Ученый совет_www.idmz.nu ,П8
№12, 2004 ^
С.И.КАРАСЬ
МЕТОДОЛОГИЯ ИССЛЕДОВАНИЯ СТРУКТУРЫ ЭКСПЕРТНЫХ ЗНАНИЙ В СЛАБО ФОРМАЛИЗОВАННЫХ ОБЛАСТЯХ МЕДИЦИНЫ
Автореферат диссертации на соискание ученой степени доктора медицинских наук
Шифр специальности:
05.13.01 - Системный анализ, управление и обработка информации в здравоохранении (медицинские науки).
Работа выполнена в ГОУ ВПО Сибирский государственный медицинский университет Министерства здравоохранения Российской Федерации, г.Томск. Научный консультант:
д.м.н., профессор Татьяна Васильевна Зарубина Официальные оппоненты:
д.м.н., профессор Александр Сергеевич Киселев; д.м.н., профессор Борис Аркадьевич Кобринский; д.м.н., профессор Василий Викторович Власов. Ведущая организация:
Институт молекулярной биологии и биофизики СО РАМН Дата защиты:
28 мая 2004 г. Диссертационный совет:
Д.208.110.01 при Центральном научно-исследовательском институте организации и информатизации здравоохранения Минздрава Российской Федерации по адресу: 127254, г.Москва, ул. Добролюбова, д.11.
>
гчшш
ЬЛ1
I и информационные
технологии
ОБЩАЯ
ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность исследования. Изменение форм и содержания медицинского образования невозможно без создания методологии исследования самого ценного концепта человеческого бытия - знаний [Гаврилова Т.А., Хорошевский В.Ф., 2000].
Без изучения структуры знаний создание компьютерных обучающих и консультирующих программ становится процессом, основанным исключительно на интуиции, на личных представлениях разработчиков о предметной области [Гельфанд И.М. и др., 1988; Змитрович А.И., 1997]. Знания, являясь основой создания средств обучения, должны быть предварительно обработаны в соответствии с методами соответствующей науки - когнитологии [Литвак Б.Г., 1982; Величковский Б.М., 1996]. Настоящее исследование выполнено на примере одной из слабо формализованных клинических дисциплин -психиатрии.
Целью исследования являются разработка методологических основ и создание инструментов представления и анализа структуры медицинских экспертных знаний в слабо формализованных областях медицины.
Задачи исследования:
1. Разработка способов исследования экспертных знаний, обеспечивающих их представление в виде совокупности элементов знаний, визуализацию и последующее создание структуры знаний.
2. Разработка комплекса компьютерных программ, поддерживающего методы исследования структуры медицинских экспертных знаний.
3. Исследование индивидуальных различий структуры знаний экспертов, их сравнение и согласование.
4. Изучение структуры знаний экспертов в слабо формализованных областях медицины на примере психиатрии.
5. Разработка компьютерных приложений для обучения психиатрии и поддержки принятия клинических решений на основе выявленной структуры знаний экспертов, оценка их эффективности.
НАУЧНАЯ НОВИЗНА
Разработанная методология обеспечивает формализацию, представление и визуализацию структуры знаний путем последовательного использования аналитического и синтетического этапов работы с их элементами. Применение методов теории графов к экспертным знаниям позволило определить параметры знаний, провести их кластеризацию и поиск иерархических структур.
Создан программный комплекс инженерии знаний. Полученные результаты применены при разработке обучающих приложений и программ поддержки решений в психиатрии. Предложена точка зрения на изменение структуры знаний студентов в процессе обучения с позиций моделей их представления.
ПРАКТИЧЕСКАЯ ЗНАЧИМОСТЬ
На основе полученных результатов впервые разработаны программные средства в области инженерии знаний, преподавания и поддержки врачебных решений:
1. Программный комплекс инженерии знаний для исследования структуры знаний в любых медицинских предметных областях.
2. Программная оболочка для построения экспертных систем.
3. Обучающая и тестирующая программа по психиатрии.
4. Электронный учебник по общей психопатологии.
5. Программа поддержки решений по диагностике психических расстройств.
6. Программа поддержки решений по фармакотерапии шизофренических расстройств.
