Експертні та інтелектуальні системи в медицині та фармації

Учебное пособие

Редактор И.В. Башнина

Корректор Э.Б. Прудникова

Художественное оформление "Ин-Арт"

Компьютерная верстка Г. Б. Крюков

ЛР№ 070824 от 21.01.93

Подписано в печать 11.10.99

Формат 60х88/16. Печать офсетная. Усл. печ. л. 17,64

Тираж 6000 экз. Заказ № 1002

Издательский Дом «ИНФРА-М»

127214, Москва, Дмитровское ш., 107.

Тел.: (095) 485-70-63; 485-71-77

Факс: (095) 485-53-18.

Робофакс: (095) 485-54-44

E-mail: [email protected]

www.infra-m.ru

А

	АВИЦЕННА (БЕЛАРУСЬ)
	Компьютеризованный комплекс POINTS Нейрофункциональная диагностика

Д

	ДИАМАНТ ЗАО (РОССИЯ)
	Функционально-диагностический комплекс ДИАМАНТ-РКС
	Компьютерный комплекс ДИАМАНТ-РМКС
	ДМС Передовые Технологии (РОССИЯ)
	Кардиостимулятор чреспищеводный и эндокардиальный ЭЗОТЕСТ Кардиологическая система

И

	ИНФОРМАТИКА И КОМПЬЮТЕРЫ НПО (РОССИЯ)
	Полиграфический анализатор CONAN-pg12 Электроэнцефалограф

	КОНСТЭЛ ООО (РОССИЯ)
	Комплекс программно-аппаратный для дыхания многокомпонентными газовыми смесями БАРС-ГД
	Автоматизированное рабочее место исследования центральной гемодинамики (ЦГД)

	МБН (РОССИЯ)
	Комплекс для исследования акта мочеиспускания МБН-УРОФЛОУМЕТР Оборудование для Нейрофизеологии
	Компьютерный электронейромиограф МБН-НЕЙРОМИОГРАФ Оборудование для нейропсихологии; нейродиагностики
	Эхоэнцефалограф МБН-ЭХОЭНЦЕФАЛОГРАФ Оборудование для Нейрофизеологии
	Комплекс функциональной, программируемой электростимуляции мышц МБН-СТИМУЛ Комплекс функциональной; программируемой электростимуляции мышц
	Компьютерный электроэнцефалограф МБН-Нейрокартограф Оборудование для Нейрофизеологии
	Комплекс для исследования патологии сна МБН-СОМНОГРАФ Оборудование для диагностики патологии сна
	Програмно-аппаратный комплекс МБН-ПОДОСКАН Комплекс диагностики патологии стоп
	Комплекс оценки формы позвоночника МБН-СКАНЕР (Сканер позвоночника) Аппарата внешней фиксации позвоночника
	Комплекс для диагностики зрительной системы МБН-ЭЛЕКТРОРЕТИНОГРАФ Оборудование для Нейрофизеологии
	МОТОР НТПФ, ЗАО (РОССИЯ)
	Компьютерный комплекс для неинвазивной оценки биохимических и гематологических показателей организма АМП
	Комплекс экспресс - диагностики состояния сердечно - сосудистой системы ЭДТВ ГЕМОДИН

	НЕЙРО-СОФТ (РОССИЯ)
	Комплекс для психофизиологического тестирования НС-ПсихоТест Психофизиология; Психотестер
	НЕО, ООО (РОССИЯ)
	Диагностическая система ВАЛЕНТА
	Комплекс холтеровского мониторирования ЭКГ ВАЛЕНТА

С

	СТАТОКИН НАУЧНО-МЕДИЦИНСКАЯ ФИРМА (РОССИЯ)
	Комплекс для оценки психологического и физиологического функционального состояния человека ГРВ биоэлектрография Психофизиологический анализатор, Психотестер
	Аппартано-Программный Комплекс для исследования головного мозга ЭХОЭНЦЕФАЛОГРАФ

