診断

情報・モデル

DNA鑑定情報とそれ以外の情報を突き合わせることを考える 突き合わせる情報が同じ方向を指しているときは、さして問題とならない 問題となるのは2つのエビデンスが仮説に合致しないとき その時点で2つのやり方がある 仮説の優劣を決める…どちらかのエビデ…

SOAP

診断行為・臨床判断としてのSOAPについてこちらにコメントがある Sに入る前に「対象」が帰属する「母集団」に対する知識が必須。これが事前確率を決め、以降で得られる事後確率に逐一反映してくる〜すべての情報の価値に影響を与えるから 「身体システムを意…

分割表として一般化

昨日の話題は説明変数が2値、従属変数も2値 従属変数を3値に拡張 また、計算を少し速く 図は従属変数が3値。灰色は仮説空間。黒い点は複数の仮説が指し示す「最尤モデル」でその強さを点の大きさにしたもの。赤い点は全体総合の「平均」 # n元テーブル #…

分割表として一般化

昨日の話題の一般化 昨日は2x2表からベータ分布を使って、事後生起確率分布を算出する話と、それを数値計算的に出す話を書いた 数値計算にするにしても、次元が膨大になると大変そう…と思ったり、要因の数が大きくなりすぎると、overfittingがどういう形で効…

仮説亜空間の次元

前の記事の課題を一般性を持たせて書いておこう 今、個の仮説があって、それに対応して、空間に定義された個の確率密度分布がある 事前確率として、が想定されているとき、事前確率密度分布は、ただし、と表される。 ここでデータ・エビデンスがもたらされた…

数値計算的にやろう あっちかこっちか

ベータ分布を用いた理論的計算を前の記事で書いた 既知分布を使えないこともある そんなときに、うまく数値計算的に同じことができると便利 # 数値計算的にやろう # 既存の関数などが使えないが、2次元空間に格子状の確率値が得られたとして、同じことを実…

あっちかこっちか

これは下書き 昨日の話題の脇道 要因Xのありなしとともに、ある事象Yの生起の有無の集計をとったら Y(+) Y(-) X(+) a b X(-) c d だったという さて。新しいサンプルがX(+)だったときに、Yの生起確率に何を思うのか… X(+),X(-)で生起確率が違うのなら、(a,b)…

あっちかこっちか

昨日の話題の脇道 要因Xのありなしとともに、ある事象Yの生起の有無の集計をとったら Y(+) Y(-) X(+)女 a b X(-)男 c d だったという さて。新しいサンプルがX(+)だったときに、Yの生起確率に何を思うのか… X(+),X(-)で生起確率が違うのなら、(a,b)を用いて…

鑑別診断と『確定診断』

鑑別診断は、観察情報による診断名ごとの事後確率を計算すること 事後確率を比較し、十分な尤度的根拠があるとみなせれば一つの診断名に『確定』する 場合によっては複数の診断名に『絞り込む』 診断名が決まると、考慮する必要が思い浮かばない数多の治療法…

治療評価の結果を使って判断に役立てること

同一の条件に対して発生した0/1の集計結果から、1になる確率を推定するときにベータ分布を使うことがある 1個の量的変数に依存して発生する0/1の集計結果から、量的変数に関してロジスティック関数に回帰することもよくある ロジスティック関数への回帰では…

治療評価

(治療)介入がよかったかわるかったかの評価をすることはよくある(いつも評価する) 評価というのは、尺度に照らすこと 最も簡単な尺度は、0か1かに分けること 「効いた」か「効かなかった」か もう少しだけ複雑にすれば「効いた/効かなかった」「副作用があっ…

治療介入

治療介入というのは、病的亜分布を時間経過後にどこかしらに移動させる力のあるもの 病的亜分布は「なにもしな」くても状態空間の中を移動して行くが、介入をするとその移動パターンが変化する 「全体としてよい治療」というのは、その亜分布を「全体」とし…

病的状態と診断と診断基準

非病的状態は空間に分布をなしている 病的状態はそこからの逸脱であって、なにがしかのまとまりをもつ亜分布 非病的状態と病的状態とには道があることもあれば、両者は分布特性上、区切ることのできないひとつながりかもしれない 道は前疾病状態とみなすこと…

状態空間

状態空間が真のものであるにせよ、観察可能項目が張る空間であるにせよ、多次元空間 状態を動的定常状態として、そこから観察される項目の観察項目は状態の「座標」ではない、というように考えてもよいし、観察項目が張る空間において、「定常状態」は「軌道…