F4I
www.idmz.ru . hil
№12, 2004
ПОЛОЖЕНИЯ, ВЫНОСИМЫЕ НА ЗАЩИТУ
1. Экспертные знания в слабо формализованных областях медицины могут быть представлены в виде элементов, образующих неориентированный граф после соединения ассоциативными связями.
2. Определение параметров данного графа, поиск иерархически организованных предметных областей и кластеров знаний являются эффективными инструментами изучения структуры медицинских знаний.
3. Индивидуальные различия структуры знаний в слабо формализованной медицинской области (на примере психиатрии) ограничены. В большинстве разделов психиатрии знания имеют сетевую структуру. Применение иерархической модели позволяет визуализировать знания, но ограниченно в их представлении.
4. Выявленная структура экспертных знаний использована для разработки обучающих компьютерных приложений и программ поддержки врачебных решений.
Получены акты о внедрении 6 компьютерных программ из Сибирского государственного медицинского университета, Томской областной психиатрической больницы, НИИ психического здоровья ТНЦ СО РАМН. Результаты исследования включены в отчеты по гранту RF-89 Research Support Scheme, Soros Foundation (2000 г.) и по гранту RF-1017 Tempus Foundation (2002 г.).
ПУБЛИКАЦИИ
По материалам диссертации опубликовано 32 научные работы, в том числе одно учебное пособие с грифом УМО Минздрава РФ и 14 статей в центральной печати.
СТРУКТУРА И ОБЪЕМ РАБОТЫ
Диссертация изложена на 247 листах машинописного текста, иллюстрирована 27 таблицами и 53 рисунками. Состоит из введения, об-
зора литературы, описания методов и материала, четырех глав собственных исследований, заключения, списка использованных литературных источников. Указатель литературы содержит 356 источников, в том числе 184 иностранных.
СОДЕРЖАНИЕ РАБОТЫ
В первой главе работы взаимоотношения между знаниями, системным анализом и когни-тологией рассматриваются с исторической и актуальной точек зрения. Приводятся описанные в литературе типы знаний, их свойства, традиционные модели представления. Системный анализ рассматривается как основа методологии исследования знаний.
Основные способы принятия медицинских решений подразделяются на алгоритмические и эвристические (экспертные). В связи с этой дихотомией рассмотрены классификации психических заболеваний и системы поддержки решений в психиатрии. Описаны также особенности экспертных знаний, вопросы информационных технологий и обучения в медицине.
Во второй главе рассмотрены методы извлечения и согласования экспертных знаний. Материалами исследования служили знания высококвалифицированных экспертов, сотрудников Сибирского государственного медицинского университета, НИИ психического здоровья ТНЦ СО РАМН, Российского государственного медицинского университета (г.Москва) и Национального научного центра наркологии (г.Москва). Для извлечения экспертных знаний использованы активные и пассивные, прямые и непрямые когни-тологические методы. Применен итерационный тип опроса и дельфийская техника работы с экспертами без их непосредственного контакта.
Для анализа структуры экспертных знаний, представленных в виде графа, использованы методы соответствующей теории. Были проведены процедура кластеризации элементов знаний, определение центров и радиуса кластеров, поиск иерархически организованных областей графа.
>
W-ЩШШ kJH
I и информационные
технологии
Для создания компьютерных программ использован ряд инструментальных средств и программных оболочек (Borland Delphi, Borland Pascal, Corel Draw, RX Library, Windows Media Player, Help Scribble, HTML). Статистическая обработка результатов проверки эффективности программных приложений проведена с использованием индекса каппа и критерия Колмогорова.
В третьей главе приводятся результаты формализации и согласования структуры медицинских экспертных знаний. Первым этапом исследования знаний было создание их остова как списка несвязанных информационных элементов. В качестве элементов используются формализованные анамнестические сведения, поведенческие признаки, симптомы, синдромы, способы лечения и т.п. В первом модуле разработанного программного комплекса каждый элемент знаний может быть произвольно назван, подробно описан и помещен в некоторое подмножество.
