CC BY
25
Л1ТЕРАТУРА
1. Гершунский Б. С. Философия образования. — М.: Флшта, 1998. — 36 с.
2. Кривошеев А. О. Проблемы развития компьютерных обучающих программ //Высшее образование в России. 1994, №3, С. 12-20.
3. Миллер Т., Пауэл Д. Использование Delphi 4. Специальное издание.: Пер. с англ. — К.: Диалектика. 1999. — 768 с.
УДК 378
Ольга КОВАЛЬЧУК, Роман ЮАНИЦЬКИИ
1НТЕЛЕКТУАЛЬН1 СИСТЕМИ В МЕДИЦИН1
Основш
проблеми при розв'язанш р1з-
них задач у медициш та охорот здоров'я, о^м дефiциту ресурсiв, визначаються браком часу та шформацл. У наш час швидк1сть i яшсть отримання та обробки шформацл стали умовою юнування та прогресу галуз^ Цю проблему неможливо розв'язати без використання комп'ютерiв i комп'ютерних технологш.
Комп'ютернi технологи е вiдносно новими взагалi i для медичних пращвниюв зо-крема.
Свiтовий досвiд чiтко свiдчить, що новi медичш технологи та техтчт засоби, що 1х забезпечують, з'являються i асимiлюються клiнiчною практикою, перш за все, шляхом переносу вдей фiзики, х1ми, математики, радюелектрошки, iнформатики в медичну проблематику. Сучасний технологiчний фундамент науково! та клшчно! медицини ви-ник i розвиваеться саме «на стику наук», на основi потенщалу рiзних галузей науки i технiки, який об'еднуеться загальними проблемами медичного спрямування.
Людина завжди прагнула змоделювати щось подабне до себе. Було зроблено чи-мало спроб, але всi вони виявились безуспiшними, оск1льки це дуже складна задача. Перелом вiдбувся в середит XX столiття. Йому сприяли дм поди — Вiнер заклав ос-нови кибернетики i з'явилися першi ЕОМ.
152
Науков1 записки. Серш: Педагопка. — №6. — 2002.
Термш штучний Штелект (Ш1 — artificial intelligence, AI) з'явився у 50-х роках.
Задач^ яю Heo6xiAHO було вирiшувати, були не обчислювального, а логiчного характеру.
Роботи у сферi Ш1 можна роздшити на два основнi напрями:
1. Нейроюбернетика. Основная щея: будь-який мислячий пристрiй повинен яки-мось чином ввдтворювати структуру людського мозку. Ця наука орieнтована на апарат-не моделювання. Мозок людини складаеться з порядку 1021 нейронiв, зв'язаних мiж собою. G успiшнi спроби моделювання множини нейронiв — нейронт мережi. Першi ус-пiхи були вражаючими. Був створений перший об'ект — персептрон — деяка матриця нейронiв, яка могла розпiзнавати два стани (наприклад, падае свiтло чи т). Вона могла розпiзнавати образ. З'явилась нова проблема — потрiбно було робити велик матрицi через значну кiлькiсть iнформацii. Тому про цей напрям забули на 10-15 роив.
В останнш час нейроюбернетика знову почала розвиватись завдяки значному стрибку в розвитку ЕОМ та шформацшних технологiй. З'явились нейрокомп'ютери, трансп'ютери. Можна видiлити три способи реалiзацii нейромереж: апаратний (плати i т.д.), програмний (нейромережа моделюеться в пам'яп комп'ютера), гiбридний — сере-дне мiж першим i другим способами. Зараз нейроюбернетика розвиваеться в напрямку нейрокомп'ютерiв i основною задачею е розтзнавання образiв.
2. Шбернетика чорного ящика. Немае значення, як побудований мислячий при-стрiй; головне, щоб на заданi вхiднi Aii вш реагував так само, як людський розум.
