Management znalostí v medicíně „Datamining“ Management znalostí v medicíně „Datamining“ Professor R. Hanka Director, Medical Informatics Unit,University.

Prezentace na téma: "Management znalostí v medicíně „Datamining“ Management znalostí v medicíně „Datamining“ Professor R. Hanka Director, Medical Informatics Unit,University."— Transkript prezentace:

1 Management znalostí v medicíně „Datamining“ Management znalostí v medicíně „Datamining“ Professor R. Hanka Director, Medical Informatics Unit,University of Cambridge Visiting Profesor, Fakulta Managementu, VŠE

2 Management znalostí -v- ‘data mining’ Data mining –Těžení informací z velmi rozsáhlých souborů electronických dat Znalost –Vytvořená z informací využitím interpretace a důležitosti Management znalostí –zpřístupňování interpretovaných nebo interpretovatelných informací.

3 Problém Rozdílný nárůst: Intelektuálních schopností Znalostí

4 Lidské intelektuální schopnosti Nemožné měřit objektivně Za minulých 5 millionů let objem mozku vzrostl ze 400cm 3 na 1,400cm 3 Obsahuje asi 10 11 neuronů a 10 14 synapsí Mezi n a n.(n-1)/2 spojů.

5 Zdvojnásobuje za 1.5 až 3 miliony roků Kapacita mozku Full connectivity L imited connectivity

6 Lidské znalosti Nemožné měřit objektivně Počet knih v knihovně Cambridge University.

7 Knihy v knihovně Cambridge University Zdvojnásobují se každých 33 let !

8 Nárůst znalostí a intelektu time intelekt znalosti

9 Nárůst znalostí a intelektu time intelekt znalosti Informační přetížení

10 15.století - polymath 18. století - lékař znal vše co se dalo znát 20. století - specializace 21. století - úzká specializace.

11 Šířka znalosti Hloubka znalostí

12 Velikost problému

13 Informační přetížení Zahlceni informacemi Obtížné najít požadované informace Obtížné posoudit kvalitu nalezených informací.

14 Vannevar Bush “As We May Think” (1945) Osobní knihovna (vertical books) Osobní knihovna (vertical books) Stezky (horizontal hypertext) Stezky (horizontal hypertext) Měnitelné Měnitelné Anotace. Anotace.

15 Memex

16 Rozhodnutí lékaře hledat informaci záleží na –Urgency –Očekávání že definitvní závěr bude nalezen. (Gorman & Helfand 1995)

17 Informace LokálníGlobální Všeobecné Specifické Individual Practice Guidelines Clinical pathways Medical knowledge base Local hospital prescribing guidelines

18 Informační potřeby ( Informační potřeby (clinické školení) Lokální Globální Všeobecné Specifické Individual Practice Guidelines Clinical pathways Medical knowledge base Local hospital prescribing guidelines

19 Informační potřeby (lékař v praxi) LokálníGlobální Všeobecné Specifické Individual Practice Guidelines Clinical pathways Medical knowledge base Local hospital prescribing guidelines

20 Informační přetížení Zahlceni informacemi Obtížné najít požadované informace Obtížné posoudit kvalitu nalezených informací Internet ?

21 Internet Haphazardní sbírka informací Navigace bez struktury Výsledky hledání často obsahují ‘64,000 hits ‘ Informační ‘zamoření’.

22 Základní elementy managementu znalostí ‘Rozumět’ textu Kategorizace slov, vět,paragrafů a celých dokumentů Knihovny elektronických dokumentů.

23 Digitální knihovny Většinou zatím obsahují elektronické kopie papírových dokumentů Podpora kompletního cyklu managementu znalostí Záruka kvality Vybrané vnější zdroje Archivování.

24 Digitální knihovny výhody/nevýhody Výhody –Založeny na informačních vědách –Dosažitelné odevšud –Kvalita managementu –Archivní role Nevýhody –“knihy” často nejsou svázány nebo neexistují –Žádná pomoc od professionálních knihovníků.

25 Nástroje managementu znalostí Manuální –Proces je explicitní (vs. tacit knowledge) –Zvyšuje hodnotu (Semi)automatické –Umělá inteligence (AI) –Rozpoznávání obrazců (pattern recognition).

26 Automatická klasifikace dokumentů Příklady tříd –Kardiovaskulární nemoce, chirurické techniky… –oficiální guidelines, guidelines pro zájmové skupiny, charity … ‘Učení s učitelem‘ –Příklady ze všech možných tříd –starý AI problém.

27 Příznaky, charakteristiky (features) Příznaky –Základní termíny (slova) –Kontextuální charakteristiky –Charakteristiky struktůry dokumentů Angličtina 500,000 slov Běžný soubor 30,000 slov Kletba Dimensionality Nutnost snížit počet characteristik.

28 Klasifikace s omezeným počtem příznaků

29 Další nástroje Produkce hyperlinků Summarizace ‘Vázání’ knih Inteligentní hledání Cíl je naučit počítač ’číst’.

30 Dvě revoluce Parní stroj začal průmyslovou revoluci Železnice, poštovní služba, telegraf skutečný průmyslový rozvoj Vynález počítače začal informační revoluci Internet (packet switching) začátek rozvoje informační revoluce.

31 Otázky?