Detecção de clusters espaciais através de otimização multiobjetivo

• Main Author: Andre Luiz Fernandes Cancado
• Other Authors: Luiz Henrique Duczmal
• Format: Others
• Language: Portuguese
• Published: Universidade Federal de Minas Gerais 2009
• Online Access: http://hdl.handle.net/1843/RHCT-7U55SC

=== Irregularly shaped spatial disease clusters occur commonly in epidemiological studies, but their geographic delineation is poorly defined. Most current spatial scan software usually displays only one of the many possible cluster solutions with different shapes, from the most compact round cluster to the most irregularly shaped one, corresponding to varying degrees of penalization parameters imposed to the freedom of shape. Even when a fairly complete set of solutions is available, the choice of the most appropriate parameter setting is left to the practitioner, whose decision is often subjective. We propose quantitative criteria for choosing the best cluster solution, through multi-objective optimization, by finding the Pareto-set in the solution space. Two competing objectives are involved in the search: regularity of shape, and scan statistic value. Instead of running sequentially a cluster finding algorithm with varying degrees of penalization, all solutions are found in parallel, employing a genetic algorithm. The method is fast, with good power of detection. The introduction of the concept of Pareto-set in this problem, followed by the choice of the most significant solution, is shown to allow a rigorous statement about what is a best solution, without the need of any arbitrary parameter. The cluster significance concept is extended for this set in a natural way through the use of the attainment function, being employed as a decision criterion for choosing the optimal solution. The Gumbel and Weibull models are used to approximate the empirical scan statistic distribution, speeding up the significance estimation. The multi-objective methodology is compared with the single-objective genetic algorithm. An application to breast cancer cluster detection is discussed. Finally, a knapsack approach is proposed for a relaxed version of the problem, allowing an upper bound to be obtained, in contrast with the lower bounds obtained by the genetic algorithm. === Clusters espaciais irregulares ocorrem com frequência em estudos epidemiológicos, mas seu delineamento geográfico é mal definido. Os métodos atuais de detecção encontram somente uma dentre as várias soluções possíveis, com formas diferentes, da mais compacta até a mais irregular, correspondentes aos variados graus de penalização impostos à liberdade de forma. E mesmo quando um conjunto completo de soluções está disponível, a escolha do parâmetro mais adequado é deixada a cargo do analista, cuja decisão é subjetiva. Propomos um critério quantitativo para a escolha da melhor solução através de otimização multiobjetivo, encontrando o conjunto Pareto-ótimo. Dois objetivos conflitantes estão envolvidos na busca: regularidade da forma e avaliação da estatística scan. Ao invés de executar sequencialmente um algoritmo de detecção de clusters variando o grau de penalização, todas as soluções são encontradas em paralelo, através de um algoritmo genético multiobjetivo. O método é rápido e apresenta bom poder de detecção. A introdução do conceito de conjunto de Pareto nesse problema, seguido da escolha da solução mais significativa, permite que a escolha da melhor solução seja rigorosa, mas sem a necessidade de nenhum parâmetro arbitrário. O conceito de significância do cluster é estendido de maneira natural através do uso da função de aproveitamento, sendo empregado como critério de decisão para escolha da melhor solução. Os modelos de Gumbel e Weibull são utilizados para aproximar a distribuição empírica da estatística scan, aumentando a velocidade de estimação da significância. Essa metodologia é comparada ao algoritmo genético mono-objetivo. Uma aplicação na detecção de cluster de câncer de mama é discutida. Por fim, o problema de detecção de clusters é relaxado e modelado como um problema knapsack, permitindo que se obtenha uma cota superior, em contraste com a cota inferior obtida pelo algoritmo genético.