Please use this identifier to cite or link to this item: http://bibdigital.epn.edu.ec/handle/15000/22551
Title: Evaluación y aplicación de algoritmos de inteligencia artificial explicada para apoyar la toma de decisiones médicas en la salud fetal.
Authors: Rivas Hidalgo, Ismael Sebastián
Keywords: INTELIGENCIA ARTIFICIAL
ALGORITMO
TECNOLOGÍA
TOMA DE DECISIONES
Issue Date: Jan-2022
Publisher: Quito : EPN, 2022
Citation: Rivas Hidalgo, I. S. (2022). Evaluación y aplicación de algoritmos de inteligencia artificial explicada para apoyar la toma de decisiones médicas en la salud fetal. 87 hojas. Quito : EPN.
Abstract: This work answers the need for understand the decisions of AI models in the classification of fetal health. In order to do this, a comparison of machine learning algorithms and the implementation of a demonstrator model of Explained Artificial Intelligence through LIME has been proposed to support decision making on medical diagnoses. The project elaboration process has been supported by the CRISP-DM methodology, taking advantage of its approach oriented to data analysis and intelligent models’ implementation. The results of its execution indicate the lack of literature regarding XAI models in obstetrics; moreover, after the comparison and contextualized evaluation of the AI models: SVM, ANN and Random Forest, it is the latter that grants the best results. Regarding the XAI algorithm, the decision-influencing characteristics determine that for an instance classified as "Normal", low values in accelerations and prolonged decelerations support this decision. For an instance classified as "Suspicious", the percentage of prolonged time with abnormal long-term variability supports this classification. Finally, for an instance classified as "Pathological", prolonged and severe decelerations at minimum values contradict this result, therefore, higher values could warn of a pathology in the fetal health. These explanations have been validated by an expert in the obstetric field through the Technology Acceptance Model (TAM) in terms of ease of use and perceived usefulness. In addition, an implementation strategy has been proposed through a non-linear process with activities that facilitate to use the results of the models and seek their continuous improvement. This can mark a route from the reception of data to the delivery of value in terms of explanations.
Description: Este trabajo de titulación responde a la necesidad de entendimiento en las decisiones de los modelos de AI en la clasificación de la salud fetal, para esto se ha propuesto una comparación de algoritmos de aprendizaje automático y la implementación de un modelo demostrador de Inteligencia Artificial Explicada a través de LIME que permita apoyar la toma de decisiones sobre diagnósticos médicos. El proceso de elaboración del proyecto ha sido apoyado por la metodología CRISP-DM, aprovechando su enfoque orientado al análisis de datos e implementación de modelos inteligentes. Los resultados de su ejecución indican la falta de literatura respecto a los modelos de XAI en obstetricia; además, luego de la comparación y evaluación contextualizada de los modelos de AI: SVM, ANN y Random Forest, es este último el que presenta los mejores resultados. Respecto al algoritmo de XAI, las características influyentes en las decisiones determinan que para una instancia clasificada como “Normal”, valores bajos en aceleraciones y desaceleraciones prolongadas apoyan esta decisión. Para una instancia clasificada como “Sospechosa”, el porcentaje de tiempo prolongado con variabilidad anormal a largo plazo soporta esta clasificación. Finalmente, en una instancia clasificada como “Patológica”, las desaceleraciones prolongadas y severas en valores mínimos contradicen este resultado, por lo tanto, valores elevados podrían advertir una patología en la salud del feto. Estas explicaciones han sido validadas por un experto en el campo obstétrico a través del Modelo de Aceptación de Tecnología (TAM) en lo que respecta a la facilidad de uso y la utilidad percibida. Además, se ha propuesto una estrategia de implementación mediante un proceso no lineal con actividades que faciliten el despliegue de los resultados de los modelos y, a su vez, procuren su mejora continua, marcando una ruta desde el recibimiento de datos hasta la entrega de valor al usuario en forma de explicaciones.
URI: http://bibdigital.epn.edu.ec/handle/15000/22551
Appears in Collections:TIC - Software

Files in This Item:
File Description SizeFormat 
CD 12028.pdf4,08 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.