Sovelluksia KerttuLiisa Kilpijoki S ysteemianalyysin Laboratorio Teknillinen korkeakoulu

Sovelluksia Kerttu-Liisa Kilpijoki S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 1

Sisällys 1. 2. 3. 4. 5. 6. 7. 8. Sovellusalat Bayesverkot lääketieteessä Tapaus 1: Triage Tapaus 2: Neuse joen rehevöityminen Kritiikkiä ja kommentteja Yhteenveto Lähteet Kotitehtävä S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 2

Sovellusaloja • Tiedon analysointi (Data mining) – Tilastollisesta esimerkkiaineistosta yleisesti tulkittava malli – Ongelmakentän ominaisuudet – DNA-sekvenssien analysointi, tähtikartastot • Vikadiagnostiikka – MS: apuväline tietokoneen käyttäjälle ongelmatilanteissa – Intel: laaduntarkkailu prosessoripiirien valmistusprosessissa • Älykkäät agentit – Helpottaa sovellusten käyttöä tarjoamalla aktiivisesti apua – Esim. Office Assistant S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 3

Sovellusaloja • Avaruustutkimus – NASA edelläkävijä – Ulkoavaruuden tutkimuksessa prioritodennäköisyydet tai odotusarvot tuntemattomia – Verkon potentiaalisysteemit saadun datan perusteella → epäsuora verkko → muiden datajoukkojen rinnastus → uusien teorioiden ja hypoteesien testaus • Prosessikontrolli – VISTA-järjestelmä avaruussukkuloiden lennoilla – Vikatilanteet ja korjausehdotukset – Näytöillä vain tärkeimmät mittaustulokset • Kuvankäsittely – Ei Bayesverkkosovellus, mutta perustuu bayesilaisen mallinnuksen periaatteisiin – Superresoluutiokuvat (NASA) S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 4

Bayesverkot lääketieteessä • Eräs ensimmäisistä sovelluksista Intelli. Path – Rintasyövän diagnosointi – Potilaiden riskianalyysi • Diagnosointi, hoidon vaikutus • Optimaalinen hoito → tehokkuus • Miksi Bayes? – Epävarmuus: diagnoosi, puuttuva tieto – Evidenssin lisäys – Malli mittausdatan/kirjallisuuden pohjalta • Dynaamiset aikamallit – Epidemioiden riskimallit – elinajanennusteet S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 5

Triage • • Apuväline lääketieteelliseen päätöksentekoon Tavoitteena potilaiden oikea ja tehokas hoito – – – • Diagnoosi Potilaiden priorisointi tilan vakavuuden perusteella Sijoitus (hoitoyksikkö) → hoitoviiveen minimointi Verkon toiminta: 1) 2) 3) 4) 5) • Pääoireet: prioritodennäköisyydet, ryhmittely Esikysymykset Kyselytutkimus → oireiden päivitys Lista diagnooseista Iterointi: ketju toistetaan alusta, kunnes päästään yhteen tai kahteen diagnoosiin Hyötysolmu – – Sakkofunktio (kulut, hoitamattomuuden seuraukset jne. ) Hoitopäätös ehdolla diagnoosi=tosi S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 6

S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 7

Neuse-joen rehevöityminen (1/3) • Simulointiohjelmilla vaikeaselkoisia tuloksia • Halutaan tietoa kiinnostavista muuttujista → linkkaus typpeen (pääsyy rehevöitymiseen) • Kausaalisuhteet näkyviin • Apu päätöksentekoon, tietoa joen tilasta • Verkon koko: muuttujille kriteerit – Kontrolloitavuus/ennustettavuus/hallittavuus S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 8

Neuse-joen rehevöityminen (2/3) -50% Joen typpipitoisuus Joen virtaama Levän tiheys Hiilen tuotto Veden lämpötila Siimaeliöt -15% Sedimentin hapentarve Hapen konsentraatio Nääntymisen kesto Äyriäisten elinkyky Ristituulet Hypoksian kesto Kalakuolemat -11% Kalakannan kunto S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 9

Neuse-joen rehevöityminen (3/3) • Tulokset todennäköisyysjakaumina • Tilat a) ei muutosta ja b) typpeä 50 % vähemmän • Muutokset pieniä – Mitä enemmän muuttujia välissä, sen pienempi vaikutus • Ei varsinaista uutta tietoa, mutta hyvä kuva ekosysteemin toiminnasta: mikä vaikuttaa mihin S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 10

Kritiikkiä ja kommentteja • Priorijakaumien määritys • Ei toimi, jos ongelmaan liittyy paljon epävarmuutta • Toimii päättelyketjun ja annettujen todennäköisyyksien mukaan → odottamattomia tilanteita ei pystytä käsittelemään – Office Assistant – Automaattinen ohjaus • Suurissa verkoissa laskennallinen vaikeus – Algoritmien jumiutuminen • Hyvä ongelman hahmotuksessa – Kausaalisuhteet • Ei ehdotonta oikeaa ratkaisua, kuitenkin hyvä apuväline S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 11

Yhteenveto • Bayesverkoilla paljon sovelluksia – Tietokoneen käyttöjärjestelmissä – Avaruustutkimuksessa – Lääketieteessä • Mallit mittausdatan tai esitiedon pohjalta • Diagnoosit, ennustus, tuotantokontrolli S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 12

Lähteet • Johdatus Bayesverkkoihin ja sovelluksiin www. niedermayer. ca/papers/bayesian/bayes. html • Bayesilaiset mallit lääketieteessä www. csd. abdn. ac. uk/~plucas/aime 01 -ws. html • Hugin www. hugin. com/cases • P. Myllymäki, H. Tirri: Bayesverkkojen mahdollisuudet, Teknologiakatsaus 58/98, TEKES 1998 • M. E. Borsuk et al. , A Bayesian network of eutrophication models for synthesis, prediation and uncertainty analysis, Ecological Modelling 173 (2004) 219 -239 S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 13

Kotitehtävä • Esittele lyhyesti Lumiere-projekti ja jokin muu sovellus – Tekstiä max yksi A 4 S ysteemianalyysin Laboratorio Teknillinen korkeakoulu Esitelmä 26 – Kerttu-Liisa Kilpijoki Optimointiopin seminaari - Syksy 2005 / 14