Т

	ТВЕС ТУЛИНОВСКИЙ ПРИБОРОСТРОИТЕЛЬНЫЙ ЗАВОД, ОАО (РОССИЯ)
	Комплекс медицинский диагностический КМД 03 ТП-2
	Комплекс медицинский диагностический КМД 02 ТП-2 Здоровый ребенок
	Комплекс медицинский диагностический КМД 01 ТП-2

Э

	ЭЛЕКТРОПУЛЬС, ООО (РОССИЯ)
	Комплекс диагностический ЭЛКАРТ-ЧПСМ Оборудование для коагуляции
	Система электрофизиологическая ЭЛКАРТ II НАВИГАТОР Электрофизиологическая система
	Система электрофизиологическая ЭЛКАРТ-M Электрофизиологическая система
	Комплекс диагностический ЭЛКАРТ-ЧПС Диагностический комплекс

B

	BIODEX MEDICAL SYSTEMS, INC (USA)
	Лечебно-диагностический комплекс Biodex Systems 4 Quick Set Реабилитационная система
	Лечебно-диагностический комплекс Biodex Systems 4 Pro Реабилитационная система
	BIONET Ltd (KOREA)
	Центральная станция Bionet B-eye System Системы кардиологические
	BOSO (BOSCH + SOHN GMBH U. CO.) (GERMANY)
	Система РС Програмное обеспечение

G

	GENERAL ELECTRIC (GE HEALTHCARE) (USA)
	Станция центральная CLINICAL INFORMATION CENTER (CIC) Центральная клиническая информационная система; телеметрия

Експертні системи

Експертні системи -- це програмні комплекси, що акумулюють досвід спеціалістів у деякій предметній області з метою його (досвіду) тиражування для консультацій менш кваліфікованих користувачів. Розробка ЕС -- це галузь інформатики, що активно розвивається та спрямована на використання ЕОМ для обробки інформації у тих галузях науки та техніки, де традиційні математичні моделі моделювання малопридатні, де важливі смислова та логічна обробка інформації, досвід експертів. Експертні системи досить молоді--перші системи такого роду з'явилися у США в середині 70-х років. Натепер у світі нараховується декілька тисяч промислових ЕС, що дають поради при керуванні складними пунктами диспетчерів, постановці медичних діагнозів, пошуку несправностей у електронних пристроях тощо. Зараз легше назвати області, де ЕС не використовуються, ніж ті, де вони вже використовуються.

Головна відмінність ЕС від інших програмних засобів -- це наявність бази знань, у якій знання зберігаються у вигляді записів на деякій мові представлення знань (МПЗ), що дозволяє легко змінювати та доповнювати базу знань у формі, що зрозуміла спеціалістам -- розробникам ЕС. У звичайних програмах знання зашиті у алгоритм і тільки програміст (автор програми) може їх корегувати (якщо згадає, як побудована його програма).

До останнього часу саме різні МПЗ були центральною проблемою при розробці ЕС. Зараз існують десятки мов або моделей представлення знань. Найпоширеніші з них: продукції, семантичні мережі, фрейми, обчислення предикатів 1-го порядку, ОО мови програмування тощо. Для цих моделей існує відповідна математична нотація, розроблені системи програмування, що реалізують ці МПЗ. Вибір конкретної моделі визначається структурою знань у конкретній предметній області. Спочатку необхідно визначити цю структуру. Конкретизація елементів знань та їх взаємозв`язків відбуваються у безпосередньому контакті зі спеціалістами предметної області -- експертами. Цей процес називається здобуттям знань, а розробники ЕС, що займаються саме здобуттям та структуруванням знань, називаються інженерами по знаннях.

