Arquitectura Genérica de un Procesado y Análisis de Datos para un Sistema Personal de Salud en la Gestión Diaria Interactiva de Pacientes con Depresión Mayor
Presentada por: Adrián Bresó Guardado1
Supervisada por: Dr. Juan Miguel García-Gómez1
Dr. Juan Martínez-Miranda1
1 Grupo de Informática Biomédica, Instituto ITACA, Universidad Politécnica de Valencia
Tesis de Máster IARFID 2012/13
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Evaluación
6. Conclusiones
7. Trabajo Futuro
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Evaluación
6. Conclusiones
7. Trabajo Futuro
Introducción
Los Sistemas Personales de Salud (PHS) hacen uso de las Tecnologías de la Información y
Comunicación (ICT) en el cuidado de la salud. Son considerados como una evolución de los Sistemas
de Ayuda a la Decisión Clínica (CDSS).
Características:
• Centrados en el paciente de forma remota
• Personalizados y continuos
• Involucrar activamente al paciente
• Diagnosticos, tratamientos y/o monitorización
• Favorecen la comunicación paciente - clínico
• Arquitectura de tres capas
Motivación
Arquitectura de los PHS propuesta por la Comisión Europea
Esta Tesina está centrada en el diseño, implementación y evaluación de Sistema genérico de
Procesado y Analisis de Datos que se integra en el Sistema de Salud Personal desarrollado en el
Proyecto Europeo Help4Mood [FP7 ICT-248765].
Introducción
• Ocho colaboradores europeos (entre universidades, centros clínicos y empresas privadas) han participado en el desarrollo de este proyecto.
• El objetivo principal de Help4Mood es mejorar la monitorización y el tratamiento de los pacientes con Depresión Mayor y ayudar a una recuperación más rápida.
• Un conjunto de sensores físicos (reloj, llavero, teléfono y colchón) recogen información del comportamiento de los pacientes. Esta información (y otras) es analizada para generar tratamientos personalizados y motivadores (sesiones interactivas con un Agente Virtual Emocional). Semanalmente se reporta los resultados destacados tanto al clínico como al paciente.
El proyecto Help4Mood [FP7 ICT-248765] “A Computational Distributed System to Support the Treatment of Patients with Major Depression”
Arquitectura del sistema desarrollado en Help4Mood
Ejemplo de la interfaz de usuario de Help4Mood
Saludo/Despedida DMC NTQ Recordatorios Questionario Sueño PHQ9 Crisis Plan Reporte ...más de 40 subtareas
Introducción
Diseño e implementación de una arquitectura flexible y genérica que lleve
a cabo un análisis del estado del paciente para poder proponer una sesión
diaria interactiva que sea adaptativa y personalizada
Generar un comportamiento emocional adecuado para mejorar el realismo
y la credibilidad en la comunicación entre el Agente Virtual Emocional y los
pacientes con Depresión Mayor
Objetivos
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Evaluación
6. Conclusiones
7. Trabajo Futuro
Estado del Arte
Proyectos Europeos Similares
• ICT4Depression project: “User-friendly ICT Tools to Enhance Self-Management and Effective Treatment of Depression in the EU” [video] [web]
• MONARCA: MONitoring, treAtment and pRediCtion of bipolAr Disorder Episodes [video] [web]
• OPTIMI: Online Predictive Tools for Intervention in Mental Illness [video] [web]
• PSYCHE: Personalised monitoring SYstems for Care in mental HEalth) [web]
• PAM: Personalised Ambient Monitoring [web]
CCBT aplicados a la depresión
• Beating the Blues [link] [video]
• Cope
• MoodGym [link]
• ODIN [link]
• PHS WELLness
Interfaz de usuario de MONARCA
Interfaz de usuario de SimCoach Interfaz de usuario de MoodGym
Virtual counsellors • SimCoach [link] [video]
Agentes Cognitivo – Emocionales • [Rizzo, 2011] • [Gratch, 2013]
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Testeos
6. Conclusiones
7. Trabajo Futuro
Capa de Procesado y Analisis de Datos
Arquitectura del DASPS: módulos deliberativos (rojos) y emocional (azul)
Implementación: Sistema de Analisis de datos y Planificacion de Sesión (DASPS).
Comunicación: Mensajes XML (validación XSD) mediante Internet Comunication Engine (ICE).
