![Исходные данные Процедура поиска подгрупп Результаты Заключение
Пары схожих пациентов
Схожие пациенты, получавшие разное лечение, находятся при
помощи алгоритма Гейла и Шепли для решения задачи о
поиске стабильного паросочетания[Gale and Shapley, 1962].
Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 6 / 19](https://image.slidesharecdn.com/random-140701130355-phpapp02/85/-10-320.jpg)
![Исходные данные Процедура поиска подгрупп Результаты Заключение
Пары схожих пациентов
Схожие пациенты, получавшие разное лечение, находятся при
помощи алгоритма Гейла и Шепли для решения задачи о
поиске стабильного паросочетания[Gale and Shapley, 1962].
Предпочтения
Чем меньше расстояние между двумя пациентами, тем
предпочтительнее они друг для друга.
Cтрогость предпочтений =⇒ Оптимальность паросочетания
Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 6 / 19](https://image.slidesharecdn.com/random-140701130355-phpapp02/85/-11-320.jpg)
![Исходные данные Процедура поиска подгрупп Результаты Заключение
Генерация гипотез (деревья решений)
Для решения задачи классификации и получения описаний
выделенных классов предлагается использовать деревья
решений.
Критерии выбора признака для ветвления[Kotsiantis, 2013;
Raileanu and Stoffel, 2004]:
прирост информации (information gain)
нормализованный прирост информации (information gain
ratio)
индекс Джини (Gini index)
Из всех полученных гипотез были выбраны наиболее точно
классифицируемые.
Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 10 / 19](https://image.slidesharecdn.com/random-140701130355-phpapp02/85/-15-320.jpg)
![Исходные данные Процедура поиска подгрупп Результаты Заключение
Генерация гипотез (деревья решений)
Для решения задачи классификации и получения описаний
выделенных классов предлагается использовать деревья
решений.
Критерии выбора признака для ветвления[Kotsiantis, 2013;
Raileanu and Stoffel, 2004]:
прирост информации (information gain)
нормализованный прирост информации (information gain
ratio)
индекс Джини (Gini index)
Из всех полученных гипотез были выбраны наиболее точно
классифицируемые.
Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 10 / 19](https://image.slidesharecdn.com/random-140701130355-phpapp02/85/-16-320.jpg)
![Исходные данные Процедура поиска подгрупп Результаты Заключение
Проверка гипотез
Проверка каждой выбранной гипотезы проводилась
стандартными методами анализа выживаемости:
Кривые Каплан-Майера[Kaplan and Meier, 1958]
Логранговый критерий[Kleinbaum and Klein, 2012]
Критерий эквивалентности[Foody, 2009]
Вычисление чувствительности (мощности)
Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 11 / 19](https://image.slidesharecdn.com/random-140701130355-phpapp02/85/-17-320.jpg)
Кузнецов С.О., Корепанова Н.В. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения
- 1. Исходные данные Процедура поиска подгрупп Результаты Заключение Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения Н.В. Корепанова1,2 , С.О. Кузнецов1 , А.И. Карачунский2 1 Национальный исследовательский университет “Высшая школа экономики” 2 Федеральный научно-клинический центр детской гематологии, онкологиии и иммунологии им. Дмитрия Рогачева Москва 2014 Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 1 / 19
- 2. Исходные данные Процедура поиска подгрупп Результаты Заключение Проблема В России 10-летняя выживаемость при остром лимфобластном лейкозе у детей: 5-10% в начале 90-х годов 80-85% сегодня Но больше существенно увеличить не удается! Возможное решение - оптимизация терапии в подгруппах, выбор которых статистически обоснован. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 2 / 19
- 3. Исходные данные Процедура поиска подгрупп Результаты Заключение Проблема В России 10-летняя выживаемость при остром лимфобластном лейкозе у детей: 5-10% в начале 90-х годов 80-85% сегодня Но больше существенно увеличить не удается! Возможное решение - оптимизация терапии в подгруппах, выбор которых статистически обоснован. Цель исследования Разработать процедуру поиска подгрупп пациентов, в которых существуют значимые различия в эффективности стратегий лечения. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 2 / 19
- 4. Исходные данные Процедура поиска подгрупп Результаты Заключение Исходные данные Всего в базе 1773 пациента в возрасте до 18 лет включительно, больных острым лимфобластным лейкозом (ALL-MB-2002). Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 3 / 19
- 5. Исходные данные Процедура поиска подгрупп Результаты Заключение Исходные данные Всего в базе 1773 пациента в возрасте до 18 лет включительно, больных острым лимфобластным лейкозом (ALL-MB-2002). Физиологические характеристики пациента Пол (мужской или женский) Возраст на момент постановки диагноза (в годах) Инициальный лейкоз (x109 /л) Иммуно-фенотип (8 типов) Пальпируемый размер печени (в см) Пальпируемый размер селезенки (в см) Поражение ЦНС (поражена, не поражена, исследование не проводилось) Поражение средостения (поражено, не поражено, исследование не проводилось) Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 3 / 19
