EEconAES

TALLER “Análisis de decisiones sanitarias con OpenMarkov” Organizado por el EEconAES - CISIAD (UNED)

Programa

Fecha y hora: 11 de Marzo de 2016, de 9:00 a 14:30 h.
Lugar: Facultad de Psicología de la UNED, Madrid.
Calle Juan del Rosal, 10. Sala 1.26
28040 Madrid
Capacidad: 20 plazas (matrícula gratuita).

Más información: espacio web del grupo de Evaluación económica de AES: Actividades

Presentación

Los modelos gráficos probabilistas (MGPs), desarrollados en el campo de la inteligencia artificial, ofrecen importantes ventajas frente a los métodos probabilistas tradicionales:

1. Las redes bayesianas permiten construir modelos mucho más realistas que el método bayesiano ingenuo, el cual consiste en multiplicar las razones de verosimilitud de los hallazgos.
2. Con los diagramas de influencia y las redes de análisis de decisiones se han construido modelos que equivalen a árboles de decisión con miles de ramas. También permiten realizar análisis de coste-efectividad en problemas que incluyen varias decisiones.
3. Los diagramas de influencia markovianos permiten implementar modelos de transición de estados con mucha más facilidad que cuando se utilizan hojas de cálculo, árboles de decisión, o un lenguaje de programación como R o C++. Estos diagramas pueden modelar diversas características del paciente sin multiplicar el número de estados; en particular, pueden representar su historia sin necesidad de utilizar “estados túnel”.
4. Los procesos de decisión de Markov factorizados son especialmente adecuados para problemas de seguimiento (follow-up). Permiten determinar, por ejemplo, cuál es el mejor momento para una intervención en función de la evolución del paciente.

El Centro de Investigación sobre Sistemas Inteligentes de Ayuda a la Decisión (CISIAD) de la Universidad Nacional de Educación a Distancia (UNED) se ha especializado en la aplicación de los MGPs al análisis de decisiones en medicina: ha propuesto nuevos tipos de modelos, ha diseñado algoritmos para su evaluación, ha construido herramientas de ordenador para editarlos y evaluarlos y los ha aplicado en varios problemas médicos.

OpenMarkov, un programa de ordenador desarrollado como software libre por el CISIAD, permite realizar análisis de coste-efectividad con MGPs mediante una interfaz gráfica, sin tener que escribir código ni fórmulas. Esta herramienta se ha utilizado ya en más de 20 países de Europa, Asia y América.

Objetivos y desarrollo del Taller

Dar a conocer los MGPs y enseñar, mediante ejemplos y ejercicios, a construirlos y evaluarlos con OpenMarkov.

Los participantes aprenderán a:

• construir redes bayesianas para diagnóstico médico y compararlas con el método bayesiano ingenuo;
• construir diagramas de influencia unicriterio y bicriterio (coste-efectividad) y comprarlos con los árboles de decisión;
• construir diagramas de influencia markovianos para análisis de coste-efectividad y compararlos con los modelos de transición de estados implementados mediante hojas de cálculo, árboles de decisión markovianos y simulación por eventos discretos;
• realizar varios tipos de análisis de sensibilidad determinista y probabilista para estos modelos.

En el taller se mencionarán también otros MGPs temporales, como las redes bayesianas dinámicas, los procesos de decisión de Markov total y parcialmente observables (MDPs/POMDPs) y los diagramas de influencia de memoria limitada dinámicos (DLIMIDs).e

Destinatarios

El taller está destinado a analistas de decisiones y economistas de la salud que tengan experiencia en la construcción de modelos de evaluación económica, como árboles de decisión y modelos de Markov, mediante Excel, TreeAge Pro, R, WinBUGS/OpenBUGS, etc.

Equipo docente

El taller será impartido por tres investigadores del Dpto. de Inteligencia Artificial de la UNED:

• Francisco Javier Díez Vegas (director)
• Manuel Arias Calleja
• Jorge Pérez Martín

Desarrollo del taller

En la primera sesión se tratarán los MGPs no temporales (redes bayesianas, diagramas de influencia y redes de análisis de decisiones) y en la segunda los modelos temporales (diagramas de influencia markovianos, etc.). En cada sesión habrá una presentación en que se definirán las propiedades de los modelos y se mostrarán varios ejemplos médicos construidos por los profesores del taller. Estas presentaciones son una ampliación del seminario “Medical decision analysis with probabilistic graphical models”, cuyas transparencias están disponibles en internet. Después de cada presentación los participantes deberán resolver, con ayuda de los profesores, algunos ejercicios de modelado utilizando la herramienta OpenMarkov. Por ello es necesario que cada participante traiga su propio ordenador portátil.