ベイジアンネットワーク

上のネットワークには、観察しえない・数値化しえないノードが3つある 真のpre/post状態とその比較評価の3つである 「観察できない」ものを「隠れ」ているとみなすのが「隠れマルコフ」の「隠れ」だが、「ないもの」はそもそもどうカテゴリ化したらよいの…

確率変数たち

「状態を観察して診断して介入計画を立てて介入結果を観察して介入効果を判断する」というごく単純な枠組みを考える これを経時的に行うと真の状態は不明なままに観察のみを用いて操縦することと同じになるのでカルマンフィルタ的なプロセスになる(がここで…

機械に教える医学学習7 陽性所見と陰性所見

こちらの続き 「Aである」という情報は「A'ではない」という情報を含むことがある 「Xの色が赤である」という情報は「Xの色は青ではなかった」という情報を含んでいる 診察における、症状・兆候の取得と記載においては、「主訴」→「主訴についての臨床行為を…

機械に教える医学学習6 有用な情報

こちらの続き 今、あるpが与えられたときに、Qの要素q1,...,qnのそれぞれに対して、値が算出できるとする これまでの考え方から言えば、pはある症候であって、Qは診断名の集合、qiは個々の診断名であり、p、Qはグラフ状の知識体系として表現してあり、値はこ…

機械に教える医学学習5 画像で覚える知識

こちらの続き 言語情報ではない、画像で入力して、画像のまま記憶する知識もあるだろうという話になった たとえば解剖 Rではテキストマイニングのパッケージtmの中にある関数readPDF()を使うと、pdfファイルを読み込んでその文字情報とメタ情報を取り出すも…

機械に教える医学学習5

前の記事に「知識」のグラフ上での表現形に制約を与えてみた 出来る限り、すべての知識をこれに合わせてみる 「身体は、頭部、頸部、胸部、腹部、骨盤部、四肢に分けられる」 身体と、{頭部、頸部、胸部、腹部、骨盤部、四肢}とに分離できて、身体と各部とは…

機械に教える医学学習4

こちらの話題 昨日の続き 学習を「用語」と「知識」に分けて考えている 「知識」は「用語」で説明されるから 「用語」をグラフのノードで表すとする 「知識」はグラフ上の何かしらである。グラフ上の何かしら、というのはどんなものがある? 第1段階 ノード…

機械に教える医学学習3

昨日の続き 昨日は、亜集合を要素とする集合が2つあったときに、その包含関係を測る話だった 今日は、亜集合の要素がグラフ上のノードにあるとして、包含関係(0,1の関係)から量的な関係に広げる話 以下で定める「距離」の定め方はあくまでも一つのやり方…

機械に教える医学学習2

症候と診断とをグラフで整理している(こちら) また、こちらからの続きでもある この記事の話は集合で判断をする話。それに関連する話としてはAssociation rule learningがある(Wiki記事、ryamadaブログ記事)。Association rule learningならはRのパッケージa…

「白紙」が診断できるようになるまで

こちらの関係 ピアジェっぽく「段階」にしてみる? 段階 用語獲得期 用語整理整頓期 用語の標準的組合せ例の集積期 標準的組合せ例からの連想組合せ拡大期 「その他もろもろ用カタログ」への詰め込み期 拡大した標準用語の組合せを「その他もろもろ用カタロ…

ぱらぱらめくる『選択の科学』

選択の科学作者: シーナ・アイエンガー,櫻井 祐子出版社/メーカー: 文藝春秋発売日: 2010/11/12メディア: 単行本購入: 27人 クリック: 666回この商品を含むブログ (99件) を見る 主な内容 1 選択したいという欲求、選択肢が多い方を選ぶ 2 個人の選択、集団…

確率過程の臨床

Levy過程をはじめとする確率過程についてメモしている(こちらとか) 数学セミナーの2012年5,6,7(,8)月号の連載『時空と偶然』の著者、飛田先生は確率過程・ホワイトノイズ・その数学分野としての確立ということをやられてきている(らしい)のだが、その方の座…

判断支援という視点から

DNA鑑定というのは、DNAの情報を尤度にする部分と、そのDNA由来の尤度を使って、「判断」を下す手助けをする部分がくっついている。後者(「判断」の手助け)は、もともとDNAとは関係ないのだが… 臨床診断(こちらとかこちらとか)は、そもそも、「判断」。意見…

診断・予後予測

診断と予後予測に関する3つの話題 判断の支援 判断の支援と情報 事前確率・事後確率、ベイズの定理 因 と 果 とをつなぐ 射影して情報が劣化する 情報の次元 微分と積分 線形ではない予測のために - 診断とは、個人の状態に「診断名」というカテゴリカルラ…