Оскiльки медичнi знання в силу специфiчних особливостей iнформацiйноi бази i характеру опису захворювань мають емтричний характер, слабо структурованi i погано формалiзованi, то медичш задачi е так званими «людськими» задачами. 1х розв'язання пов'язане з нетривiальними логiчними умовиводами i пошук результатiв, як правило, зводиться до перебору й аналiзу значноi юлькосп можливих варiантiв. Са-ме штучний штелект займаеться розв'язанням задач такого типу.
Коли спробували дослiдити алгоритми людського мозку, зрозумши, що це дуже важко. Наука не знае, як мислить людина, як вона приймае рiшення.
В основному розв'язання проблеми вiдбуваеться за допомогою моделi лабiрин-тного пошуку (пошук по дереву ршень). Але це дерево може бути дуже великим. Ви-никае проблема його зберiгання i пошуку потрiбного шляху; iнколи деяю гiлки можуть бути невiдомими. У такому випадку застосовуються евристики (евристика — правило, теоретично не обгрунтоване, але таке, що дозволяе скоротити перебiр в деревi рiшень). На основi евристик з'явилось евристичне програмування — розробка стратегiй дiй на основi наперед заданих вiдомих евристик.
У 70-80 рр. ХХ столитя з'явилось поняття експертна система (ЕС) або система, основана на знаннях. Цей напрям почав розвиватися i в 90-х минулого столiття досяг свого тку. Експертш системи використовувались у медицин та дiагностицi. Цей на-прям i зараз продовжуе розвиватись.
ЕС працюе в режимi порадника. Часто хочеться знати, на основi чого прийняте рiшення. Для цього ввели тдсистему пояснень. 1снуе поняття порожньоi ЕС, база знань якоi порожня.
Науков1 записки. Сер1я: Педагогiка. — №6. — 2002. 153
Першими розробленими ЕС були медичш експертт системи.
Одною з перших ЕС була створена експертна система MYCIN, розроблена для ме-дично1 дагностики. Зокрема, вона призначена для роботи в галузi дiагностики i л^-вання заражения кровi та медичних iнфекцiй. Система ставить вiдповiдниИ дiагноз, ви-ходячи iз поданих ш симптомiв i рекомендуе курс медикаментозного лiкувания з 450 правил, розроблених за допомогою групи з iнфекцiИних захворювань Стендфордського утверситету. II основним моментом е використання Имовiрнiсного пiдходу.
Система MYCIN розв'язуе задачу шляхом призначення показника визначеносп кожному iз сво1х 450 правил. Тому можна уявляти MYCIN як систему, яка мютить на-бiр правил виду «якщо <умова>, то <результат>» iз визначенiстю Р, яку надали експер-ти. Вони виклали правила i вказали ступiнь свое1 довiри до кожного правила за шкалою ввд 1 до 10.
Встановивши цi правила i пов'язаш з ними показники визначеносп, MYCIN руха-еться по ланцюжку назад ввд можливого результату, щоб переконатись, чи можна вiри-ти такому результату. Встановивши вс вихiднi передумови, ЕС формуе судження за даним результатом, розраховане на основi показниюв визначеносп, пов'язаних з усiма правилами, як потрiбно використати.
MYCIN не видае дiагноз i не розкривае його точний показник невизначеностi. Система видае цший список дiагнозiв, називаючи показник визначеносп для кожного з них. Ус даагнози з показниками, вищими вiд певного специфiчного для кожного дiаг-нозу рiвня, приймаються як в тому чи шшому ступенi Имовiрнi, i користувачу видаеть-ся список можливих варiантiв.
Серед iнших найбшьш вiдомих медичних ЕС, що практично використовуються, можна назвати таш:
INFERNO — медична даагностика;
CASNET — дагностика i прогнозування розвитку глаукоми;
INTERSIST-I — дiагностика захворювания внутрiшнiх органiв;
INTERSIST-II — удосконалений варiант, розрахований бшьш, нiж на 500 захворювань;
PIP — дагностика захворювань нирок;
DENDRAL — iдентифiкацiя молекулярних структур в оргатчних речовинах;
LHASA, SECS — пошук метода лабораторного синтезу ввдомих речовин.