- 6. Исходные данные Процедура поиска подгрупп Результаты Заключение Исходные данные Другие характеристики пациента Стратегия лечения (DEXA или MEDROL) Дата постановки диагноза Дата последнего осмотра Последний статус пациента (жив, мертв, нет информации) Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 4 / 19
- 7. Исходные данные Процедура поиска подгрупп Результаты Заключение Исходные данные Другие характеристики пациента Стратегия лечения (DEXA или MEDROL) Дата постановки диагноза Дата последнего осмотра Последний статус пациента (жив, мертв, нет информации) Данные для анализа 1501 полностью описанный пациент (наличие или отсутствие опражения ЦНС и средостения точно определены): 919 пациентов, получавших DEXA 582 пациентов, получавших MEDROL Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 4 / 19
- 8. Исходные данные Процедура поиска подгрупп Результаты Заключение Расстояние между пациентами Допускается вычислять расстояние только между сравнимыми пациентами. Сравнимость Два пациента сравнимы, если их значения качественных физиологических характеристик (таких, как пол, иммуно-фенотип и т.д.) совпадают. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 5 / 19
- 9. Исходные данные Процедура поиска подгрупп Результаты Заключение Расстояние между пациентами Допускается вычислять расстояние только между сравнимыми пациентами. Сравнимость Два пациента сравнимы, если их значения качественных физиологических характеристик (таких, как пол, иммуно-фенотип и т.д.) совпадают. Значения количественных физиологических характеристики нормируются, и на их основе вычисляется один из видов расстояния, например, расстояние Евклида. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 5 / 19
- 10. Исходные данные Процедура поиска подгрупп Результаты Заключение Пары схожих пациентов Схожие пациенты, получавшие разное лечение, находятся при помощи алгоритма Гейла и Шепли для решения задачи о поиске стабильного паросочетания[Gale and Shapley, 1962]. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 6 / 19
- 11. Исходные данные Процедура поиска подгрупп Результаты Заключение Пары схожих пациентов Схожие пациенты, получавшие разное лечение, находятся при помощи алгоритма Гейла и Шепли для решения задачи о поиске стабильного паросочетания[Gale and Shapley, 1962]. Предпочтения Чем меньше расстояние между двумя пациентами, тем предпочтительнее они друг для друга. Cтрогость предпочтений =⇒ Оптимальность паросочетания Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 6 / 19
- 12. Исходные данные Процедура поиска подгрупп Результаты Заключение Выделение подгрупп Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 7 / 19
- 13. Исходные данные Процедура поиска подгрупп Результаты Заключение Кластеры пациентов Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 8 / 19
- 14. Исходные данные Процедура поиска подгрупп Результаты Заключение Пример возможного деления на классы Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 9 / 19
- 15. Исходные данные Процедура поиска подгрупп Результаты Заключение Генерация гипотез (деревья решений) Для решения задачи классификации и получения описаний выделенных классов предлагается использовать деревья решений. Критерии выбора признака для ветвления[Kotsiantis, 2013; Raileanu and Stoffel, 2004]: прирост информации (information gain) нормализованный прирост информации (information gain ratio) индекс Джини (Gini index) Из всех полученных гипотез были выбраны наиболее точно классифицируемые. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 10 / 19
- 16. Исходные данные Процедура поиска подгрупп Результаты Заключение Генерация гипотез (деревья решений) Для решения задачи классификации и получения описаний выделенных классов предлагается использовать деревья решений. Критерии выбора признака для ветвления[Kotsiantis, 2013; Raileanu and Stoffel, 2004]: прирост информации (information gain) нормализованный прирост информации (information gain ratio) индекс Джини (Gini index) Из всех полученных гипотез были выбраны наиболее точно классифицируемые. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 10 / 19
- 17. Исходные данные Процедура поиска подгрупп Результаты Заключение Проверка гипотез Проверка каждой выбранной гипотезы проводилась стандартными методами анализа выживаемости: Кривые Каплан-Майера[Kaplan and Meier, 1958] Логранговый критерий[Kleinbaum and Klein, 2012] Критерий эквивалентности[Foody, 2009] Вычисление чувствительности (мощности) Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 11 / 19