Одразу визначимо ті предметні області, де має сенс виділяти знання. Це області, де переважає емпіричне знання, де накопичення фактів випереджає розвиток теорії (медицина, геологія, фінанси тощо). Такі добре структуровані області як математика, фізика, теоретична механіка, мають у своїй основі розвинений математичний апарат для опису своїх закономірностей, що дозволяє проводити машинне моделювання з використанням традиційного алгоритмічного програмування (без виділення рівня знань). Знання важливі там, де визначення розмиті, поняття змінюються, ситуації залежать від багатьох контекстів, де є велика невизначеність, нечіткість інформації. Загалом, знання -- це основні закономірності предметної області, що дозволяють людині вирішувати конкретні виробничі, наукові та інші задачі, тобто факти, поняття, взаємозв`язки, оцінки, правила, евристики (фактичні знання), а також стратегії прийняття рішень у цій області (або стратегічні знання).

1. Приклади застосування експертних систем у медицині

Одна з найбільш ранніх і відомих медичних EC MYCIN фрагментарно розглядалася у попередніх розділах. Тут будуть стисло розглянуті деякі EC медичного призначення, ті, що стали вже класичними, і сучасні.

EC стеження за станом післяопераційних хворих

Система VM призначена для стеження за станом післяопераційних хворих, яким необхідний апарат штучного дихання. Система визначає тип апарата штучного дихання і режими його роботи у залежності від розвитку захворювання та реакції організму на терапевтичні дії. Система реалізує роботу з даними, то змінюються в часі (динамічна система). Представлення системи про час обмежені тільки поточним і попереднім станами.

Знання в системі представлені у вигляді таких типів правил: переходу, ініціалізації, стану та лікування. Система постійно отримує нові покази приладів і запускає в дію всі свої правила.

Правила переходу визначають моменти зміни стану хворого, колі необхідно змінити порядок стеження за ним. Моменти зміни стану визначаються за виходом показників за заздалегідь установлені межі.

За допомогою правил ініціалізації установлюється новий контекст, тобто нові значення, які очікуються.

Після встановлення контексту правила стану визначають нову поведінку системи, поки контекст не зміниться. Незважаючи на те, що покази приладів постійно змінюються, система виконує зміну контексту тільки тоді, коли це буде достатньо обґрунтовано за правилами переходу.

Правила лікування визначають потрібні режими роботи апарату штучного дихання.

Приклади правил експертної системи VM.

Правило 1: якщо серцевий ритм є прийнятним, і частота пульсу не змінилася більше ніж на 20 ударів/хв протягом 15 хвилин, і середній артеріальний тиск є прийнятним, і середній артеріальний тиск не змінився більш ніж на 15 мм рт.ст. протягом 15 хвилин, і кров'яний тиск систоли є прийнятним, то гемодинаміка є стійкою.

Правило 2: якщо хворий переведений з VOLUME на CMV, або хворий переведений з ASSIST на CMV, то очікується, що: прийнятний середній тиск повинен бути в межах 75... 110, прийнятний серцевий ритм - 60... 110, вміст С02 у видиху -28...42.

Правило 1 стосується хворих, що знаходяться на різних режимах штучного дихання (VOLUME, CMV ASSIST і Т-РІЕСЕ), правило 2 - всіх хворих, що знаходяться на режимі контрольованої примусової вентиляції (CMV).

Правило 1 ілюструє, як керуюча система стежить за станом хворого, застосовуючи терміни, значення яких міняється залежно від клінічного контексту (наприклад, "прийнятне"). Правило 2 показує як система використовує свої сподівання в деякому контексті, щоб точно визначити значення термінів (наприклад, "прийнятний середній артеріальний тиск").

EC аналізу причин гіпертонії

Постановка задачі. Від гіпертонії страждає близько 10% населення Землі. Причини підвищення артеріального тиску дуже різноманітні - більше ЗО основних захворювань. Складність діагностики цих захворювань полягає в тому, що вони можуть стосуватися компетенції фахівців з різних галузей медицини: нефрології, ангіології, урології тощо. Тому створення EC, яка містила б знання кращих спеціалістів з різних галузей медицини, зв'язаних з гіпертонією, надає суттєву допомогу в підвищенні рівня діагностики вказаних захворювань.

Система МОДИС призначена для діагностики різних форм симптоматичної гіпертонії.

