GAIA: an ai diagnostic decision-support system for gynecology based on argumentation

Abstract

Σε αυτή την διατριβή παρουσιάζουμε το “GynAIcologicA” (GAIA), μία υλοποίηση ενός Συστήματος Υποβοήθησης Διάγνωσης [1] για τη Γυναικολογία, που θα προσφέρει υποστήριξη στους ειδικούς του τομέα κατά την κλινική διάγνωση. Η βοήθεια στη διαδικασία λήψης αποφάσεων, η ενημέρωση σχετικά με πιθανές διαφορικές διαγνώσεις [2] και περιπτώσεις έκτακτης ανάγκης [3], η αποφυγή υπερδιάγνωσης συχνών ασθενειών καθώς και η αποφυγή άθελης παράβλεψης σπανιότερων ασθενειών αποτελούν μορφές υποστήριξης που προσφέρει το σύστημα. Το εργαλείο είναι βασισμένο στην Επιχειρηματολογία [4],[5],[6], η οποία προσφέρει μία ιδανική πλατφόρμα για ανάπτυξη Ανθρωποκεντρικών [7],[8], Εξηγήσιμων [9],[10],[11],[12] Συστημάτων Τεχνητής Νοημοσύνης. Μετά από εκτενή βιβλιογραφική ανασκόπηση και συλλογή και μελέτη της απαραίτητης ιατρικής εμπειρογνωμοσύνης, καταλήξαμε στις βασικές αρχές και απαιτήσεις που πρέπει να τηρεί το σύστημα μας, καθώς και στους στόχους που πρέπει να επιτυγχάνει. Οι σημαντικότερες εξ’ αυτών, όσον αφορά την ιατρική, είναι η ενίσχυση της ακρίβειας και της ταχύτητας της διαγνωστικής διαδικασίας, η ενθάρρυνση ευρείας διάγνωσης για αποφυγή υπερδιάγνωσης συχνών ασθενειών και η πλήρη κάλυψη της ιατρικής εμπειρογνωμοσύνης στη Γυναικολογία. Όσον αφορά το σύστημα ως εργαλείο, οι σημαντικότερες πτυχές είναι η εύκολη πρόσβαση, χρήση και μελλοντική επέκταση του, κάτι που επιτυγχάνεται μέσω της υλοποίησής του σε μορφή ιστοσελίδας, της δυνατότητας φυσικής αλληλεπίδρασης με το χρήστη και της εύκολα επεκτάσιμης αρθρωτής αρχιτεκτονικής στην οποία βασίζεται. Τέλος, ένα πρόγραμμα δοκιμής και αξιολόγησης τριών φάσεων ακολουθείται, προκειμένου να εντοπιστούν τυχόν αδυναμίες και ελλείψεις του συστήματος, ώστε να υλοποιηθούν, με απώτερο σκοπό να καταστεί ένα εύχρηστο και χρήσιμο εργαλείο που θα βρίσκει εφαρμογή σε πραγματικές περιπτώσεις.

In this thesis we present “GynAIcologicA” (GAIA), an implementation of a Diagnostic Decision-Support System [1] for Gynecology, which will provide support to the experts of the field during clinical diagnosis. The assistance in the decision-making process, the alert about possible differential diagnoses [2] and emergency conditions [3], the avoidance of overdiagnosing common diseases, as well as the avoidance of the unwilling neglect of rarer diseases are just some forms of support that the system provides. This tool is based on Argumentation [4],[5],[6] , which offers an ideal platform for developing Human-Centric [7],[8], Explainable [9],[10],[11],[12] Artificial Intelligence Systems.