Экспертные системы. Моделирование в медицине
 Скачать 344 Kb.
|
|
Лекция № 7 Тема: «Экспертные системы. Моделирование в медицине». 1. Учебные цели лекции: Ознакомить студентов с задачами анализа медицинской информации. Ознакомить студентов с задачами моделированием и прогнозом в медицине. Представить экспертные системы в медицине. Представить поддержку принятия решений как акт целенаправленного воздействия на объект управления, основанный на анализе ситуации, определении цели, разработке программы достижения этой цели в медицине. 2. План лекции: Экспертные системы (ЭС) как пример интеллектуализации программных средств. Принципы построения ЭС. Этапы построения экспертных систем. Классификация экспертных систем. Предметная связь. Применение ЭС в медицине. Реализация экспертной системы диагностики и лечения больных. Основные понятия моделирования. Классификация моделей по отрасли знаний. Цели математического моделирования в медицине. Имитационное моделирование в медицине. 3. Технические средства обучения (мультимедийный проектор, видеоаппаратура, ноутбук, таблицы, плакаты, интерактивная доска и др.) 4. Методы активизации студентов во время изложения лекционного материала. На лекции используются карточки-сигналы. Время от времени преподаватель может останавливаться и просить всех показывать с помощью карточек своё понимание или непонимание объяснения. Восклицательный знак всё ясно, вопросительный что-то неясно. 5. Содержание лекционного материала (тезисы, полный текст, распечатки мультимедийных презентаций и т.д.) 1. Экспертные системы (ЭС) как пример интеллектуализации программных средств. ЭС – это комплекс программ, аккумулирующий знания специалистов в конкретной предметной области, предназначенный для тиражирования знаний и консультаций менее квалифицированных пользователей. Экспертная система – это интеллектуальная компьютерная программа, в которой используются знания и процедуры логического вывода для решения достаточно трудных задач и требующая для своего решения значительного объема экспертных знаний человека. Экспертная система – это вычислительная система, в которую включены знания специалистов о некоторой узкой предметной области в форме базы знаний. Экспертные системы должны уметь принимать решения вместо специалиста в заданной предметной области. Характерными чертами экспертной системы являются: четкая ограниченность предметной области; способность принимать решения в условиях неопределенности; способность объяснять ход и результат решения понятным для пользователя способом; четкое разделение декларативных и процедурных знаний (фактов и механизмов вывода); способность пополнять базу знаний, возможность наращивания системы; результат выдается в виде конкретных рекомендаций для действий в сложившейся ситуации, не уступающих решениям лучших специалистов; ориентация на решение неформализованных (способ формализации пока неизвестен) задач; алгоритм решения не описывается заранее, а строится самой экспертной системой; отсутствие гарантии нахождения оптимального решения с возможностью учиться на ошибках. Область исследований, посвященная формализации способов представления знаний и построению экспертных систем (ЭС), называют «инженерией знаний». Этот термин введен Е. Фейгенбаумом и в его трактовке означает «привнесение принципов и средств из области искусственного интеллекта в решение трудных прикладных проблем, требующих знаний экспертов. Таким образом, экспертная система - это компьютерная система, которая эмулирует способности эксперта к принятию решений. Термин эмулирует означает, что экспертная система обязана действовать во всех отношениях как эксперт-человек. Понятие эмуляции является гораздо более строгим, чем моделирование, поскольку моделирующая система обязана действовать подобно реальному объекту лишь в определенных отношениях. 2. Принципы построения ЭС. Пользователь передает в экспертную систему факты или другую информацию и получает в качестве результата экспертный совет или экспертные знания. По своей структуре экспертная система подразделяется на два основных компонента - базу знаний и машину логического вывода. База знаний содержит знания, на основании которых машина логического вывода формирует заключения. 3. Этапы построения экспертных систем 1. Идентификация (определение людских и материальных ресурсов, класса задач, целей и т.