Система МОДИС може використовуватись як у поліклініках загального профілю, так і в спеціалізованих клініках. Очевидно, що рівень доступної інформації про хворого в цих закладах різний. В поліклініці терапевту доступна інформація більш загального характеру: скарги хворого, дані зовнішнього огляду, історія хвороби та результати загальних аналізів. Таким чином, на основі інформації загального характеру ЕС повинна звузити коло можливих захворювань і вибрати з них найбільш імовірні. ЕС дає рекомендації до яких спеціалістів звернутися хворому, скерувати на спеціальні дослідження.

При використанні ЕС у спеціалізованих клініках доступна більш детальна інформація, тобто дані спеціальних досліджень (наприклад, аортографії або внутрішньовенної урографії). В цьому випадку ЕС повинна поставити більш точний аналіз.

Основні концепції, з якими працює експерт у даній системі, - це захворювання, їх форми і групи, симптоми, дані лабораторних досліджень тощо. Для їх опису використовуються знання трьох видів:

описові знання, які використовуються експертом для опису відношень між поняттями. Наприклад, таке поняття, як систолічний тиск, пов'язане в експерта з додатковою інформацією. Так, він знає, що систолічний тиск може знаходитися в межах від 50 до 350, знає, що систолічний тиск завжди більший від діастолічного тощо;

знання про те, як експерт виводить нові твердження на основі аналізу деякої інформації. Експерт використовує ці знання для постановки діагнозу. Характерним прикладом цього виду знань є таке діагностичне правило: "Якщо хворий молодого віку і у нього спостерігаються пароксизми тиску, а результати гормональних досліджень крові показують збільшений більш ніж у два рази вміст катехоламінів, то у хворого, найімовірніше, феохромоцита";

знання про те, як експерт вибирає найперспективніші шляхи пошуку. Ці знання, подані у вигляді правил, дозволяють експерту не розглядати малоймовірні гіпотези, а тільки найбільш імовірні. Такі знання належать до метарівня, оскільки визначають деяку схему використання знань першого і другого рівнів. Приклад такого правила: "Якщо хворий має суттєві зміни в аналізах сечі, то насамперед потрібно підозрювати нефрологічну природу гіпертонії".

Представлення знань. Знання в системі МОДИС зберігаються у вигляді правил. Ліва частина правил (предикати) записується у формі, близькій до природомовної, наприклад "Якщо характер підвищення артеріального тиску пароксизмальний". Предикати в лівій частині правил можуть з'єднуватися логічними операціями диз'юнкції, кон'юнкції і заперечення.

Для запису правих частин правил використовуються процедури. Так правило з правою частиною типу "..., то у хворого феохромоцита" можна подати у вигляді процедури "зробити висновок: у хворого феохромоцита", а правило виду "..., то розглядати нефрологічну групу захворювань" у вигляді " активізувати нефрологічну групу".

Функціонування системи. Робота ЕС МОДИС починається зі збору початкової інформації, до якої належать анкетні дані хворого, його скарги, історія хвороби, симптоми та лабораторні аналізи. На екрані дисплея, перед яким сидить користувач, з'являються запитання і можливі відповіді на них.

Якщо запитання або відповіді незрозумілі, користувач може отримати додаткову інформацію. Відповіді, які вводить користувач, перевіряються системою і, якщо виявлені суперечності, ЕС сигналізує про це.

На етапі збору початкової інформації система задає користувачу біля ЗО запитань. Потім користувачу задаються запитання для аналізу гіпотез. Для пошуку рішень система висуває, підтверджує і заперечує гіпотези. В середньому один діагностичний сеанс триває 5-10 хвилин. Остаточний висновок, який дає система, є сукупністю елементарних рішень за окремими гіпотезами і формується системою в процесі аналізу дерева рішень. Характерним висновком для ЕС МОДИС можна вважати такий: "У хворого, найімовірніше, феохромоцитома. Потрібно провести гормональні аналізи крові та сечі з метою визначення там вмісту катехоламінів. Потрібна консультація нефролога".

