A fuzzy knowledge based system for clinical diagnosis of tropical fever

Abstract

Sıtma ve tifo Sahra-altı Afrika'nın en büyük tropikal ateş enfeksiyonlarıdır. Her ikisi de bölgenin hastalık, ölüm ve ekonomik kayıplarının sebebidir. Tifo ateşi sebebiyle, her 100.000 kişiden 725 tifo vakasına yakalanmakta ve bu hastalardan da 7 adedi ölümle sonuçlandığı tahmin edilmektedir ve Dünya'nın sıtma ölümlerinin %90'ı Sahra-altı Afrika'da meydana gelmektedir. Bu iki hastalığın teşhisinde önemli olan çok sayıda belirti bulunması ve birçoğunun da ortak olması dolayısıyla teşhis zorlaşmaktadır. Bulanık küme teorisine ve insan gibi sonuçlandırma üzerine dayanan bulunak mantık, insani bilimlerde yaygın olarak kullanılmakta ve birçok problemi başarılı bir şekilde çözmektedir. Sınıflandırma ve karar verme görevlerine ihtiyaç duyulan tıbbi teşhis bu cazip uygulamalardan biridir. Belirsizliklerin olduğu teşhis özelliklerindeki karmaşıklıklar bilgisayar sistemlerinde kullanılan doğal dil ile üstesinden gelinmiştir. Bu çalışmada, Sahra-altı Afrika'da sıtma ve tifo ateşinin klinik teşhisi için bilgi tabanlı teşhis sisteminin (TROPFEV) tasarımında bulanık mantık kullanımı anlatılmaktadır. Bilgiler, tıp uzmanları danışmanlığında Uganda Sağlıklı Bakanlığı tarafından hazırlanan UCG-2012'den (Uganda Klinik Klavuzu 2012) çıkarım yapılmıştır. Bu kaynaklardan edinilmiş bilgiler modellenip, bulanık kural tabanlı mantık kullanılarak tanımlanmış ve Matlab 2012a gerçeklenmiştir. Toplanan bilgilere göre, 21 adet teşhis özellikleri, ateş hastalığının durumuna ya da şiddetine göre sistemi oluşturmak için düzenlenmiştir. Kullanıcı, karmaşık-sıtma, karmaşık olmayan-sıtma, karmaşık-tifo, karmaşık olmayan-tifo veya bilinmeyen ateş cevabını sistemden beklemektedir. Test ve performansını değerlendirmek için, TROPFEV sistemin sonuçları ile doktor tarafından yapılan teşhis sonuçlarıyla karşılaştırılmıştır. Uzman teşhisleri ve sistem teşhisleri arasındaki % 86 oranında doğruluk olduğunu görülmüştür. Sonuç olarak, tıbbi teşhis için tecrübesiz hekimlerin teşhislerine daha hızlı ve verimli bir şekilde teşhis koyabilmek için yardımcı olması amacıyla bulanık mantık kullanımına ağırlık verilebilir.. Çünkü bulanık mantık belirtilerdeki kesin olmama sıkıntılarının üstesinden gelebilmek için bulanıklık kümelerini kullanır ve bir sınıflandırmaya ilişkilendirir.

Malaria and typhoid fever are major tropical fever infections. Both are responsible for significant morbidity, mortality and economic loss in the region. Typhoid fever is estimated to cause 725 incident cases and 7 deaths per 100,000 people in the year and on the other side 90% of the total world malaria deaths occur in the Sub-Saharan Africa. The two diseases malaria and typhoid fever have several diagnosis features with overlapping signs and symptoms which are a task in medical diagnosis. Fuzzy logic that lies on the fuzzy set theory and similar to human reasoning is widely used for human-related sciences, and successfully solves many problems. Medical diagnosis is one of these attractive applications, which requires classification and decision making tasks. It uses natural language to represent data into computer systems where complications in diagnosis features such as vagueness are perfectly handled. This thesis describes the use of fuzzy logic to design a knowledge based system for clinical diagnosis of malaria and typhoid fever (TROPFEV) in Sub-Saharan Africa. Knowledge was extracted from the documentary of UCG-2012 (Uganda Clinical Guidelines 2012) prepared by the ministry of healthy in Uganda as well as consulting medical experts. The knowledge acquired from these resources is modelled, represented using fuzzy rule based reasoning and implemented in Matlab 2012 a. According to the collected knowledge, 21 diagnosis features have been organised with their situations or severity during fever infections to build the system. The user is expected to get the answer of complicated malaria, uncomplicated malaria, complicated typhoid, uncomplicated typhoid or unknown fever. For testing and evaluating its performance, the results of the TROPFEV system were compared with the results of diagnosis made by a real doctor The difference in results between expert diagnosis and system diagnosis showed that the expert system have similarity with the real experts with 86% accuracy. In conclusion, the use of fuzzy logic in medical diagnosis can be emphasized because it provides an efficient way to assist inexperienced physicians to arrive at the final diagnosis of fever more quickly and efficiently. This is because fuzzy logic applies fuzzy sets to handle vagueness existing in symptoms.