugeborenen nicht die gleiche Bedeutung.
- das aktuelle Ergebnis im Vergleich mit eventuellen vorherigen Ergebnissen: Ab- oder Zunahme, Verbesserung oder Verschlechterung.
Die Anwendung sämtlicher anwendbaren Regeln in einer vorher analysierten Situation auslösen
- Korrelationsregeln: Für ein Ergebnis ohne vorherige Ergebnisse (hohe oder niedrige Werte)
- Anterioritätsregeln: Für ein Ergebnis, das vorherige Ergebnisse mit einbezieht (Variationen nach oben oder unten)
Jedes Regelwerk beinhaltet Regeln:
- die die Validierung von (normal) anormalen Ergebnissen begünstigen
- die die Validierung von (anormalen) normalen Ergebnissen verbieten
Die Erstellung der Zusammenfassung für die Akzeptierbarkeit eines Ergebnisses
Es gibt verschiedene Kategorien der Akzeptierbarkeit einer Analyse hinsichtlich deren Ergebnisses oder ihrer zeitlichen Änderung:
- validiert
- nicht validiert aufgrund von „Inkohärenz“
- nicht validiert aufgrund von „nicht ausreichende Rechtfertigung einer Anomalie“
- nicht validiert aufgrund eines „alarmierenden oder kritischen Wertes“
- nicht validiert aufgrund „eines den Verifizierungsfachleuten vorbehaltenen Bereiches“
Ein einfaches und intuitives Tool für die Modellisierung von Verifizierungsregeln
Valab® wird mit einem Tool für die Modellisierung der Verifizierungsregeln geliefert, mit dem Sie Ihre eigenen Regeln ganz einfach selbst einsehen, ändern oder erstellen können.
Beispiel für B2-Mikroglobulin
Modellisierung der demografischen Verifizierung
Modellisierung der kontextuellen Verifizierung
Modellisierung der interparametrischen Verifizierung