Вторым этапом исследования знаний является идентификация их структуры путем обозначения связей между элементами знаний остова. Обязательной является количественная оценка экспертом силы связи. В большинстве случаев связи относятся к типу ассоциативных, отражают наличие общего смысла и не имеют направления. Это наиболее естественная связь для слабо формализованных областей, приводящая к созданию неориентированного графа знаний. Второй модуль программного комплекса поддерживает эту структуру.
На третьем этапе исследования знаний оцениваются центр области, ее радиус и минимальная сумма расстояний от центра до всех элементов знаний. Наличие большого количества центров позволяет предположить сетевую структуру знаний. Большой радиус является предпосылкой дальнейшего разделения области на подмножества узлов при увеличении пороговой силы связи. Анализ структуры знаний включает также
поиск иерархически организованных групп элементов.
Итогом исследования знаний с использованием программного комплекса «Lynx» является множество взаимосвязанных элементов знаний, среди которых выделены подобласти с иерархической либо сетевой организацией.
Для ответа на вопрос о стабильности связей между элементами знаний были проведены повторные сеансы с тем же экспертом. Несовпадение силы связи во время разных сеансов не превышало одного ранга и было отмечено для 8% связей. Вариация радиуса области знаний не превышала 15%. Вариация минимальной суммы расстояний от центрального элемента знаний до всех остальных элементов составляет 13% в области «Лечение аффективных расстройств» и 18% в области «Психотропная терапия аффективных расстройств». Это свидетельствует о высокой стабильности структуры знаний экспертов, имеющих достаточный опыт практической работы наряду с глубокими теоретическими знаниями. Они ориентируются на классификацию МКБ-10 как основную.
В четвертой главе рассмотрены результаты исследования структуры экспертных знаний по психиатрии.
В разделе «Общая психопатология» знания экспертов группируются в виде кластеров вокруг основных синдромов. Такую структуру можно назвать кластерно-сетевой. При уменьшении пороговой силы связи центрами кластеров вместо синдромов становятся симптомы психических расстройств.
При любой пороговой связи в области аффективных и шизофренических расстройств кластеры узлов не определяются. Центральными элементами являются психотический уровень расстройств и тяжелый депрессивный эпизод с психотическими симптомами. Это свидетельствует о соответствии обозначения данных расстройств как «эндогенные психозы» реальным знаниям психиатров. При анализе знаний о шизофрени-
Ученый совет_www.idmz.nu ,П8
№12, 2004 ^
ческих расстройствах немногочисленные центральные узлы отражают синдромальную классификацию, близкую предложенной Э.Крепе-линым.
Знания о непсихотических расстройствах разбиваются на кластеры вокруг базовых понятий психиатрии (соматизация, ипохондрия, истерическая личность, фобии, обсессии). В области «Органические расстройства» при очень сильной пороговой связи выделяются три кластера элементов знаний.
В одном из них почти все узлы являются центральными, что является признаком сетевой организации знаний. Организация другого кластера соответствует иерархической модели. В знаниях экспертов редко обнаруживаются иерархические структуры.
Организация их знаний приобретает черты иерархии в основном с прагматической целью уменьшения размерности информации. В отличие от иерархии, сетевая структура знаний является моделью целостного образа реальности и именно ее можно считать наиболее общим способом представления знаний.
В пятой главе приводятся результаты разработки компьютерных программ для обучения и принятия решений в слабо формализованных областях медицины.
В обучающей программе «Атлас душевных расстройств» использованы три модели представления знаний:
1. Знания в электронном гипертекстовом учебнике представлены в виде неориентированного графа с возможностью переходов между содержательно связанными элементами.
2. Структура эвристических знаний экспертов приближается к иерархической и характеризуется ориентированными связями между элементами знаний разных уровней.
3. В линейной модели представления знаний реализован словарь психопатологических терминов с целью разъяснения студентам особенностей терминов предметной области.
Электронный учебник по общей психопатологии реализует возможность последипломного повышения квалификации по психиатрии через Интернет.
Ряд результатов работы реализован в программном комплексе «Promo», который является оболочкой для создания экспертных систем. На его основе разработана система по диагностике психических расстройств. Правила в ней сформулированы с использованием «Исследовательских диагностических критериев» МКБ-10.
