Minera

1
Mineração de Dados no Transtorno Afetivo Bipolar

• Rogerio Salvini
• rogeriosalvini_at_inf.ufg.br

2
Tópicos

• Mineração de dados/KDD
• Programação Lógica Indutiva (ILP)
• Aplicações

3
KDD

• Na realidade, Mineração de Dados é parte de um
  processo maior, chamado Descoberta de
  Conhecimento em Bases de Dados (KDD) - apesar de
  alguns autores utilizarem o termo
  intercambiavelmente.
• KDD é o processo não-trivial de identificar em
  dados padrões que sejam válidos, novos
  (previamente desconhecidos), potencialmente úteis
  e compreensíveis, visando melhorar o entendimento
  de um problema ou um procedimento de tomada de
  decisão.

4
KDD

• O processo de KDD é interativo, iterativo,
  cognitivo e exploratório, envolvendo vários
  passos com muitas decisões sendo feitas pelo
  analista (que é um especialista do domínio dos
  dados, ou um especialista de análise dos dados)
• compreender o domínio
• preparar o conjunto dos dados
• descobrir padrões (mineração de dados)
• pós-processar os padrões descobertos, e
• implantação do conhecimento descoberto.

5
KDD
6
Mineração de Dados

• Mineração de dados (DM) é a etapa responsável
  pela seleção dos métodos a serem utilizados para
  localizar padrões nos dados, seguida da efetiva
  busca por padrões de interesse numa forma
  particular de representação, juntamente com a
  busca pelo melhor ajuste dos parâmetros do
  algoritmo para a tarefa em questão.

7
Mineração de Dados

• DM utiliza técnicas e algoritmos de diferentes
  áreas do conhecimento, principalmente
  Inteligência Artificial (especialmente
  Aprendizagem de Máquina), Banco de Dados
  (recursos para manipular grandes bases de dados)
  e Estatística.

8
Aprendizado de máquina

• Área da Inteligência Artificial que estuda
  métodos computacionais para adquirir novos
  conhecimentos de forma automática
• Um sistema de Aprendizado de Máquina (ML) é um
  programa de computador que toma decisões baseado
  em experiências acumuladas contidas em casos
  resolvidos com sucesso
• Esses casos constituem o conjunto de exemplos de
  treinamento fornecidos ao algoritmo de aprendizado

9
Aprendizado supervisionado

• No aprendizado supervisionado é fornecido ao
  algoritmo de aprendizado um conjunto de exemplos
  de treinamento descritos por um vetor de valores
  de características, ou atributos, e pelo rótulo
  da classe associada
• Baseado no conjunto de treinamento o algoritmo de
  aprendizado induz a classificação de uma hipótese
  capaz de determinar corretamente a classe de
  novos exemplos ainda não rotulados

10
Linguagens de descrição

• Ao solucionar problemas com o uso do computador,
  é importante definir como traduzi-los em termos
  computacionais
• Linguagens de descrição são necessárias para
  descrever exemplos, hipóteses e conhecimento do
  domínio
• Em geral, essas linguagens podem ser divididas em
  dois tipos
• Baseada em atributo-valor ou proposicional
• Relacional

11
Linguagens de descrição

• O formato atributo-valor é a linguagem de
  descrição de objetos mais frequentemente
  utilizada em ML
• Objetos, ou exemplos, são descritos em termos de
  atributos e valores desses atributos, por meio de
  um vetor, contendo valores para os atributos de
  um determinado exemplo e um rótulo que atribui
  uma classe ao exemplo

12
Linguagens de descrição

• A descrição relacional é baseada na Linguagem de
  Primeira Ordem da Lógica Clássica
• Objetos são descritos em termos de seus
  componentes e relações entre esses componentes
• Principais características
• Alta expressividade para representar conceitos
• Capacidade de representação do conhecimento do
  domínio (background knowledge)
• Sistemas de aprendizado relacional
• Programação Lógica Indutiva (ILP)

13
Programação Lógica Indutiva

• Programação Lógica Indutiva (ILP) é uma área de
  interseção de pesquisas entre Aprendizado de
  Máquina e Programação Lógica
• ILP traz duas grandes vantagens
• produz classificadores que são de fácil
  entendimento por especialistas
• consegue resolver problemas de aprendizado
  multi-relacional

