We implemented a prototype of a decision support system called SIR which has a form of a web-based classification service for diagnostic decision support. The system has the ability to select the most relevant variables and to learn a classification rule, which is guaranteed to be suitable also for high-dimensional measurements. The classification system can be useful for clinicians in primary care to support their decision-making tasks with relevant information extracted from any available clinical study. The implemented prototype was tested on a sample of patients in a cardiological study and performs an information extraction from a high-dimensional set containing both clinical and gene expression data.
pro podporu rozhodování ve forme internetové klasifikacní služby. Protože u systému na podporu rozhodování casto nejsou jednotlivé cásti analýzy dat vhodné pro vysoce dimenzionální data, je treba venovat zvláštní pozornost sofistikovanému výberu nejduležitejších promenných ješte pred ucením klasifikacního pravidla. Metody: Vytvorili jsme prototyp systému pro podporu diagnostického rozhodování s názvem SIR. Systém je schopen ze souboru vysoce dimenzionálních merení vybrat ty nejpodstatnejší promenné pomocí dopredné procedury pro optimalizaci rozhodovacího kritéria, což umožnuje vytvorit spolehlivé klasifikacní pravidlo. Výsledky: Vytvorený prototyp byl testován na vzorku pacientu z kardiologické studie. Prostrednictvím systému SIR byla extrahována informace z kardiologické klinické studie, obsahující jak klinická data, tak i data genových expresí. Úroven klasifikace byla hodnocena pomocí krížové validacní studie. Záver: Navržený klasifikacní systém muže na základe informací získaných z dostupné klinické studie být užitecný pro lékare v primární péci jako podpora v jejich rozhodovací úloze. Velmi vhodný je také pro analýzu vysoce dimenzionálních dat, napr. merení genových expresí.
Objectives: The aim of our work was to implement a prototype of a decision support system which has the form of a web-based classification service. Because the data analysis component of decision support systems often happens to be unsuitable for high-dimensional data, special attention must be paid to the sophisticated selection of the most relevant variables before learning the classification rule. Methods: We implemented a prototype of a diagnostic decision support system called SIR. The system has the ability to select the most relevant variables based on a set of high-dimensional measurements by means of a forward procedure optimizing a decision-making criterion. This allows to learn a reliable classification rule. Results: The implemented prototype was tested on a sample of patients involved in a cardiology study. We used SIR to perform an information extraction from a cardiological clinical study containing both clinical and gene expression data. The classification performance was evaluated by means of a cross validation study. Conclusions: The proposed classification system can be useful for clinicians in primary care to support their decision-making tasks with relevant information extracted from any available clinical study. It is especially suitable for analyzing high-dimensional data, e.g. gene expression measurements.
- MeSH
- diagnostické techniky kardiovaskulární * přístrojové vybavení statistika a číselné údaje trendy MeSH
- exprese genu MeSH
- kardiologie * metody přístrojové vybavení statistika a číselné údaje MeSH
- kardiovaskulární nemoci diagnóza klasifikace MeSH
- klinické zkoušky jako téma MeSH
- počítače * využití MeSH
- statistika jako téma MeSH
- Publikační typ
- práce podpořená grantem MeSH
