1 / 51

Informatika

Informatika. Jana Zvárová. Informatika vědecky zkoumá zákonitosti a meze informačních procesů a jejich utváření. Vytváří nové a účinné prostředky ke zpracování informace ve všech sférách lidské činnosti a pomáhá novými a účinnými technikami umocnit výkon lidského mozku.

galvin
Download Presentation

Informatika

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Informatika Jana Zvárová

  2. Informatika vědecky zkoumá zákonitosti a meze informačních procesů a jejich utváření. Vytváří nové a účinné prostředky ke zpracování informace ve všech sférách lidské činnosti a pomáhá novými a účinnými technikami umocnit výkon lidského mozku.

  3. MEDICÍNSKÁ INFORMATIKA je informatika aplikovaná na oblast lékařství a zdravotnictví. Informační vědy: • Teorie informace • Matematická statistika • Matematické modelování • Věda o počítačích (Computer Science) • Teorie rozhodování • Umělá inteligence • Matematická lingvistika • Další

  4. Medicínská informatika Medicínská informatikazahrnuje teoretické a praktické aspekty přenosu informace, které jsou založeny na znalostech a zkušenostech vyvozených z informačních procesů v lékařství a zdravotnictví. Konference na Univerzitě v Maryland, USA, 1978

  5. Světové kongresy o medicínské informatice MEDINFO (MEDical INFOrmatics): Stockholm 1974 Toronto 1977 Tokio 1980 Amsterdam 1983 Peking – Singapore 1989 Ženeva 1992 Vancouver 1995 Seoul 1998 Londýn 2001 San Francisco 2004 Brisbane 2007

  6. International Medical Informatics Association - IMIA IMIA webové stránky http://www.imia.org/ • IMIA kongresy MEDINFO, pracovní konference a semináře, • IMIA Yearbook • reprezentace států a kontinentů. EFMI (European Federation for Medical Informatics) http://www.efmi.org/ • Evropské konference MIE (Medical Informatics Europe)

  7. Metody získávání biomedicínských informací Observační metody Přímé pozorování, klinické vyšetření, biochemické vyšetření, mikrobiologické vyšetření a další typy vyšetření.

  8. Metody získávání biomedicínských informací Rozhovor a dotazník Sběr dat je prováděn pomocí cílených otázek. Získané informace však mohou být zkresleny nepochopením otázky, špatným záznamem odpovědi a při rozhovoru rovněž vlivem sociální interakce.

  9. Metody získávání biomedicínských informací Zdravotnická dokumentace • Záznam o zdraví a nemoci, • List o prohlídce mrtvého, • Hlášení o narození dítěte. Rutinní zdravotnická statistika • Zdravotní stav obyvatelstva, • Zdravotnické služby.

  10. A. Informace vyjádřené • Slovy a) objektivní informace (např. anamnéza, současný popis nemoci, odpovědi na otázky lékaře při vyšetření) b) subjektivní informace (např. vyjádření vlastních pocitů) • Beze slov(např. výrazem obličeje, posuňky)

  11. B. Informace přímo zaznamenané a)Při lékařském vyšetření, například fyziologické údaje a funkční testy, b)Výsledky diagnostických testů, například biochemické testy, RTG, MRI nálezy, EKG, EEG záznamy apod.

  12. Intelektuální, emocionálnía jazykové bariéry Motivační odchylka • Všímat si údajů potvrzujících předpokládanou diagnózu • Přehlížet údaje nepotvrzující předpokládanou hypotézu • Interpretovat některé informace ustáleným způsobem.

  13. Intelektuální, emocionálnía jazykové bariéry Kognitivní omezení • Nesprávně interpretovat nahromaděnou zkušenost (apriorní pravděpodobnosti) • Nesprávně interpretovat informace získané před delší dobou • Setrvávat u nesprávného odhadu výskytu předpokládané diagnózy.

  14. Intelektuální, emocionálnía jazykové bariéry Situační faktory • Časové a ekonomické tlaky, • Únava či odvedení pozornosti, • Příznaky „normální“ a „abnormální“.

  15. Lékařský chorobopis Základní forma dokumentace o nemocném má dlouhou historii a vyvinula se její obecná struktura: • identifikační údaje pacienta, • údaje o biologickém původu pacienta, • údaje o biologickém vývoji pacienta, • nynější obtíže, • status praesens, • výsledky laboratorních testů, • lékařský dekurz, • lékařský závěr

  16. Typy informací v medicíně • Údaje o průběhu onemocnění • Nadbytek informací (komplementární vyšetření) • Užší specializace (vnitřní lékařství – elektrokardiologie – rytmologie)

  17. Typy informací v medicíně • Informace o skupinách obyvatelstva • Demografické informace (věková struktura, porodnost, úmrtnost) • Epidemiologické informace (rozdělení faktorů a jejich vlivu – specifická úmrtnost, invalidita, rizikové faktory)

  18. Typy informací v medicíně • Informace o zdravotnickém systému • Kvantitativní (vybavení lůžky a zdravotnickým personálem) • Kvalitativní (výsledky preventivních opatření) • Ostatní informace (ekonomické, profesní, kulturní, ekologické)

  19. Historický přehled zpracování informací na počítačích v medicíně Období typ zpracování informací 1955 – 1965experimentování a orientace v problematice medicínských aplikací, 1965 – 1975 první úspěchy ve zpracování biomedicínské informace ve formě dat, 1975 – 1985 první úspěchy ve zpracování biomedicínské informace ve formě interpretace, 1985 -první úspěchy ve zpracování biomedicínské informace ve formě znalostí.