Експертна система визначення терміну нанесення ушкоджень у судово-медичній діагностиці

В описана експертна система для спектрофотометричної діагностики біотканин у судово-медичній експертизі. Перевага такого підходу до визначення терміну нанесення тілесних ушкоджень полягає в тому, що не використовуються руйнуючі (інвазивні) методи та суб'єктивні оцінки характеристик.

На основі даних спектрофотометричної комп'ютерної системи проводиться діагностика прижиттєвості нанесених травм у трупів та термін їх нанесення до смерті.

Перша версія системи (СЕД1) базувалась на логічних правилах і мала структуру, характерну для більшості традиційних ЕС, побудованих на правилах.

У наступній версії системи розглядалися більш складні задачі діагностики, зокрема, використання кольору в процесі діагностики. Вона була реалізована на основі апарату нечіткої логіки у вигляді окремої підсистеми, що дістала назву системи експертної неінвазивної оптичної діагностики (СЕНОД+). Ця підсистема виконувала ті самі функції, що й підсистема на основі логічних правил (СНЕД-1). Вибір підсистеми залежить від використання нечітких даних для визначення діагнозу.

Експертні та інтелектуальні системи в медицині та фармації

Сучасний технологічний фундамент наукової та клінічної медицини виник і розвивається саме "на стику наук", на основі потенціалу різних областей науки і техніки, які об’єднуються загальними проблемами медичної спрямованості.

В кінці 50-х років ХХ століття появилась нова область інформатики – штучний інтелект. Вона займалась розробкою програм, які здатні розв’язувати так звані «людські» задачі. Розв’язання задач такого напрямку пов’язане з нетривіальними логічними умовиводами і пошук результатів, як правило, зводиться до перебору й аналізу великої кількості можливих варіантів. Саме до такого класу належить більшість медичних завдань.

Історія розвитку й проблеми штучного інтелекту

Здавна людина робила безліч спроб змоделювати свою подобу, та її зусилля були безуспішними, тому що це дуже складне завдання. Перелом відбувся в середині XX століття. Йому сприяли 2 події:

§Вінер заклав основи кібернетики,

§поява ЕОМ.

Завдання, які необхідно було вирішувати, мали не обчислювальну, а логічну природу. Роботи в області ШІ можна розбити на 2 напрямки:

Нейрокібернетика. Основна ідея: будь-який мислячий пристрій повинен якимось чином відтворювати структуру людського мозку. Ця наука орієнтована на апаратне моделювання.

Мозок людини складається з порядку 10²¹ нейронів, зв'язаних між собою. Є успішні спроби моделювання безлічі нейронів - нейронні мережі. Перші успіхи були вражаючими. Був зроблений перший об'єкт - персептрон - деяка матриця нейронів, що могла розпізнавати 2 стани (наприклад падає світло чи ні).

Ця матриця могла також розпізнавати образ. Але виникла нова проблема - потрібно робити надто великі матриці через велику кількість інформації. Тому про цей напрямок на 10-15 років забули. Останнім часом нейрокібернетика знову почала розвиватися через стрибок у розвитку ЕОМ. З'явилися нейрокомп’ютери, трансп’ютери.

Можна виділити 3 способи реалізації нейромереж:

1) апаратний (плати й т.д.);

2) програмний (нейромережа моделюється в пам'яті комп'ютера);

3) гібридний - середнє між 1 й 2. У наш час нейрокібернетика розвивається в напрямку нейрокомп’ютеров і головним завданням є розпізнавання образів.

В 1990 році Вільям Бакст із Каліфорнійського університету в Сан-Дієго використав нейронну мережу - багатошаровий персептрон - для розпізнавання інфаркту міокарда в пацієнтів, що надходять у приймальне відділення з гострим болем у грудях. Його метою було створення інструмента, здатного допомогти лікарям, які не в силах упоратися з потоком даних, що характеризують стан хворого, який поступив.

