En los últimos diez años, una nueva tendencia en medicina está trasformando la práctica médica de reactiva a proactiva. Este nuevo paradigma aspira a detectar las enfermedades de forma precoz y usar el diagnóstico con el fin de seleccionar la terapia óptima en base a las observaciones individuales. Este cambio de paradigma depende en gran medida de la disponibilidad de datos biomédicos complejos. Para beneficiarse de esta información se está llevando a cabo un esfuerzo considerable por desarrollar nuevos métodos matemáticos y computacionales que sean capaces de extraer el máximo conocimiento posible de los registros médicos. Este requisito posibilita el uso de Sistemas de Ayuda a la Decisión Médica computerizados para la gestión individual de pacientes.
Los Sistemas de Ayuda a la Decisión Médica (SADM) son sistemas informáticos que proporcionan conocimiento preciso y específico para las decisiones médicas relacionadas con el diagnóstico, pronóstico, tratamiento y gestión de pacientes. El origen de esta Tesis es, precisamente, el desarrollo de un SADM basado en técnicas de Aprendizaje Automático para inferir modelos predictivos para el diagnóstico no invasivo de tumores cerebrales. La idea partió del proyecto europeo INTERPRET (2002) y continuó con otros dos proyectos europeos: eTumor (2005) y HEALTHAGENTS (2008), que llevaron a cabo un gran esfuerzo para desarrollar una herramienta de diagnóstico automático aplicada a datos de espectros de resonancia magnética nuclear (1HMRS) de tumores cerebrales. Uno de los objetivos principales era reducir la necesidad de llevar a cabo un diagnóstico histopatológico invasivo a partir de la biopsia de un tumor cerebral. El Aprendizaje Automático se ha aplicado con éxito a dicho problema, proporcionando un análisis automático del 1HMRS. Sin embargo, el desarrollo de clasificadores de tumores cerebrales capaces de generalizar requiere la adquisición de un gran número de casos para cada tipo de tumor y, hasta ahora, esta aproximación se ha empleado solo para un conjunto reducido de tumores comunes. Los casos se han recogido a lo largo de muchos años y a partir de un conjunto de hospitales y se han transferido a una base de datos centralizada. El problema de esta aproximación es que existen impedimentos éticos y legales para almacenar y enviar los datos. En cambio, las bases de datos distribuidas donde los modelos de clasificación pueden ser entrenados sin tener que mover los datos del hospital donde se adquirieron podrían proporcionar una solución práctica. Otro requisito interesante es la capacidad de reentrenamiento de los clasificadores a medida que se adquieren nuevos datos. una manera de proporcionar una solución práctica óptima que cumpla con ambos requisitos es aplicar algoritmos de aprendizaje incremental.
Tras analizar las aproximaciones de Aprendizaje Automático no incrementales para el diagnóstico automático de tumores cerebrales, esta Tesis presenta dos nuevos algoritmos de aprendizaje incremental de propósito general para entornos estacionarios y, en particular, para adaptar los modelos predictivos a nuevos centros sanitarios en el marco de la toma de decisiones para tumores cerebrales empleando 1H MRS. Hasta ahora, los diferentes SADM desarrollados para el diagnóstico de tumores cerebrales habían empleado solo modelos no incrementales. Estos modelos asumen de forma implícita que el aprendizaje termina una vez que el conjunto de datos disponible ha sido procesado, por lo que las prestaciones de un clasificador automático no incremental depende de la disponibilidad de un conjunto de entrenamiento suficientemente representativo para cada clase. El problema reside en el considerable coste económico y temporal que la adquisición de estos datos suele suponer. Las propiedades de los algoritmos de aprendizaje incremental podrían proporcionar una solución efectiva ante esta situación.
Un algoritmo de aprendizaje incremental proporciona, de forma secuencial, un nuevo modelo predictivo siempre que se disponga de nuevas observaciones. Este nuevo modelo queda determinado por el conocimiento adquirido en el modelo anterior y por la información contenida en los nuevos datos. Por lo tanto, un algoritmo incremental debería ser capaz de incorporar información adicional a partir de los nuevos datos sin olvidar por completo su conocimiento previo. A la vez, las prestaciones de los modelos deberían mejorar con el paso del tiempo.
Esta Tesis presenta el diseño, desarrollo y evaluación de dos nuevos algoritmo de aprendizaje incremental de propósito general para SADM dinámicos, con una aplicación concreta al diagnóstico de tumores cerebrales. Al contrario que otros muchos algoritmos incrementales desarrollados, se asume que los datos anteriores no serán accesibles ya que esta es una restricción común en entornos de decisión médicos con bases de datos distribuidas.
El primer algoritmo se basa en una combinación ponderada de estimadores por máxima verosimilitud donde se asume que los datos siguen una distribución gaussiana multivariante. El algoritmo es capaz de aprender de manera incremental, mejorando las prestaciones de los modelos cuando se dispone de nueva información, convergiendo con el tiempo. Además, puede incorporar nuevas clases a su base de conocimiento si estos diagnósticos estuvieran disponibles. Estas capacidades le permiten adaptar los modelos a cada centro clínico particular. Para evaluar el comportamiento del algoritmo se han utilizado bases de datos de referencia y, finalmente, se ha aplicado al problema de clasificación de tumores cerebrales, comparando sus resultados con los de otros dos algoritmos incrementales de la literatura.
El segundo algoritmo se basa en una regresión logística que se ajusta mediante el paradigma de inferencia bayesiana donde la distribución a posteriori de los parámetros de una iteración se usa como distribución de los parámetros a priori para el entrenamiento del modelo siguiente. Este algoritmo no asume ningún tipo de distribución subyacente a los datos. Las prestaciones de este algoritmo se evalúan mediante diferentes bases de datos de referencia y comparándolo con el algoritmo anterior empleando también la base de datos de tumores cerebrales.
Ambos algoritmos muestran un buen comportamiento, cumplen con la definición de aprendizaje incremental y logran alcanzar las propiedades que deben tener. Ambos algoritmos pueden adaptar un modelo entrenado con datos de un hospital a la distribución específica de otro hospital siempre que se disponga de nueva información para poder llevar a cabo un entrenamiento supervisado. Además, pueden hacer esto sin tener que acceder a los datos anteriores. Esta capacidad de adaptación a un nuevo centro clínico podría emplearse en el futuro para mejorar el comportamiento de los SADM actuales en la ayuda al diagnóstico de tumores cerebrales.