д.); 2. Концептуализация (определяются основные понятия, терминология, стратегия принятия решений и т.д.); 3. Формализация (выбор языка представления знаний, продукционные модели, семантические сети и т.д.); 4. Разработка прототипа (создание усеченной версии для проверки работы программы); 5. Тестирование (выявление ошибок, адекватности интерфейса и т.д.); 6. Опытная эксплуатация. 4. Классификация экспертных систем Экспертные системы разделяются: По задаче По связи с реальным временем По типу ЭВМ По степени интеграции По задаче: Интерпретация данных (обнаружение и идентификация различных типов океанских судов – SIAP, определение свойств личности – АВТАНТЕСТ и др.) Диагностика (медицинская, аппаратуры, математического обеспечение и др.) Мониторинг (помощь диспетчерам атомного реактора – REACTOR, контроль за работой электростанций, аварийных датчиков) Проектирование (конфигураций ЭВМ, синтез электрических цепей – SYN и др.) Прогнозирование (предсказание погоды – WILLARD, оценки урожая - PLANT, прогнозы в экономике - ECON и т.д.) Планирование (планирование поведение робота – STRIPS, планирование промышленных заказов – ISIS и т.д.) По связи с реальным временем: Статические Квазидинамические Динамические По типу ЭВМ: На суперЭВМ На ЭВМ средней производительности На символьных процессорах На мини- и супермини- ЭВМ На ПЭВМ По степени интеграции: Автономные Гибридные (интегрированные) 5. Предметная связь. Предметная область - это специальная проблемная область, такая как медицина, финансы, наука и техника, в которой может очень хорошо решать задачи лишь определенный эксперт. Экспертные системы, как и эксперты-люди, в целом предназначены для использования в качестве экспертов в одной предметной области. Экспертные знания в одной предметной области не переносятся автоматически на другую область. Преимущества экспертных систем. Повышенная доступность. Уменьшенные издержки. Уменьшенная опасность. Постоянство. Возможность получения экспертных знаний из многих источников. Повышенная надежность. Объяснение. Быстрый отклик. Неизменно правильный, лишенный эмоций и полный ответ при любых обстоятельствах. Возможность применения в качестве интеллектуальной обучающей программы. Возможность применения в качестве интеллектуальной базы данных. Экспертные системы могут использоваться для доступа к базам данных с помощью интеллектуального способа доступа. Медицинские экспертные системы: MYCIN – промышленная ЭС для диагностики и лечения инфекционных заболеваний крови. EMYCIN – Empty MYCIN (пустой МИЦИН), диагностическая ЭС с незаполненной базой данных. Возможно использование для диагностики и лечения заболеваний разного профиля. ANGY – диагностика и терапия сужения коронарных сосудов. ДИАГЕН – диагностика наследственных болезней. ДИН – диагностика неотложных состояний, используется при стёртой клинической картине заболеваний. ВЕСТ-СИНДРОМ – диагностика судорожных состояний (эпилепсии). Другие. 6. Применение ЭС в медицине. Данные в ЭС являются типичными для медицинских задач, так как в большинстве случаев они представлены большим объемом многомерных, запутанных, а порой и противоречивых клинических данных. ЭС позволяют решать задачи диагностики, дифференциальной диагностики, прогнозирования, выбора стратегии и тактики лечения и другое. Экспертные системы принадлежат к классу систем “искусственного интеллекта”, что содержат базу знаний с набором эвристических алгоритмов. Наиболее важные области применения консультативно-диагностических систем - неотложное и угрожающее состояния, которые характеризуются дефицитом времени, ограниченными возможностями обследования и консультаций и нередко малой клинической симптоматикой, при высокой угрозе для жизни больного и быстрых темпах развития процесса. Виды ЭС в медицине: По способу решения: вероятностные и экспертные. По типу поддержки решения: системы, улучшающие диагностику, системы, предлагающие лучшую стратегию лечения. По типу вмешательства: пассивные, полуактивные, активные. Другое. Искусственный интеллект в медицине. Термин введен в 1956 году в Стенфордском университете С 1940 гг.. зарождение ИИ принадлежит Н.Винеру. 1954 г. МГУ проф Ляпунов А.