|
Título: Componente web para el análisis de información
clínica usando la técnica de Minería de Datos
por agrupamiento
Title: Web component for the analysis of clinical
information using the technique of clustering data mining
Autores:
Ing. Alexeis Joel Ochoa Reyes1, Ing. Arturo Orellana
García2, Ing. Yovannys Sánchez Corales3,
Ing. Frank Davila Hernández4
1Ingeniero en Ciencias Informáticas. Centro de
Informática Médica, Universidad de las Ciencias Informáticas.
Carretera San Antonio de los Baños Km 2 ½, Boyeros,
La Habana, Cuba.
E-mail: ajochoa@uci.cu
2Ingeniero en Ciencias Informáticas. Centro de
Informática Médica, Universidad de las Ciencias Informáticas,
La Habana, Cuba.
E-mail: aorellana@uci.cu
3Ingeniero en Ciencias Informáticas. Centro de
Informática Médica, Universidad de las Ciencias Informáticas,
La Habana, Cuba.
E-mail: yscorales@uci.cu
4Ingeniero en Ciencias Informáticas. Centro de
Informática Médica, Universidad de las Ciencias Informáticas,
La Habana, Cuba.
E-mail: fdavila@uci.cu
Resumen
La digitalización de los diferentes procesos y la automatización
de los servicios generan grandes volúmenes de información.
La Minería de Datos (MD) es una técnica de Inteligencia
Artificial que permite encontrar la información no trivial
que reside en los datos almacenados. La presente investigación
pretende desarrollar una vista de análisis para el Sistema
Integral para la Atención Primaria de Salud (SIAPS), usando
la técnica de agrupamiento enmarcada en el algoritmo Simple
K-Means, con el objetivo de realizar un análisis de la información
clínica de los pacientes; para ello se plantea la extracción
del conocimiento del almacén de datos alimentado del repositorio
de historias clínicas electrónicas. La investigación
se sustenta en la herramienta de libre distribución WEKA,
esta funciona de forma aislada al SIAPS; la interfaz, así
como las vistas, modelos e informes generados por WEKA en ocasiones
resultan de difícil comprensión por los profesionales
de la salud, los que no necesariamente tienen que poseer conocimientos
avanzados de las nuevas tecnologías de la información.
Para el desarrollo de la solución se empleó el lenguaje
de programación Java 1.6, como servidor de aplicación
JBoss 4.2 y Eclipse 3.4 como plataforma de desarrollo, como Sistema
Gestor de Bases de Datos PostgreSQL 8.4 y SEAM como framework de
integración. Durante todo el proceso se hizo uso de la plataforma
Java Enterprise Edition 5.0. Como resultado se espera obtener una
vista de análisis que facilite la comprensión de los
modelos generados, apoyando de esta forma el proceso de toma de
decisiones clínicas.
Palabras clave: almacén de datos,
extracción del conocimiento, inteligencia artificial, minería
de datos, Simple K-Means, vista de análisis.
Abstract
The digitization of the different processes and automation services
generate large volumes of information. Data mining (DM) is an artificial
intelligence technique that allows finding non-trivial information
residing in stored data. This research aims to develop a view of
analysis for the Integral System for Primary Health Care (SIAPS),
using grouping technique framed on Simple K-Means
algorithm, with the goal of completing an analysis of the patients'
clinical information, for it raises the extraction of knowledge
from data warehouse powered by the repository of electronic medical
records. The research is based on the free distribution tool WEKA,
it works in isolation of SIAPS, the interface, as well as the views,
models and reports generated by WEKA are sometimes difficult to
understand by health professionals, who do not necessarily have
to possess advanced knowledge of new information technologies. For
the development of the solution was used Java 1.6 as a programming
language, JBoss 4.2 as the application Server and Eclipse 3.4 as
a development platform. PostgreSQL 8.4 was used as Database Management
System and the integration framework SEAM. Java Enterprise Edition
5.0 platform was used during the whole process. An analysis view
to facilitate the understanding of the generated models is expected
as a result, to support the process of making clinical decisions.
Key words: data warehouse, knowledge
extraction, artificial intelligence, data mining, Simple K-Means,
analysis view.
|