Funcionalidades:
Control interacción paciente – AV
Analiza los datos recogidos por el PMS para detectar cambios en el comportamiento
Genera, planifica y ajusta las diferentes tareas que se han de llevar a cabo en la sesión diaria
Genera un resumen semanal con los datos destacados del progreso del paciente
Genera una emoción adecuada para mejorar el lenguaje no verbal del VA
Inference System
Data Analysis (DA), analiza y procesa la información del PMS para generar gráficos y detectar cambios del paciente en su actividad diaria.
Knowledge Extraction (KE), evalua las respuestas del paciente (BAD/NORMAL/GOOD) y transforma los datos de entrada (DA+AV) en conceptos clínicos internos o SNOMED-CT.
Knowledge Inference (KI), which infers a set of appropriate clinical activities (called Candidate Activities) recommended by the clinicians based on historical and acquired data.
Arquitectura del modulo deliberativo Inference System (DA+KE+KI)
GUI: resultados del PHQ9 KE: dectecta mal resultado en la pregunta 9. Infiere concepto “riesgo Suicidio!” KI: lanza actividad “Crisis_Plan”
PMS: envía datos actividad DA: detecta poco descanso KE: infiere concepto “restless” KI: lanza actividad “Good_Resting_Habits”
Capa de Procesado y Analisis de Datos
Session Planner
Esquema de ejecución del Session Planner
Planificación flexible, adaptativa y personalizada en base a: Estamina Histórico Respuestas actuales Fichero de configuración
Capa de Procesado y Analisis de Datos
Cognitive-Emotional
(FAtiMA)
Adaptación de una arquitectura computacional de emociones existente (FATIMA) que tiene como fundamento teórico la teoría del APPRAISAL
Appraisal: Evaluación continua de los eventos del entorno
Los eventos se evaluan como positivos o negativos en función de las metas del agente
Los umbrales y las “deseabilidades” determinarán que emoción se genera. Inicialmente (debido a restricciones clínicas) usamos sólo 3 emociones positivas : • Joy: bueno para el agente • Happy-For: para el paciente • Admiration: accion positiva del
paciente
En algunos casos se generan acciones como “look_at_content” o “nod”
Capa de Procesado y Analisis de Datos
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Evaluación
6. Conclusiones
7. Trabajo Futuro
Informe de Progreso del Paciente
Resumen textual generado por el módulo DM a partir de los datos de las actividades NTQ y DMC.
Representacion del patron de comportamiento del paciente basado en la actividad diaria y la calidad del
sueño. Gráfico generado por el módulo DA.
Estadísicas sobre resultados de la actividad PHQ9 y de los sensores de actividad.
Resumen de los resultados obtenidos en la actividad NTQ.
Representación de los resultados obtenidos (semanales y mensuales) de la actividad DMC.
Representación de la distribución de la actividad del paciente obtenida por medio de los sensores de actividad (periodo activo, descanso prolongado, y datos perdidos).
Diseño: Guia Microsoft Health Common User Interface (MSCUI)
Implementacion: Modelo Aortis [Feblowitz, 2011]
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Evaluación
6. Conclusiones
Evaluación Funcionalidad y Aceptabilidad del Sistema
Funcionalidades (tareas) Pilotos Planificados
I II III
Welcome x x x Daily Mood Check x x x Actigraphy x x x Closing Summary x x x PHQ-9 x x Negative Thought Questionnaire x x Speech Data x x Crisis Plan x x Summary Report x x Sleep Questionnaire x x Behaviour Activation x Relaxation x Attentional Bias Modification (x)
Piloto Paises Participantes I Escocia, Rumania, España 13 II Rumania, España 15
III Escocia, Rumania, España 30
Realización de tests internos (herramientas internas de simulación)
Conclusiones del Piloto I:
DASPS infrautilizado en el primer piloto (pocos usuarios, tareas, tiempo y datos)
Sistema robusto
Percepción dividida respecto al comportamiento emocional
Pilotos incrementales para obtener resultados más significativos
Posible ensayo clínico posterior al proyecto que deteminará la viabilidad de que acabe siendo un dispositivo clínico (seguro+efectivo)
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Evaluación
6. Conclusiones
7. Trabajo Futuro
Conclusiones
Por primera vez, se ha propuesto una Planificación de sesiones diarias adaptables y personalizadas para los pacientes con Depresión Mayor, en base a su estado y a las premisas clínicas