Медичн ЕС дозволяють враховувати дагностичну цiннiсть i зв'язки ознак (у тому чи^ нечiтких) в рiзнi перiоди патолопчного процесу i при некласичних варiантах протiкання захворювання, здiИснювати вибiр стратегш, адекватних задачi, що виршу-еться та вдентиф^вати стан у широкому колi захворювань, органiзовувати доопиту-вання лiкаря з метою вибору мiж альтернативними гiпотезами, надавати пояснення рь шення, що пропонуеться. Дииамiчнi ЕС з штегрованими математичними моделями дозволили не лише послабити жорстшсть початкових передумов, обумовлених представ-ленням iнформацiï експертами в якiснiИ та дискретнш формi, а й створили передумови 1х використання в умовах реального часу при неввдкладних станах.
154
Науков1 записки. Сер1я: Педагопка. — №6. — 2002.
В окремих системах реалiзуються мехатзми, що забезпечують додатковi умови психолопчно1' сумюносл лiкаря з комп'ютерною системою тдтримки процесу прий-няття ршенпя. Для досягнення цieï мети необхiдне iндивiдyальне «налаштування» сис-теми лшарем, яка передбачае так1 можливосп: ввдображення власного уявлення про дь агностичну значимiсть симптомiв захворювання у конкретного пащента (за необхiдно-стi проаналiзyвати ряд двагностичних гiпотез); вести дагностичний пошук за ознаками або ввд дагнозу, що припускаеться; управляти ступенем жорсткостi вiдборy нозолопч-них форм у диференщально-даагностичний ряд, зменшуючи або збшьшуючи його.
За останнi роки робляться спроби в напрямку пошуку способiв вiдображення об-разно-iнтyïтивних уявлень та рефлекси лiкаря в формальному видi для включения цих невербалiзованих знань в iнтелектyальнi системи. Йдеться про створення принципово нового класу iнтелектyальних систем на основi символьно-образних баз знань i рефлексивного управлшня.
Застосування iнтелектyальних систем в дистанцшнш дiагностицi розпочалося ще у 80-х роках тепер вже минулого столтя. Тод дистанцiйна дiагностика спадкових за-хворювань здшснювалась по видшенш телефоннiй лiнiï з використанням автоматизо-ваноï мереж1, основаноï на знаннях. Пiзнiше використовувалась експертна система Д1-НАР, дагностичний блок яко1' забезпечував автоматизоване опитування i визначав оп-тимальне тактичне рiшения.
Як свiдчить статистика, лiкар правильно дагностуе шфаркт мiокарда у 88% хво-рих i помилково — в 29%. Iсторiя застосування рiзних методiв обробки даних для тд-вищення якосп дiагностики нараховуе десятилiття, але кращий iз них допомiг скороти-ти шльшсть гiпердiагностики лише на 3%.
У 1990 рощ Вшьям Бакст iз Калiфорнiйського yнiверситетy в Сан^его викорис-тав нейронну мережу — багатошаровий персептрон — для розтзнавання iнфарктy мiо-карда в пащент1в, як1 поступають у прийомний покш iз гострим болем у грудях. Його метою було створення шструмента, здатного допомогти л^рям, як1 не в силах справи-тись iз потоком даних, як1 характеризують стан хворого, що поступив. 1ншою метою може бути вдосконалення д1агностики. Мережа продемонструвала точнiсть 92% при виявленш iнфарктy мiокарда i дала лише 4% випадшв помилкового п1дтвердженпя на-правлення пац1ент1в без iнфарктy в кардюлопчне вiддiления. Отже, штyчнi нейронш мереж1 усп1шно застосовуються в дагностищ захворювання.
