1 Comparaison ICL/Aleph pour un apprentissage multisources

2 PLAN Introduction Apprentissage sur les voies II et V –Résultats avec ICL –Résultats avec Aleph Apprentissage sur la voie hémodynamique Comparaison des logiciels en vue d’un apprentissage multisources Interrogations sur l’apprentissage multisources Conclusion

3 Motivations Objectif : amélioration des systèmes de surveillance des patients –réduire le nombre de fausses alarmes –produire de meilleurs diagnostics –améliorer les explications Méthode : construire « hors ligne » une base de chroniques pour diagnostiquer « en ligne » les troubles cardiaques chez le patient –choix : apprentissage par PLI (simplicité de lecture des règles apprises)

4 La base d’apprentissage Données étiquetées à partir de la base de donnée MIMIC –sur 3 sources les voies II et V d’un électrocardiogramme la voie de pression ou voie hémodynamique –pour 7 classes d’arythmies : le rythme sinusal ou rythme normal le doublet ventriculaire le bigéminisme l’extra systole ventriculaire la tachycardie ventriculaire la tachycardie supra ventriculaire (seulement voie II et V) la fibrillation auriculaire (seulement voie de pression)

5 Activité électrique du cœur : les éléments de l’apprentissage (voies II et V)

6 Voie hémodynamique Attributs : - amplitude diastole/systole - différence d’amplitude entre diastole et systole - intervalle de temps entre diastole et systole (sd, ds, dd, ss, ….)

7 Rappels des principales différences ICL/Aleph ICL –+ facilité d’expression des contraintes syntaxiques –+ lisibilité des règles apprises –- apprentissage « biaisé » (DLAB : langage dédié) –- vitesse Aleph –+ vitesse –+ boîte à outils (tout est écrit en PROLOG) –- règles « obscures » –- expression du biais (trop de liberté?)

8 Exemple : Bigéminisme (voie II et V) Description médicale : le cœur bat par groupe de deux (chaque battement est suivi d’une contraction ventriculaire prématurée (PVC)) suivi d’une pause avant le prochain groupe.

9 Résultats ICL(1) Résultat de la classe « bigéminisme » sur les voies II puis V avec discrétisation voie II : c_rr1  [918,704] c_rr2  [1652,0]c_pr1  [692,856] c_pp1  [908,1852] c_pp2  [2414,3708] class(bige, [0, 0, 7, 0, 0, 0], [7, 10, 0, 9, 7, 10]) :- qrs(R0, abnormal, _), p_wav(P1, normal, R0), qrs(R1, normal, P1), rr1(R0, R1, Drr1), greater(Drr1, 704), qrs(R2, abnormal, R1). voie V : c_rr1  [920,718] c_rr2  [1684,1320] c_pr1  [688,842] c_pp1  [918,1898] c_pp2  [2402,3672] class(bige, [0, 0, 7, 0, 0, 0], [7, 10, 0, 9, 7, 10]) :- p_wav(P0, normal, _), qrs(R0, normal, P0), qrs(R1, abnormal, R0), p_wav(P2, normal, R1), qrs(R2, normal, P2), qrs(R3, abnormal, R2).

10 Résultats ICL (2) Résultat de la classe « bigéminisme » sur les voies II et V avec valeurs symboliques (règles identiques) voies II et V: class(bige, [0, 0, 7, 0, 0, 0], [7, 10, 0, 9, 7, 10]) :- qrs(R0, normal, _), qrs(R1, abnormal, R0), p_wav(P2, normal, R1), qrs(R2, normal, P2), qrs(R3, abnormal, R2). Résultat de la classe « bigéminisme » sur les voies II et V avec valeurs symboliques sans ondes P voies II et V : class(bige, [0, 0, 7, 0, 0, 0], [7, 10, 0, 9, 7, 10]) :- qrs(R0, normal, _, _), qrs(R1, abnormal, R0, R0), qrs(R2, normal, _, R1), qrs(R3, abnormal, R2, R2).

11 Bilan partiel (ICL) Apprentissages satisfaisants pour chaque classe Règles plus lisibles avec des valeurs symboliques Différentes règles apprises sur les deux voies  intérêt d’utiliser les deux voies pour l ’apprentissage Seuils semblables sur les deux voies  possibilités d’utiliser les mêmes valeurs pour l’apprentissage symbolique sur les 2 voies Apprentissage satisfaisant même sans ondes P  si mauvaise détection de l’onde P, possibilité d’apprentissage

12 Résultats avec Aleph (voies II et V : règles identiques) [Rule 1] [Pos cover = 7 Neg cover = 0] bige(A) :- has_wave(A,B,p_wave,normal,C,qrs,normal), has_wave(A,D,qrs,abnormal,B,p_wave,normal), has_wave(A,C,qrs,normal,E,qrs,abnormal), has_wave(A,F,qrs,normal,D,qrs,abnormal). Accuracy = 1.0 [Training set summary] [[7,0,0,43]] [time taken] [4.103]

13 Bilan partiel (Aleph) Pas d’apprentissage pour les classes « rythme sinusal » et « tachycardie ventriculaire » Certaines règles sont très longues à apprendre (plusieurs jours) Règles peu lisibles sans schéma Règles semblables apprises sur les deux voies  intérêt d’utiliser les deux voies pour l’apprentissage ?