14
Programação Lógica Indutiva

• Sistemas ILP têm sido usados com sucesso na
  extração de modelos relacionais de dados em áreas
  como
• Bioinformática
• Engenharia
• Processamento de Linguagem Natural
• Meio Ambiente
• Engenharia de Software
• Aprendizado de Padrões e Link Discovery
• Alias Identification

15
Programação Lógica Indutiva

• Dados
• um conjunto de exemplos positivos,
• um conjunto de exemplos negativos,
• a descrição destes exemplos (BK), e
• um conjunto de restrições que define a forma como
  um classificador deve ser construído
• Produzir um classificador representado em Lógica
  de Primeira Ordem, que prove todos os exemplos
  positivos e nenhum exemplo negativo

16
Trens de Michalski

• A tarefa é encontrar uma regra capaz de predizer,
  dada as propriedades dos seus vagões, se o trem
  está viajando para Leste

17
Trens de Michalski

• Conhecimento prévio (BK)
• has_car(east1,car_11).
• shape(car_11,rectangle).
• open_car(car_11).
• long(car_11).
• load(car_11,rectangle,3).
• wheels(car_11,2).
• has_car(east1,car_12).
• short(car_12).
• closed(car_12).
• ...
• short(car_14).

18
Trens de Michalski

• Exemplos positivos
• eastbound(east1)
• eastbound(east2)
• eastbound(east3)
• eastbound(east4)
• eastbound(east5)

• Exemplos negativos
• eastbound(west6)
• eastbound(west7)
• eastbound(west8)
• eastbound(west9)
• eastbound(west10)

19
Trens de Michalski

• eastbound(A) -
• has_car(A,B), short(B), closed(B).

20
Relação filha

• Um exemplo relacional simples é o aprendizado da
  relação filha(A,B), que estabelece que uma pessoa
  A é filha da pessoa B, em termos do conhecimento
  prévio das relações feminino e progenitor.

21
Relação filha
Conhecimento prévio (BK) progenitor(ana,maria)
feminino(ana) progenitor(ana,jose)
feminino(maria) progenitor(jose,carol)
feminino(carol) progenitor(jose,carlos)

• Exemplos positivos
• filha(maria,ana)
• filha(carol,jose)

• Exemplos negativos
• filha(jose,ana)
• filha(carol,ana)

22
Relação filha

• Assim, é possível induzir a seguinte hipótese
• filha(A,B) -
• feminino(A), progenitor(B,A).
• que é interpretada como
• A é filha de B se A é do sexo feminino e B é
  progenitor de A.

23
Protein

• Predizer quais genes codificam para proteínas
  envolvidas no metabolismo.
• Conhecimento prévio do gene G235580
• chromosome('G235580','11')
• complex('G235580','Respiration chain complexes')
• essential('G235580','Non-Essential')
• interaction('G235580','G236280','Physical',
  '0.342639674')
• motif('G235580','PS00504')
• phenotype('G235580','"Auxotrophies, carbon and"')

24
Protein

• Cláusula saturada do exemplo
• metabolism(G235580)
• bottom clause
• metabolism(A) -
• essential(A,'Non-Essential'),
  complex(A,'Respiration chain complexes'),
  phenotype(A,'"Auxotrophies, carbon and"'),
  motif(A,'PS00504'),
• chromosome(A,'11'), interaction(A,B,C,D),
  essential(B,'Non-Essential'), intertype(C,'Physica
  l'),
• phenotype(B,'"Auxotrophies, carbon and"'),
  chromosome(B,'2'), interaction(B,E,C,G),
  interaction(B,A,C,D),
• interaction(B,F,C,H), essential(E,'Non-Essentia
  l'), essential(F,'Non-Essential'),
  complex(E,'Respiration chain complexes'),
• complex(F,'Respiration chain complexes'),
  phenotype(E,'"Auxotrophies, carbon and"'),
  motif(E,'PS00197'), motif(F,'PS01000'),
• chromosome(E,'12'), chromosome(F,'11'),
  interaction(E,B,C,G), interaction(F,B,C,H).
• literals 25

25
Protein

• Regra gerada
• metabolism(A) - phenotype(A,'"Auxotrophies,
  carbon and"'), interaction(A,B,_,_),
  essential(B,'Non-Essential'), chromosome(B,'4').
• que pode ser interpretada como
• O gene A está envolvido no metabolismo se
• A tem fenótipo "Auxotrophies, carbon and" e
• A interage com um gene B e
• B não é essencial e
• B está no cromossomo 4