А. работа в области «Автоматы и мышление» в области физиологии, психологии, математики. В конце 70-х 20 в. Моделирование баз знаний конкретных специалистов-экспертов 80-90 гг.. Разработка языков представления знаний, экспертных систем Технологии ИИ: Интеллектуальный анализ данных (Data Mining) Нейронные сети Системы рассуждений Системы обнаружения логических закономерностей в данных Генетические алгоритмы Искусственные нейронные сети (ИНС; artificial neural networks). Нелинейная система, позволяющая классифицировать данные гораздо лучше, чем обычно используемые линейные методы. В приложении к медицинской диагностике ИНС дают возможность значительно повысить специфичность метода, не снижая его чувствительность. Генетические алгоритмы. Данные программы имитируют реальные биологические процессы. 1 шаг – кодировка исход. данных (хромосом) в БД. Весь набор хромосом – популяция. 2 шаг – сопоставление хромосом . Обработка процедурами: репродукция, мутации, рекомбинации и миграции. Получаем новые данные с более совершенными знаниями. 7. Реализации экспертных систем диагностики и лечения больных. Метод дисперсионного картирования экг-сигнала с использованием электродинамической модели сердца (КардиоВизор-06сИ). Прибор “КардиоВизор-06с” реализует еще одну новую технологию анализа ЭКГ-сигнала, базирующуюся на оценке существующих в норме и патологии низкоамплитудных (10-30 мкВ) колебаний (дисперсий) сигнала (от цикла к циклу), которые можно выявить на всем протяжении кардиоцикла (Р- QRS - T ). Полученные результаты анализа дисперсий колебаний амплитуд де- и реполяризации предсердий и желудочков отображаются на поверхности квазиэпикарда с использованием предложенной авторами новой электродинамической модели миокарда. Компьютерное биорезонансное тестирование состояния организма. Бирезонансная терапия уже признана эффективным методом диагностирования и лечения. Принцип диагностирования основан на биорезонансном тестировании по принципу обратной связи с организмом человека, с активацией подкорковых структур мозга. Этот метод тестирования позволяет проследить этапы перехода от здоровья к болезни по изменению волновых характеристик тканей и даже отдельных клеток организма, При этом осуществляется спектральный анализ вихревых магнитных полей, возникающих в процессе электрохимических превращений в живых клетках. Аппарат Оберон. Экспертная диагностическая система под управлением опытного врача способна дать точные ответы Предназначен для проведения компьютерного нелинейного анализа и прогноза состояния исследуемых систем. Данный комплекс позволяет определить условия стабильного существования любой материальной системы (объекта), вне зависимости от структурной организации (механическая, физико-химическая, биологическая). 8. Основные понятия моделирования Моделирование – это метод познания, состоящий в создании и исследовании моделей. Модель – это новый объект, который отражает существенные особенности изучаемого объекта, явления или процесса. Процесс моделирования включает три элемента: субъект (исследователь), объект исследования, модель, опосредствующую отношения познающего субъекта и познаваемого объекта. Построение моделей включает этапы: 1. получение знаний об объекте-оригинале 2. проведение экспериментов с моделью - исследование «поведения» модели 3. перенос знаний с модели на оригинал 4. практическая проверка получаемых с помощью моделей знаний и их использование для построения обобщающей теории объекта, его преобразования или управления им. Классификация моделей по области использования: Учебные модели используются при обучении. Например, наглядные пособия, различные тренажеры, обучающие программы. Опытные модели используются для исследования объекта и прогнозирования его будущих характеристик. Например, искусственные протезы клапанов сердца. Научно-технические модели создаются для исследования процессов и явлений. К таким моделям можно отнести модель движения планет Солнечной системы, модель камер сердца и его клапанов. Игровые модели — это различного рода игры: деловые, экономические, лечебные. С помощью таких моделей можно разрешать конфликтные ситуации, оказывать психологическую помощь, проигрывать поведение объекта в различных ситуациях. Имитационные модели имитируют реальность с той или иной степенью точности. 9. Классификация моделей по отрасли знаний. Биологические Медицинские, Химические, Физические и т.