Transcript Imunotipizacija leukemija, odlučivanje

Medicinski fakultet Zagreb, doktorski studij
Upravljanje informacijskim sustavom i sustavom kliničkih
podataka
Medicinsko odlučivanje: algoritam
prepoznavanja leukemijskog imunofenotipa
Prof. dr. sc. Mladen Petrovečki
Katedra za informatiku, MF Rijeka
Klinička bolnica Dubrava, Zagreb
(mi.medri.hr)
(www.kbd.hr)
Raspored rada

uvod
– najkraće, pojam
odlučivanja
– informatički postupci
odlučivanja
– imunotipizacija leukemija


ideja algoritma
razrada
– algoritam prepoznavanja
fenotipa leukemije
– matematičke osobine


rezultati istraživanja
rasprava
Odlučivanje
 V. Anić,
Veliki rječnik hrvatskoga jezika
(Novi liber, 2004.)
– odlučivanje
 nema
oznake
– odlučiti (što, se)
 donijeti
odluku, donijeti presudu, odrediti
konačan ishod čega
 opredijeliti se, riješiti
– odluka – čvrsta namjera, presuda,
administrativno rješenje
Odlučivanje, definicija
 Lee
& Moore, 1975., Introduction to
Decision Science
– odlučivanje – dosezanje aproksimativne
racionalnosti u svrhu maksimalnog
ispunjavanja zadanih ciljeva
– znanost o odlučivanju – sustavna analiza
Nazivlje
 CILJ
– nalaženje
– najboljeg,
– mogućeg i
– dopuštenog
rješenja nekog problema

OGRANIČENJA – čimbenici koji određuju
postizanje cilja

IZBOR – temeljna jedinica odlučivanja
Nazivlje
 OKOLNOSTI
– zbroj svih mogućih
– odluka i
– posljedica
u sklopu zadanih ograničenja
 KRITERIJ
– postavka s pomoću koje se
odlučuje
(Szolovitz & Pauker, 1978., Monks, 1982.)
Problem
 imunofenotipizacija
leukemija i limfoma
 “panel” Pt u
dijagnostici, a ne
pojedinačna
 >N CD oznaka Pt
 mjera: % stanica s
traženim antigenom
Unos podataka
Datum: ___.___.___
Test broj: ______
Prezime i ime: ______________________________________
Uputna dg.: _________________________________________
-------------------------------------------------------------Oznaka uzorka: ___-___
KS koštana srž
FC - fikol
PK periferna krv
WB m. p. krvi
Stanice u uzorku: ___ ,___ (Limfoidne, Mijeloidne, Blasti, O)
St(1) St(2)
-------------------------------------------------------------Oznaka antigena: ______
St(1) _____.__%
St(2) _____.__%
Oznaka antigena (protutijela)
Pt





(1) CD1a
(2) CD2 (T11)
…
(48) IA
(49) CD33
“Stanje” uzorka





(1) limfociti T/B u krvi
(2) limfociti T u krvi
(3) limfoblasti
potaknuti na
proliferaciju PHA
(4) limfoblasti
potaknuti na
proliferaciju ConA
…