  20. Struktura medicínské informatikyVan Bemmelovo schéma Editors:J.H. van Bemmel, Erasmus University, RotterdamM.A. Musen, Stanford University, Stanford, Handbook of Medical Informatics http://www.mihandbook.stanford.edu/handbook/home.htm

  21. Komunikace a telematika • Vstup, přenos a výstup dat (komunikační síť terminálů v nemocnici, elektronická pošta)

  22. Ukládání a vyhledávání, databáze • Trvalé ukládání a vyhledávání (registrace a ukládání údajů o nemocných, vytváření národních databází, databáze z údajů o primární péči) • Lékařská nomenklatura a kódovací systémy (thesaury názvů léčiv, nemocí, kódovací systémy jako ICD nebo SNOMED)

  23. Vyhodnocování a automatizace Numerické a statistické analýzy (programové systémy jako SAS, BMDP, SPSS, Statgraphics, Statistica, MATLAB) • Analýza signálů a obrazů (zpracování EKG, EEG, počítačová tomografie)

  24. Rozpoznávání a rozhodování • Rozpoznávání (rozpoznávání objektů a vzorů v obrazech a signálech, např. RTG, interpretace EKG, buněčné chromozómy) • Rozhodování (diagnostické modely, např. rozhodovací stromy, Bayesovské rozhodovací modely, expertní systémy, výběr relevantních znaků a příznaků)

  25. Terapie, řízení • Terapie (plánování radioterapie, předepisování antihypertensivních léků, monitorování nemocných) • Řízení (regulace tekutin na pooperační jednotce intenzivní péče, určování množství inzulinu na základě naměřené hladiny cukru v krvi)

  26. Výzkum a vývoj • Vývoj teorií (odvození na základě vědecky opodstatněných teorií, simulace na počítači, např. simulace funkce kardiovaskulárního systému)

  27. J. Zvárová: On Medical Informatics StructureInternational Journal of Medical Informatics 44, 75- 81, 1997.

  28. J. Zvárová: On medical informatics structure, International Journal of Medical Informatics 44, 75- 81, 1997. The basic information ring coversinformation in the form of data, evidence and knowledge (inside information) and probabilistic characteristics of messages (outside information). The information methodology ring covers information sciences (e.g. artificial intelligence, statistics, mathematical linguistics, logic, decision theory) dealing with information. The information interface ring covers methodologies and tools needed to process, store and transmit information using nowadays technologies. The information technology ring covers nowadays technologies for information processing, information transmission and information storing.

  29. Clinical Information Systems Experience at Columbia University Achieving a Knowledge-Based Economy In Biomedicine through Informatics MIST 2002 – Grand Hotel – Taipei, Taiwan October 6, 2002 Edward H. Shortliffe, MD, PhD Department of Medical Informatics Columbia University

  30. Applied Research Medical Informatics in Perspective Medical Informatics Methods, Techniques, and Theories Basic Research Imaging Informatics Clinical Informatics Public Health Informatics Bioinformatics Molecular and Cellular Processes Tissues and Organs Individuals (Patients) Populations And Society

  31. Biomedical ?? Medical Informatics in Perspective Bioinformatics Methods, Techniques, and Theories Medical Informatics Methods, Techniques, and Theories ?? Public Health Informatics Imaging Informatics Clinical Informatics Bioinformatics

  32. Applied Research Biomedical Informaticsin Perspective Biomedical Informatics Methods, Techniques, and Theories Basic Research Imaging Informatics Clinical Informatics Public Health Informatics Bioinformatics Molecular and Cellular Processes Tissues and Organs Individuals (Patients) Populations And Society

  33. M. Sanchez et all. Synergy between medical informatics and bioinformatics: facilitating genomic medicine for future health care,Journal of Biomedical Informatics, Vol.37,1, February 2004, Pages 30-42

  34. M. Sanchez et all. Synergy between medical informatics and bioinformatics: facilitating genomic medicine for future health care,Journal of Biomedical Informatics, Vol.37,1, February 2004, Pages 30-42

  35. Biomedical Informatics Project INFOBIOMED • Structuring European Biomedical Informatics to Support Individualised Healthcare funded by the Information Society Directorate-General of the European Commission within the VI Framework Programme for Research and Technological Development. • http://www.infobiomed.org/

  36. WHITE PAPER DEFINITIONSof Informatics, Medical Informatics and Bioinformatics Informatics in the broadest sense can be described as the theory and practice of analysing and using information (data) efficiently and responsibly. Medical informatics can be defined as the scientific field that deals with the processing, storage, retrieval, representation and optimal use of clinical information, data, and knowledge for problem solving and decision-making. Bioinformatics can be defined as the mathematical, statistical and computing methods that aim to solve biological problems using DNA sequences and related information of all species, RNA sequence and expression data, as well as protein sequence, structure, function and interactions, in health and disease.