Se ha propuesto un modelo Cognitivo Emocional que simula una empatía terapeutica (estratégia de supresión de emociones negativas) en Agentes Virtuales Emocionales para el tratamiento de Depresión Mayor
Se ha estudiado la representación gráfica de resúmenes clínicos de datos de pacientes con Depresión Mayor
Se ha representado gráficamente los cambios en el comportamiento del paciente con Derpesión Mayor respecto a la calidad del sueño y la actividad diaria
Se ha propuesto un sistema basado en reglas capaz de inferir conceptos y decidir tareas clínicas para las sesiones del tratamiento de Depresión Mayor
Creación de un DASPS modular, flexible y standard que puede ser adaptado a otros dominios clínicos de salud mental
Contenidos
1. Introducción
2. Estado del Arte
3. Capa de Procesado y Analisis de Datos
4. Informe del progreso del paciente
5. Evaluación
6. Conclusiones
7. Trabajo Futuro
Trabajo Futuro
Extender el módulo CE a un modelo basado en regulación de emociones en lugar de un modelo basado en la supresión de las emociones negativas [Gross, 2007]
Análisis de la efectividad del sistema de planificación a partir de los resultados de los pilotos
Análisis de la adherencia al sistema por parte de los pacientes con Depresión Mayor a partir de los resultados de los pilotos
Identificación de las condiciones clínicas relevantes para llevar a cabo un estudio de la correlación entre la actividad física del paciente y su estado
Agreración de conceptos y tareas clínicas (nuevos cuestionarios, ejercicios de relajación, etc)
Adaptar el reporte del progreso del paciente a los nuevos datos clínicos obtenidos
Publicaciones Científicas
PUBLICACIONES RELACIONADAS DIRECTAMENTE CON EL DESARROLLO DE LA TESINA Área
Modelling Therapeutic Empathy in a Virtual Agent to Support the Remote Treatment of Major Depression Juan Martínez-Miranda, Adrián Bresó, Juan Miguel García-Gómez. In Proceedings of the 4th International Conference on Agents and Artificial Intelligence (ICAART). Vol 2, 264-269. 2012. Vilamoura, Portugal.
Computación Afectiva
The Construction of a Cognitive-Emotional Module for the Help4Mood‘s Virtual Agent Juan Martínez-Miranda, Adrián Bresó, Juan Miguel García-Gómez. Proceedings of the 1st Workshop on ICT applied to Mental Health. Spain (1) 2012:34-39
Computación Afectiva
Monitoring changes in daily actigraphy patterns of free-living patients Elies Fuster-García, Javier Juan-Albarracín, Adrián Bresó, Juan Miguel García-Gómez. Accepted at International Work-Conference on Bioinformatics and Biomedical Engineering, IWBBIO-2013, Granada, Spain.
Reconocimiento de Patrones
A Clinical Decision Support System to Manage Daily Interactive Sessions in Patients with Major Depression Adrián Bresó, Juan Martínez-Miranda, Elies Fuster-García, Carlos Sáez, Montserrat Robles, Juan M García-Gómez. Jornada de Investigación ITACA 2013, Valencia, Spain.
CDSS
A Flexible Computational Architecture for a Personal Health System to Support the Treatment of Depression. Adrián Bresó, Juan Martínez-Miranda, Juan Miguel García-Gómez. 2013 In preparation
CDSS
Help4Mood - Supporting Joint Sense Making in the Treatmet of Major Depressive Disorder. M. Wolters, C. Burton, C. Matheson, A. Bresó, A. Szentagotai, J. Martinez-Miranda, E. Fuster, J. Rosell, C. Pagliari y B. McKinstry. Workshop on Interactive Systems in Healthcare (WISH), Washington DC , 2013. Aceptado
eHealth
OTRAS PUBLICACIONES DURANTE EL DESARROLLO DE LA TESINA Área
Creation of Creative Work Teams using Multi-Agent based Social Simulation Adrián Bresó, Alfonso Pérez, Javier Juan-Albarracín, Juan Martínez-Miranda, Montserrat Robles and Juan Miguel García-Gómez. In Proceedings of the 5th International Conference on Agents and Artificial Intelligence (ICAART). Vol 1, pp. 211-218. 2013. Barcelona, Spain.
Simulación
An HL7-CDA wrapper for facilitating semantic interoperability to rule-based Clinical Decision Support Systems Carlos Sáez, Adrián Bresó, Javier Vicente, Montserrat Robles, Juan Miguel García-Gómez. Computer Methods and Programs in Biomedicine. Vol. 109 (3) pp 239-249. 2013.
Interoperabilidad
Knowledge-Based Personal Health System to Empower Outpatients of Diabetes Mellitus by means of P4 Medicine Adrián Bresó, Carlos Sáez, Javier Vicente, Félix Larrinaga, Montserrat Robles, Juan Miguel García-Gómez Expert Systems with applications. 2013 Under review
eHealth
Gracias por la atención
¿Preguntas?
Top Related