- 18. Исходные данные Процедура поиска подгрупп Результаты Заключение Кривые Каплан-Майера для всей выборки Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 12 / 19
- 19. Исходные данные Процедура поиска подгрупп Результаты Заключение Пример подтвержденной гипотезы о наличии различий MEDROL более эффективен, чем DEXA, для пациентов старше 6.6 лет с размером селезенки не менше 3.5 и pre-pre- или pre-B иммуно-фенотипом Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 13 / 19
- 20. Исходные данные Процедура поиска подгрупп Результаты Заключение Пример подтвержденной гипотезы о наличии различий MEDROL более эффективен, чем DEXA, для пациентов старше 6.6 лет с размером селезенки не менше 3.5 и pre-pre- или pre-B иммуно-фенотипом Всего таких пациентов 47. Достовреность 95%, чувствительность 84%. При лечении всех пациентов MEDROL удалось бы спасти приблизительно 8 пациентов. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 13 / 19
- 21. Исходные данные Процедура поиска подгрупп Результаты Заключение Пример неподтвержденной гипотезы о наличии различий DEXA более эффективен, чем MEDROL, для пациентов c pre-pre-B, common-B, pre-B или B фенотипов и размером селезенки не больше 4 см. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 14 / 19
- 22. Исходные данные Процедура поиска подгрупп Результаты Заключение Пример неподтвержденной гипотезы о наличии различий DEXA более эффективен, чем MEDROL, для пациентов c pre-pre-B, common-B, pre-B или B фенотипов и размером селезенки не больше 4 см. Всего таких пациентов 1061. Достоверность 95%, но чувствительность составляет 12% (так как разница в выживаемости всего лишь около 2%) Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 14 / 19
- 23. Исходные данные Процедура поиска подгрупп Результаты Заключение Пример неподтвержденной гипотезы об отсутствии различий Разницы нет при размере селезенки не больше 6.5 см, размере печени не больше 7.5 см, инициальном лейкозе не выше 75x109/л, не пораженной ЦНС и в возрасте от 12 до 14.4 лет Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 15 / 19
- 24. Исходные данные Процедура поиска подгрупп Результаты Заключение Пример неподтвержденной гипотезы об отсутствии различий Разницы нет при размере селезенки не больше 6.5 см, размере печени не больше 7.5 см, инициальном лейкозе не выше 75x109/л, не пораженной ЦНС и в возрасте от 12 до 14.4 лет Всего таких пациентов 78. Согласно значениям статистики критерия эквивалентности говорить об отсутствии различий больше 5% с достоверностью 95% нельзя. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 15 / 19
- 25. Исходные данные Процедура поиска подгрупп Результаты Заключение Заключение Разработана процедура поиска подгрупп, в которых два вида лечения имеют различия в эффективности. Лучше всего удается выделять небольшие подгруппы с большими различиями. Полученные гипотезы были проверены стандартными статистическими методами анализа выживаемости. В полной мере оценить качество гипотез можно только после проведения соответствующих рандомизированных клинических исследований. Все шаги процедуры могут быть легко адаптированы к решению другой практической проблемы, содержащей анализ в подгруппах и выходящей за рамки гематологии и медицины. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 16 / 19
- 26. Исходные данные Процедура поиска подгрупп Результаты Заключение Открытые вопросы Какие модификации позволят добиться большей точности? Как учитывать при выборе подгрупп разные типы отрицательных событий (рецидив, метастазы и т.д.)? Какие аномалии могут влиять на наличие отдельных кластеров? Как модифицировать процедуру для сравнения трех и более стратегий лечения? и т.д. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 17 / 19
- 27. Исходные данные Процедура поиска подгрупп Результаты Заключение Ссылки Foody, G. (2009). Classification accuracy comparison: Hypothesis tests and the use of confidence intervals in evaluations of difference, equivalence and non-inferiority. Remote Sensing of Environment, 13:1658–1663. Gale, D. and Shapley, L. (1962). College admissions and the stability of marriage. The American Mathematical Monthly, 69(1):9–15. Kaplan, E. and Meier, P. (1958). Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, 53(282):457–481. Kleinbaum, D. and Klein, M. (2012). Kaplan-meier survival curves and the log-rank test. In Survival Analysis, pages 55–96. Springer New York. Kotsiantis, S. (2013). The american mathematical monthly. Artificial Intelligence Review, 39:261–283. Raileanu, L. and Stoffel, K. (2004). Theoretical comparison between the gini index and information gain criteria. Annals of Mathematics and Artificial Intelligence, 41:77–93. Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 18 / 19
- 28. Исходные данные Процедура поиска подгрупп Результаты Заключение Спасибо за внимание! Методы обнаружения знаний в задаче сравнения эффективности стратегий лечения 19 / 19