В программе поддержки решений по лечению шизофрении знания представлены в модели трехслойной сети прямого распространения. Сеть является неоднородным ориентированным графом, вершинами которого служат понятия предметной области, а дугами - отношения между ними, получившие экспертную количественную оценку.
В шестой главе сформулирована методология исследования экспертных знаний и ее роль в высшем медицинском образовании. Эта методология включает две основные процедуры системного подхода - анализ и синтез. Анализ означает декомпозицию знаний на отдельные элементы, выделение специфических подсистем. Синтетический компонент включает выявление связей между элементами знаний, агрегирование этих элементов в более сложные структуры, целостное изображение объекта через совокупность его связанных элементов.
В ходе исследования выявлены некоторые свойства, которые необходимо учитывать при использовании знаний в программном обеспечении принятия решений и преподавания:
♦ нелинейность;
♦ связность;
♦ плохая структурированность.
В исследовании описаны четыре уровня знаний медицинских специалистов.
Каждый из этих уровней является моделью предметной области разной степени сложности:
1. Уровень базовых понятий реализуется в последовательной модели представления знаний.
гчшш
ЬЛ1
I и информационные
технологии
2. На уровне иерархической организации усваиваются описания объектов, процессов, понятия модели, устанавливаются связи между основными элементами знаний.
3. На уровне сетевой организации ассоциативные связи превращают множество элементов знаний в сетевую структуру. Предполагается неоднозначность оценок, различные точки зрения на проблему, происходит движение к сложной модели реальности.
4. На уровне реальных ситуаций специалист может оценить адекватность своих знаний профессиональным задачам, в состоянии интерпретировать сетевую структуру знаний в рамках иерархических либо последовательных моделей.
Обучение можно рассматривать как переход от отсутствия структуры к последовательной, иерархической, сетевой моделям знаний. При этом остов знаний относительно стабилен, но меняются связи между элементами знаний и способы навигации по ним в процессе принятия решений. Сетевая организация знаний необходима в педагогическом процессе на завершающих стадиях обучения, что облегчит специалистам адаптацию в профессиональной среде.
ВЫВОДЫ
1. Разработана методология исследования экспертных знаний, включающая выявление и создание массива основных элементов знаний предметной области, идентификацию структуры знаний и ее анализ. Знания выявляются и формализуются в виде множества информационных элементов разной степени сложности. Структура знаний создается путем установления экспер-тно оцениваемых ассоциативных связей между основными элементами предметной области.
Представление экспертных знаний оптимально в сетевой модели, анализ их структуры проводится с использованием методов теории графов.
2. Комплекс программ инженерии знаний, созданный на основе предложенного подхода,
обеспечивает формализацию, представление и визуализацию элементов знаний. Исследование структуры знаний включает автоматизированные поиск кластеров информационных элементов, определение их параметров, поиск иерархических структур знаний.
3. Индивидуальные знания специалистов сходной квалификации вариабельны в ограниченных пределах по качественным и количественным признакам и могут быть исследованы как объективный феномен.
Параметры кластеров знаний характеризуются низкой вариабельностью и могут быть согласованы между несколькими экспертами.
4. Знания экспертов в областях «Общая психопатология», «Шизофренические расстройства» и «Непсихотические расстройства» группируются в виде кластеров вокруг исторически сложившихся основных синдромов.
При уменьшении силы связей наблюдается переход от базовых понятий психопатологии к симптомам и теориям распространенности психических расстройств в качестве центров кластеров. Знания в большинстве предметных областей психиатрии имеют сетевую структуру.
5. На основе предложенного подхода разработана обучающая программа по психиатрии, включающая тестирование знаний врачей при предъявлении разнообразных образцов творчества душевнобольных и видеозаписей интервью с ними. Создан электронный гипермедийный учебник по общей психопатологии с видеоиллюстрациями психических расстройств и тестовыми заданиями.
6. Разработана оболочка для создания экспертных систем в продукционной модели представления знаний.
На ее основе создана программа поддержки решений по диагностике психических расстройств на основе классификации МКБ-10. В сетевой модели представления знаний создана программа по фармакотерапии шизофренических расстройств.