14 Voie de pression Bigéminisme Tachycardie ventriculaire

15 Problèmes rencontrés Peu de différences entre les classes  nécessité d’inventer de nouveaux prédicats pour discriminer les classes entre elles (prédicats amp_dd et amp_ss) Cycles orphelins  –ICL : utilisation de DLAB pour imbriquer les cycles –Aleph : utilisation de prédicats avec plus d ’arguments pour lier les cycles entre eux (has_wave/9)

16 Résultats ICL (valeurs symboliques) class(bige, [0, 0, 4, 0, 0, 0], [7, 9, 2, 5, 7, 7]) :- diastole(Dias0, _, _), systole(Sys0, normal, Dias0), diastole(Dias1, short, Sys0), systole(Sys1, normal, Dias1), dd1(Dias0, Dias1, normal), diastole(Dias2, normal, Sys1), systole(Sys2, short, Dias2), ds1(Dias2, Sys2, normal). class(tv, [0, 0, 0, 0, 3, 0], [7, 9, 6, 5, 4, 7]) :- diastole(Dias0, _, _), systole(Sys0, normal, Dias0), diastole(Dias1, short, Sys0), systole(Sys1, short, Dias1), dd1(Dias0, Dias1, short), diastole(Dias2, normal, Sys1), systole(Sys2, normal, Dias2), dd2(Dias0, Dias2, short), diastole(Dias3, normal, Sys2), systole(Sys3, normal, Dias3), ss1(Sys2, Sys3, normal). class(tv, [0, 0, 0, 0, 2, 0], [7, 9, 6, 5, 5, 7]) :- diastole(Dias0, _, _), systole(Sys0, normal, Dias0), diastole(Dias1, normal, Sys0), systole(Sys1, short, Dias1), amp_dd(Dias0, Dias1, normal), ss1(Sys0, Sys1, long), ds1(Dias1, Sys1, normal), diastole(Dias2, short, Sys1), systole(Sys2, normal, Dias2), ds1(Dias2, Sys2, normal), diastole(Dias3, normal, Sys2), systole(Sys3, normal, Dias3), sd1(Sys2, Dias3, short). class(tv, [0, 0, 0, 0, 1, 0], [7, 9, 6, 5, 6, 7]) :- diastole(Dias0, _, _), systole(Sys0, short, Dias0), diastole(Dias1, short, Sys0), systole(Sys1, normal, Dias1), amp_dd(Dias0, Dias1, long), dd1(Dias0, Dias1, long), ds1(Dias1, Sys1, long).

17 Résultats avec Aleph [Rule 1] [Pos cover = 5 Neg cover = 0] bige(A) :- has_wave(A,B,systole,C,diastole,normal), has_wave(A,D,systole,E,diastole,petit), ss_1(B,D,long), ds1(B,E,court). [Rule 2] [Pos cover = 1 Neg cover = 0] bige(bige_2_ABP). Accuracy = 1.0 [Training set summary][[6,0,0,35]] [time taken] [ ] [Rule 1] [Pos cover = 6 Neg cover = 0] tv(A) :- has_wave(A,B,diastole,C,systole,petit), has_wave(A,D,systole,E,diastole,petit), ss_1(D,C,court), has_wave(A,F,systole,G,diastole,norm al). [Rule 2] [Pos cover = 1 Neg cover = 0] tv(tv_3_ABP). Accuracy = 1.0 [Training set summary] [[7,0,0,34]] [time taken] [ ]

18 Bilan ICL : règles satisfaisantes pour toutes les classes mais peu compactes Aleph : règles compactes mais certains cycles restent orphelins (ex : tv) et certaines règles sont non satisfaisantes (ex : tv(tv_3_ABP).)

19 Confrontation ICL/Aleph pour un apprentissage multisources  utilisation d ’ICL ICL –+ les règles pour toutes les classes ont été apprises –+ vitesse –+ lisibilité des règles apprises sur les voies II et V –-/+ apprentissage « biaisé » (DLAB : langage dédié) Aleph –- certains apprentissages n’ont pas été réussis –- règles « obscures » –- temps d’apprentissage très long (pb de biais ?) –+ règles plus compactes pour la pression

20 Apprentissage multivoies : données 2 voies ECG, 1 voie hémodynamique : 3 vues d’un phénomène Voie II : (P, QRS) Voie V : (QRS) Voie ABP Activité électrique Activité mécanique

21 Interrogations Quel type d’apprentissage ? –Apprentissage global sur plusieurs voies –Apprentissage indépendant sur chaque voie puis fusion

22 Apprentissage indépendant sur plusieurs voies Objectif : –faire apparaître des phénomènes pertinents et discriminants sur chacune des voies Problème –« synchroniser » les différentes voies : établir des relations (temporelles) entre certains événements sur deux ou plusieurs voies

23 Apprentissage simultané sur plusieurs voies Objectif : –faire apparaître des phénomènes pertinents et discriminants intra-voies et inter-voies Problèmes –complexité de l’apprentissage (exemples, langage des hypothèses) –complexité des règles apprises –difficulté à faire apparaître de la redondance dans les règles

24 Conclusion et Perspectives Apprentissages beaucoup plus satisfaisants avec ICL  utilisation d’ICL pour l’apprentissage multisources Choix de la stratégie d’apprentissage multisources à déterminer (essai de Céline Fildier, apprentissage simultané avec Aleph)