1деальний метод д1агностики повинен мати стовiдсотковi чyттевiсть i специфiч-нiсть — не пропускати жодно1' хворо1' людини i не лякати здорових людей. Перестраху-вання призводить до того, що в багатьох людей лiкарi пiдозрюють захворювання, яких насправд1 в пацiентiв немае.
Нейронш мереж! — це нелшйт системи, яш дозволяють значно краще класифь кувати данi, н!ж стандартнi л1шйш методи. У додатку до медично1' дiагностики вони дають можлив!сть значно тдвищити специфiчнiсть методу, не понижуючи його чутте-вост1.
Нейромережi виявились здатними приймати рiшения, базуючись на виявлених ними прихованих закономiрностях у багатомiрних даних. осо6лив!стю нейромереж е
Науков1 записки. Сер1я: Педагогiка. — №6. — 2002. 155
те, що вони не програмуються — не використовують жодних правил виводу для вста-новлення даагнозу, а навчають робити це на прикладах. У цьому розумiннi нейромереж1 не схож1 на експертнi системи.
Дiагностика е частковим випадком класиф^цп подш, причому найбiльшу щн-шсть становить класифiкацiя тих подш, як вiдсутнi в навчаючому нейромережу набора Тут виявляеться перевага нейромережевих технологш — вони здатнi здшснювати таку класифiкацiю, узагальнюючи попереднш досвiд i застосовуючи його в нових випадках.
У медициш знаходить застосування й шша особливiсть нейромереж — !х здат-нiсть передбачати часовi послвдовност!
Рiзноманiтнi можливосл застосування нейромереж у медициш, рiзноманiтна i !х-ня архiтектура. На основi прогнозу окремих результалв лiкування захворювання тим чи шшим методом, можна надати перевагу одному з них. Значних результалв у про-гнозi лiкування раку досягли завдяки використанню так звано1 машини Больцмана — нейромережi для оцшки ймовiрностей.
Дiагностика i л^вання онкологiчних захворювань, а також розробка нових меди-каментозних засобiв, безсумтвно, також е важливою сферою застосування нейромережевих технологш. Нейромережi вже доволi давно активно застосовуються в аналiзi ге-номних послiдовностей ДНК.
Звичайно, основним iнструментом лiкаря школи не стане комп'ютер. Ним зали-шиться стетоскоп, а хiрургiчна операщйна не поступиться iнформацiйнiй системi. Але комп'ютери та шформацшт системи е важливими елементами системи охорони здоров'я. Ефектившсть та як1сть надання медично1 допомоги все бiльше залежать ввд ш-формацiйних технологiй, швидкосп та якост отримувано1 медично1 шформацц.
Л1ТЕРАТУРА
1. Милешкина Ю. Ю. Экспертные системы. — http://emanual.ru/download/273-28.html.
2. Кобринский Б. А. Системы интеллектуальной поддержки решений и консультативная дистанционная помощь. — www.medline.ru/klinic/index.shtml.
УДК 681.3:06:51
Оксана КОСТЮ, Володимир ЧЕРНЯХ1ВСЬКИЙ ДИДАКТИЧН1 МАТЕР1АЛИ ДО ВИВЧЕННЯ ЕЛЕМЕНТ1В ШК1ЛЬНО1 1НФОРМАТИКИ В УН1ВЕРСИТЕТ1
На факультет! прикладно1 математики та шформатики Львiвського нацiонального унiверситету iменi 1вана Франка ведеться пiдготовка бакалаврiв за спещальшстю «1н-форматика». Для тдготовки випускник1в до викладання курсу шформатики у навчаль-них закладах рiзних рiвнiв навчальний план передбачае ^м загальних дисциплiн пси-холого-педагогiчного циклу вивчення предметiв, як1 стосуються фахово1 пiдготовки, зокрема, «Елементи шк1льно1 шформатики та математики», який включае лекцп та практичнi заняття. Оск1льки курс читаеться на 4 курс i студенти добре пiдготовленi до
156
Науков1 записки. Сер1я: Педагог1ка. — №6. — 2002.