Мережа продемонструвала точність 92% при виявленні інфаркту міокарда й дала тільки 4% випадки сигналів фіктивної тривоги, помилково підтверджуючи направлення пацієнтів без інфаркта в кардіологічне відділення. Отже, це факт успішного застосування штучних нейронних мереж у діагностиці захворювання.

Ідеальний метод діагностики повинен мати стовідсоткові чутливість і специфічність: по-перше, не пропускати жодного дійсно хворої людини, по-друге, не лякати здорових людей. Щоб застрахуватися, можна й потрібно намагатися насамперед забезпечити стовідсоткову чутливість методу - не можна пропускати захворювання. Але це обертається, як правило, низькою специфічністю методу - у багатьох людей лікарі підозрюють захворювання, якими насправді пацієнти не страждають.

Нейронні мережі для завдань діагностики

Нейронні мережі є нелінійними системами, що дозволяють набагато краще класифікувати дані, ніж це роблять зазвичай використовувані лінійні методи. У додатку до медичної діагностики вони дають можливість значно підвищити специфічність методу, не знижуючи його чутливості.

Нейронна мережа, яка діагностує інфаркт, працювала з більшим набором параметрів, вплив яких на постановку діагнозу людині неможливо оцінити. Проте нейромережі виявилися здатними приймати рішення, ґрунтуючись на схованих закономірностях, що виявляються ними, у багатомірних даних. Особлива властивість нейромереж полягає в тому, що вони не програмуються - не використають ніяких правил висновку для постановки діагнозу, а навчаються робити це на прикладах.

Діагностика є частковим випадком класифікації подій, причому найбільшу цінність представляє класифікація тих подій, які відсутні в навчальному наборі нейромереж. Тут виявляється перевага нейромережевих технологій - вони здатні здійснювати таку класифікацію, узагальнюючи колишній досвід і застосовуючи його в нових випадках.

Кібернетика чорного ящика.

Не має значення, як влаштований мислячий пристрій, головне, щоб на задані вхідні подразнення він реагував так, як людський мозок.

Евристика - правило, теоретично не обґрунтоване, але таке, що дозволяє скоротити перебір у дереві рішень

Основні області завдань ШІ

Розробка й створення ЕС - основний напрямок у всій області ШІ. Вимагає рішення двох завдань:

а) розробка моделей подання знань,

б) створення баз знань.

Ø Ігри й творчість. Наприклад, шахи, карткові ігри, програми створення казок, музики й т.д.

Ø Розробка природно-мовних інтерфейсів.

Основні області завдань ШІ

Ø Розпізнавання образів (не тільки зорових, але й, наприклад, ситуацій).

Ø Навчання й самонавчання. Включає моделі, методи й алгоритми, орієнтовані на автоматичне нагромадження знань на основі аналізу й узагальнення даних. Можливі різні методи, зокрема, на основі прикладів.

Ø Інтелектуальні роботи. Спочатку були роботи, що працюють по жорсткому алгоритму. Зараз робототехніка включає багато інших наук - і розпізнавання образів, і евристики й багато чого іншого. Розробляються високоінтелектуальні роботи.

Дані й знання

Дані – окремі факти, що характеризують об'єкти, процеси і явища в предметній області.

Поняття “знання” чіткого визначення не має. Одне з визначень:

Знання – виявлені закономірності предметної області (принципи, зв'язки, закони), що дозволяють вирішувати завдання в цій області.

Знання пов'язані з даними, ґрунтуються на них, але є результатом розумової діяльності людини, узагальнюють її досвід, отриманий у ході виконання якої-небудь практичної діяльності.

Є деякі відмінності між даними й знаннями:

Ø Внутрішня інтерпретованість знань (наприклад: дані - 243849..., знання - речення природної мови)

Ø Активність знань: якщо є знання, то поява нових знань може привести до зміни старих знань і появи нових.

Ø Зв’язність знань. Знання не цікаві самі по собі, вони цікаві в сукупності (система знань).

Ø Знання динамічні, а дані, як правило, статичні