  37. Teorie informace • Teorie informace usiluje o kvantitativní vyjádření obsahu sdělované zprávy. Zajímá se zejména o přenos zpráv, které mohou být zkresleny rušivými vlivy čili šumem. Ústředními pojmy teorie informace jsou informace a zpráva.

  38. Teorie informace • Zpráva • Diskrétní: konečná nebo spočetná posloupnost symbolů (písmen abecedy) • Spojitá: grafický, světelný nebo zvukový záznam. • Příklady diskrétních zpráv • Posloupnost hlásek řeči, • Posloupnost symbolů abecedy (vektory) při přenosu barevných obrázku (barva (20), sytost (10), jas (40))

  39. Literatura SHANNON C.: A mathematical theory of communication. Bell Syst. Tech. J. 27 (1948), s. 379, s. 623 HARTLEY, R.V.L.: Transmission of information. Bell Syst. Techn. J. 7 (1928), s. 535 SHANNON C.: Communication in the Presence of Noise, Bell Syst. Techn. J. 28 (1949) Feinstein A.: Foundations of Information Theory, Mc Graw Hill, New York 1958 Kullback S.: Information theory and statistics, New York 1958 Vajda I.: Teória informácie a štatistického rozhodovania, ALFA, Bratislava, 1982 Vajda I.: Teorie informace, ČVUT v Praze, 2004 Zvárová J., Mazura I.: Stochastická genetika, Univerzita Karlova v Praze, 2001

  40. Elementární informace Předpokládejme, že diskrétní náhodná veličina X nabývá konečného počtu hodnot xi s pravděpodobnostmi p(xi) pro i=1,2,...,r . Nejistotu o výskytu hodnoty xi vyjadřuje pravděpodobnost p(xi). Požadujeme, aby platilo, že čím menší je hodnota p(xi ), tím větší je nejistota výskytu hodnoty xi . Elementární (vlastní) informace (elementary information, self information) o výskytu hodnoty xi je dána výrazem Vidíme tedy, že čím větší je pravděpodobnost p(xi ) výskytu hodnoty xi , tím menší informaci nám přinese její výskyt. Pokud je p(xi )=1, pak výskyt hodnoty xi přináší nulovou informaci, neboť

  41. Meze entropie • Shannon navrhl nejistotu obsaženou v diskrétní náhodné veličině X popsat pomocí entropie označené H(X). Entropie je střední hodnotou elementární informace a vzorec pro její výpočet je přičemž 0.ln(0)=0.

  42. Meze entropie Je-li pro některou hodnotu xi pravděpodobnost rovna jedné, tj. p(xi)=1, pak ostatní pravděpodobnosti jsou nulové a entropie v tomto případě dosahuje svého minima, hodnoty 0. Maximální entropie nastává při rovnosti všech pravděpodobností (rovnoměrné rozdělení) a je rovna ln r . Mezi nulovou a maximální entropií leží všechny ostatní možné hodnoty H(X), tedy

  43. Relativní entropie Maximální entropie dosahuje veličina X v případě rovnoměrného rozdělení. Relativní entropie veličiny X je dána podílem entropie a maximální entropie, tedy

  44. Redundance RedundanceR(X) je vyjádřena jako

  45. Sdružená entropie Uvažujme dvě diskrétní náhodné veličiny X (nabývá r  hodnot xi s pravděpodobnostmi p(xi)) a Y (nabývá s  hodnot yj s pravděpodobnostmi p(yj)). Pravděpodobnost současného výskytu hodnot xi a yj označme p(xi, yj). Podmíněnou pravděpodobnost výskytu hodnoty yj náhodné veličiny Y za podmínky výskytu hodnoty xi náhodné veličiny X označíme p(yj|xi). Potom sdružená entropie H(X,Y) je

  46. Sdružená entropie Sdruženou entropii dvourozměrného rozdělení H(X,Y) můžeme dále rozepsat následujícím způsobem a podobně

  47. Podmíněná entropie • Podmíněná entropie (ekvivokace) H(YIX) je dána výrazem kde

  48. Meze podmíněné entropie Entropie dvourozměrného rozdělení H(X,Y) je nezáporná a rovna součtu entropie marginálního rozdělení H(X) a střední hodnoty entropie příslušného podmíněného rozdělení H(YIX) a splňuje nerovnost H(YIX)≤ H(Y) a H(XIY)≤ H(X).

  49. Elementární vzájemná informace Pro diskrétní náhodné veličiny X a Y definujeme elementární vzájemnou informaciI(xi;yj) o nejistotě výskytu xi získanou výskytem yj, jako Úpravami uvedeného vzorce dostáváme

  50. Shannonova informace Upravíme-li výraz I(X;Y) do tvaru I(X;Y) =H(X)+H(Y)-H(X,Y), dostáváme

More Related