д. Типы моделей в зависимости от целей использования: Оптимизационные – предназначены для определения новых свойств моделируемого объекта. Например, расчет вероятности развития осложнения после операции. Описательные - описывают поведение некоторой системы и не предназначены для целей управления. Например, формулы, описывающие изменение концентрации лекарственного вещества в крови после его введения. Классификация моделей по способу представления: Предметные модели - воспроизводят геометрические, физические и другие свойства объектов в материальном мире. Например, искусственный хрусталик, искусственный тазобедренный сустав, скелет человека Информационные модели – отражают свойства объектов, предметов или процессов с помощью ассоциативных знаков (слова, рисунки, схемы, чертежи, формулы и т.д.). Например, схема кровоснабжения сердца. Типы информационных моделей: словесные, графические, математические. В зависимости от структуры информационные модели делятся на табличные, иерархические и сетевые. 10. Цели математического моделирования в медицине. Адекватно в короткий срок обобщить сложную сущность явлений и процессов в медицине Описать и понять факты, выявить взаимосвязи между элементами Найти рациональное решение с наибольшей полнотой и надежностью. Быстро и эффективно проверять гипотезы без обращения к эксперименту. Предсказывать поведение реальной системы. Типы моделей в медицине: Вещественные – имеют внешнее сходством с объектом моделирования. Например, протез нижней конечности. Энергетические – моделируют функцию организма при отсутствии внешнего сходства. Например, искусственная почка. Смешанные – моделируют и внешнее сходство объекта и его функцию. Например, дистанционно управляемый протез. Информационные – описывают объект с помощью ассоциативных знаков. Биологические – заболевания модулируют на животных. Например, крысы с эпилепсией, тугоухостью, артериальной гипертензией. 12. Имитационное моделирование в медицине. Имитационное моделирование — это метод исследования, при котором изучаемая система заменяется моделью, с достаточной точностью описывающей реальную систему и с ней проводятся эксперименты с целью получения информации об этой системе. Экспериментирование с моделью называют имитацией (имитация — это постижение сути явления, не прибегая к экспериментам на реальном объекте). Современная технология имитационного моделирования решает задачи в сфере здравоохранения и фармацевтической отрасли. Например, анализ бизнес-процессов при проектировании больниц, оптимизация количества персонала и медицинского оборудования, планирование выхода на рынок новых лекарственных препаратов. Примеры моделей.  Расчётные сетки, поля скоростей и области возможных поражений глаза (отмечены черным цветом) при лазерном разрушении хрусталика. 6. Тема следующей лекции: «Медицинские информационные системы». Материал для самоподготовки: Медицинские информационные системы. Системы поддержки принятия решений в медицине. 7. Литература Основная: 1. Кудрина В.Г., Андреева Т.В., Дзеранова Н.Г. Эффективность обучения медицинских работников информационным технологиям. Москва: ИД "Менеджер здравоохранения", 2013. - 248 с. 2. Федорова, Г.Н. Информационные системы: Учебник для студ. учреждений сред. проф. образования / Г.Н. Федорова. - М.: ИЦ Академия, 2013. - 208 c. 3. Лебедева Г.С., Мухина Ю.Ю. Информационные технологии в медицине. - М.: Радиотехника, 2012. - 208 с. 4. Гвоздева, В.А. Информатика, автоматизированные информационные технологии и системы: учебник. – Москва: Форум: Инфра-М, 2011. – 541 с. 5. Симонович С.В. и др. Информатика. Базовый курс: учебное пособие для высших технических учебных заведений – Санкт-Петербург: Питер, 2011. – 639 с. Дополнительная: 1. Леонтьев В. П. Новейшая энциклопедия персонального компьютера 2009. М.: ОЛМА Медиа групп. 2008. – 407 с. 2. Файбушевич А.Г., Проценко В.Д. Применение методов клинической информатики в комплексных исследованиях и лечении больных Учебное пособие. М.: РУДН, 2008. – 121 с. 3. Глушаков С.В., Сурядный А.С. Самоучитель для работы на ПК. Харьков: Фолио АСТ, 2003, 500 с. 4. Дюк В., Эмануэль В. Информационные технологии в медико-биологических исследованиях. СПб.: Питер, 2003. – 311 с. 5. Назаренко Г. И., Михеев А. Е. Больничные информационные системы. Разработка. Внедрение. Эксплуатация // Сер. «Информационные системы в медицине». Вып. 4. М.: Медицина XXI, 2003, 178 -183 С. 6. Фигурнов В.В. IBM PC для пользователей. - М.: Финансы и статистика, 2001. 7. Гельман В.Я. Медицинская информатика: практикум. – Спб: Питер, 2001.- 480 с. |