…
(28) koštana srž
zdravog dobrovoljnog
davatelja
(29) CML
(30) AML FAB M1-M3
(31) AML FAB M4, M5
(32) AML FAB M6
“Reaktivnost”
Skupina
R (%)
Opis
0
1
2
–
<20
5-19
3
4
5
20-64
<65
 65
nema podataka
nema R niti u jednom uzorku
nema R u 75% uzoraka, u
ostalima može postojati
R 20-64% u svim uzorcima
R 20-64% u > 75% uzoraka
visokoreaktivni, svi uzorci
stanja
Empirijski podaci – teorija
1
2
3
4
5 . . . 49
1
1
2
3
5
4 . . .
2
1
3
5
5
4 . . .
3
3
3
5
5
5 . . .
4
.
.
.
32
3
.
.
.
3
5
5
3 . . .
protutijela
T11 (CD2) / T-ly (PK) >64%
Mjere podudarnosti – p
Bodovanje podudarnih podataka
Radni podaci
Ocjene
Pozitivni
Negativni
reaktivnosti
100-65 64-20 19-5 4-0
5
4
3
2
1
0
2
1
1
0
0
0
1
2
2
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
Mjere podudarnosti – t
Bodovanje podudarnih podataka
Radni podaci
Ocjene
Pozitivni
Negativni
reaktivnosti
100-65 64-20 19-5 4-0
5
4
3
2
1
0
1
1
1
0
0
0
1
1
1
0
0
0
0
0
0
1
1
0
0
0
0
1
1
0
Složena mjera kompatibilnosti
c
(engl. complex measure of
compatibility)
 c = 1 za sve uzorke u kojih se pojavljuje
p ili t
 c  p (probability)
 entropija:
h = – log2 (c)
Matematičko oblikovanje…
…
…
Informatičko oblikovanje
BAZA PODATAKA
RADNI PODACI
TEORIJSKI PODACI
PROGRAM
“PHENTYPE”
Struktura baze podataka
Program
Program Imunofen;
Var
Ime:Text; Crta: String[80]; NazivBaze: String[12];
MatA, MatB, MatX: Array [1..32,0-49] of Integer;
...
(* Matrica bodova*)
For i:=1 to n do For j:=1 to m do begin MatB[i,j]:=0;
Case MatA[i,j] of
5:
If MatX[i,j]>=65 then MatB[i,j]:=2 else
If MatX[i,j]>=20 then MatB[i,j]:=1;
3..4:
If MatX[i,j]>=65 then MatB[i,j]:=1 else
If MatX[i,j]>=20 then MatB[i,j]:=2;
0..2:
(*iskljuceno*) end;
end;
(* Entropija sustava odluke *)
For i:=1 to r do MatM[i,12]:=-Ln(MatM[i,8])/Ln(2);
EntMax:=Ln(n)/Ln(2); Ent:=0;
For i:=1 to r do Ent:=Ent+MatM[i,8]*MatM[i,12];
EntRel:=Ent/EntMax;
...
Primjer
Uzorak
Oznaka: 37/91
Vrst: koštana srž
Bolesnik: P.E.
Godina rođ.: 1956.
Spol: Ž
Uputna dg.: CML
Obrada primjera
Sample: 37/91 * bone marrow * (P.E. * 1956
Clinical diagnosis: CML
Cell populations: TWO: LYMPHOID, MYELOID
No. of monoclonal antibodies: 8
Cytometry analysis data:
CD5
19 18
IA
1
CD2
14 13
CD13
12
CD20
4 13
CD34
29
CD10
1 10
CD33
15
Algorithm analysis data:
No.
p
t
c
1.
4
7
0.272
2.
4
6
0.233
3.
4
5
0.194
4.
2
6
0.117
5.
2
6
0.117
6.
1
7
0.068
System parameters:
H: 2.446
Hmax: 5.0
h
1.88
2.10
2.36
3.10
3.10
3.88
* F)
11
48
15
53
State description
Blood monocytes
CML
AML FAB M4-M5
Normal bone marrow
Blood granulocytes
Common ALL
Hrel: 0.489
Rad 1



Petrovečki M,
Marušić M, Deželić G
An algorithm for
leukaemia
immunophenotype
pattern recognition
Med Inform
1993;18:11-21
Rad 2



Petrovečki M,
Užarević B, Marušić M,
Deželić G
Analysis of data on
leukocyte markers for
recognition of
leukemia/lymphoma
phenotype pattern
Clin Biochem
1996;29:21-5.
Uspješnost prepoznavanja
Mjesto dg.
n
%
prvo
drugo
treće
četvrto
ostala
neprepoznato
17
19
11
7
2
1
29,8
33,3
19,3
12,3
3,6
1,7
ukupno
57
100,0
Pouzdanost odlučivanja
Odlučivanje pri:
 sigurnosti
– sve činjenice ograničenja i sigurnosti su
poznate
 riziku
– stanje sustava je nepoznato, no
vjerojatnosti događaja mogu se procijeniti

neizvjesnosti
– stanje sustava je nepoznato
– nepoznate su vjerojatnosti događaja
pogrješke odlučivanja (moguća razina)
Ref. 1
 Nguyen AND,
M.D.
 Asst. Professor of Pathology
 M.D. University of Texas Medical
Branch, 1989
 MSME University of Houston
 A Relational
Database for Diagnosis of
Hematopoietic Neoplasms Using
Immunophenotyping by Flow Cytometry
Ref. 1
http://dpalm.med.uth.tmc.edu/faculty/bios/nguyen/nguyen.html
Ref. 2
 Nguyen AND,
Milam JD, Johnson KA,
Banez EI
 Am J Pathol 2000;113(1):95-106
 A relational
database for diagnosis of
hematopoietic neoplasms using
immunophenotyping by flow cytometry
Ref. 2
A relational database was developed to facilitate the diagnosis of
hematopoietic neoplasms using results of immunophenotyping by flow
cytometry. This database runs on personal computers and uses
backward-chaining search to arrive at conclusions. Results of
immunologic marker studies are processed by the database to obtain a
set of differential diagnoses. The current version of this database
includes diagnostic immunophenotyping pattern for 33 hematopoietic
neoplasms. We tested this database using 92 clinical cases from 2
tertiary care medical centers. The database ranked the actual diagnosis
as 1 of the top 5 differential diagnoses in 93% of the cases tested. The
user can modify the database contents to suit individual needs. This
database has been posted on the World Wide Web for direct access.
We propose that this user friendly database is a potential tool for
computer-assisted diagnosis of hematopoietic neoplasms.
(Abstract)
Još o odlučivanju… 
…i o neodlučnosti 
(kraj)
E-inačica predavanja:
mi.medri.hr  elektronički prilozi