26
Mamografias

• Banco de dados relacional real de mamografias,
  extraída do "National Mammography Database" (NMD)
  americano em um trabalho conjunto com a
  Universidade de Wisconsin-Madison
• 47669 exames de 18270 pacientes
• 435 anormalidades malignas e 65365 anormalidades
  benignas num total de 65800 exemplos
• Tarefa predizer se uma anormalidade é maligna

27
Breast Imaging Reporting and Data System(BI-RADS)
Categoria Significado
BI-RADS 0 Necessita imagem adicional
BI-RADS 1 Negativo
BI-RADS 2 Benigno
BI-RADS 3 Provavelmente benigno
BI-RADS 4 Suspeito
BI-RADS 5 Altamente sugestivo de malignância
28
Glossário BI-RADS(43 descritores organizados
hierarquicamente)
29
Mamografias

• O sistema ILP gerou várias regras, de onde um
  radiologista especialista identificou duas
  potencialmente interessantes.
• Estas regras foram

30
Regra 1

• is_malignant(A) -
• 'BIRADS_category'(A,b5), 'MassPAO'(A,present),
• 'Age'(A,age6570),
• previous_finding(A,B,C), 'MassesShape'(B,none),
• 'Calc_Punctate'(B,notPresent),
• previous_finding(A,C), 'BIRADS_category'(C,b3).

31
Regra 1

• Esta regra declara que se um achado (A) era
• classificado como BI-RADS 5,
• tinha uma massa presente
• em um paciente que
• tinha idade entre 65 e 70
• tinha duas mamografias anteriores (B, C)
• e a mamografia anterior (B)
• não tinha forma de massa descrita
• não tinha calcificações pontuadas
• e a mamografia anterior (C)
• foi classificada como BI-RADS 3
• então ele é maligno.

32
Regra 1

• Esta regra é interessante pois ela acha um
  relacionamento entre um achado malígno em um
  paciente que teve uma anormalidade anterior
  julgada como provavelmente benigna.
• Isto pode representar um atraso no diagnóstico se
  a anormalidade interpretada como provavelmente
  benigna corresponde à achada depois diagnosticada
  como câncer.

33
Regra 2

• is_malignant(A) -
• 'BIRADS_category'(A,b5),
• 'MassPAO'(A,present),
• 'MassesDensity'(A,high),
• 'HO_BreastCA'(A,hxDCorLC),
• in_same_mammogram(A,B),
• 'Calc_Pleomorphic'(B,notPresent),
• 'Calc_Punctate'(B,notPresent).

34
Regra 2

• Esta regra declara que se o achado (A) era
• classificado como BI-RADS 5,
• tinha uma massa presente
• tinha uma massa com alta densidade
• em um paciente que
• tinha um histórico anterior de câncer de mama
• tinha um achado extra na mesma mamografia (B)
• e o achado extra (B)
• não tinha microcalcificações pleomórficas
• não tinha calcificações pontuadas
• então ele é maligno.

35
Regra 2

• Esta regra é interessante pois ela acha um
  relacionamento entre malignância e alta densidade
  de massas.
• Em geral, densidade de massa não tinha sido
  anteriormente pensada como sendo uma
  característica altamente preditiva.

36
Transtorno Afetivo Bipolar (TAB)

• Projeto PROMAN
• Dados longitudinais de 150 pacientes

Masculino Feminino TOTAL
TAB I 70 (88,6) 147 (89,1) 217 (88,9)
TAB II 9 (11,4) 18 (10,9) 27 (11,1)
Total 79 (100) 165 (100) 244 (100)
37
Transtorno Afetivo Bipolar (TAB)

• Dados Iniciais 284 variáveis
• sócio-demográficas
• história clínica geral
• história clínica TAB
• SCID comorbidade psiquiátricas (atual e
  passado)
• avaliação de estado do humor (depressão e mania)
• qualidade de vida
• Dados de Seguimento
• 36 variáveis categóricas de estado de humor
  DSMV depressão, mania, categoria do episódio,
  medicamentos fármaco e dose
• Escala de depressão do humor HAMILTON (17, 21 e
  31 itens escores de 0-4 0-2)
• Escala de Mania YOUNG (11 itens 0-8 0-4)
• Critérios do DSM-IV
• Conduta

38
(No Transcript)
39
(No Transcript)