CC BY
118
УДК 004.652.5
СТРУКТУРА экспертной системы оперативной диагностики
И ЛЕЧЕНИЯ ЗАБОЛЕВАНИЙ ЛЕГКИХ В.А. Васильченко, В.Л. Бурковский
В статье предлагается интегральная структура базы знаний, являющейся основой построения распределенной медицинской информационной системы оперативной диагностики и лечения заболеваний легких
Ключевые слова: эксперт, диагностика, коэффициент доверия
Введение
Разработка интеллектуальных систем лечения заболеваний легких, основанных на знаниях, является составной частью исследований по информационным технологиям, и имеет цель: создание компьютерных методов решения медицинских проблем, обычно требующих привлечения экспертов-специалистов -
пульмонологов.
Взаимодействие пользователя-врача, эксперта пульмонолога и структурных частей экспертной медицинской системы диагностики можно представить в виде следующей базовой структуры.
Рис. 1. Базовая структура взаимодействия структурных частей медицинской интеллектуальной системы
Васильченко Владислав Алексеевич - ВГТУ, аспирант, e-mail: v.a.vasilchenko@gmail.com
Бурковский Виктор Леонидович - ВГТУ, д-р техн. наук, профессор, e-mail: bvl@vorstu.ru
Аналитическая часть
Предлагаемая экспертная система оперативной диагностики и лечения заболеваний легких включает следующие функциональные
возможности:
- ввод, редактирование и хранение данных о современных медицинских препаратах;
- ввод, редактирование и хранение данных о пациентах и историях их болезни;
- диагностика легочных заболеваний;
- выбор и назначение оптимального метода лечения легочного заболевания;
- интеллектуальная диагностика легочных заболеваний на основе нейронной сети;
- проверка эффективности существующего метода лечения;
- получение актуальной медицинской справочной информации о заболеваниях легких и медицинских препаратах для борьбы с этими заболеваниями.
Основу предлагаемой медицинской экспертной системы составляет база знаний, которая хранит некоторое множество фактов и набор правил, полученных от ведущих экспертов-врачей пульмонологов, а также из специализированной литературы. Основное отличие базы знаний от базы данных заключается в том, что в базе данных объем информации представляет собой не связанные друг с другом сведения. В базе знаний элементы уже имеют связи, как между собой, так и с объектами внешнего мира, что особенно актуально для медицинских вопросов. Информация в базе знаний -это все, что необходимо для понимания, формирования и решения проблемы. Она включает в себя два основных элемента: факты (знания) из предметной области (в данном случае из пульмонологии) и правила или специальные эвристики, которые управляют использованием фактов при решении задач диагностики.
Выбор структуры базы знаний
Знания предлагается продукционной представления наглядностью, дополнений и модульностью.
об объекте пульмонологии систематизировать в виде базы знаний. Данный вид знаний характерен своей легкостью внесения каких-либо изменений, а также высокой Каждое правило базы знаний
записывается в следующем виде «Если ..., то ...»: первая часть (т.е. «Если») соответствует условию, а вторая (т.е. «то») соответствует выводу. Отсюда следует, что лицо, которое принимает решение, разбивая объект на различные продукционные группы, следует правилам следующего вида «Если температура больного высокая и присутствует ощущение нехватки воздуха, то возможно у пациента воспаление легких». Для построения правил представленной структуры следует использовать математический аппарат нечетких множеств. Каждой координате необходимо представить лингвистические переменные с дифференцируемыми термами, например такими, как «большой», «средний», . «маленький», «очень маленький». Это значит, что можно сформировать базу знаний о действии независимых координат X = {х1,х2, ■■■,хп} на значение зависимой координаты У в виде сочетания логических высказываний и правил следующего типа:
ЕСЛИ (хх = а1;1) И (х2 = а2д) И ■■■ И (хп = апд) ИЛИ (хх = а1;2) И (х2 = а2}2) И ■ И (хп = ап}2) ■
ИЛИ (хх = а1]к) И (х2 = а2]к) И ■ И (хп = ап]к) ТО у= ^,;£[1,т], (1)
где ап]к - терм, которым оценивается переменная X; в строчке с номером ]р (р £ [1, к}\; к] — количество строчек-конъюнкций, у которых выход оценивается термом й^т — количество термов, используемых для лингвистической оценки выходного параметра у. База пульмонологических знаний в сокращенном виде:
Р = 1 и=1
и П^=^
у = А,у£ [1,т]. (2)
Требуемую пульмонологическую базу знаний имеется возможность построить либо с помощью нечеткого логического вывода Мамдани, либо вывода Сугено. База знаний Мамдани проектируется с использованием аппроксимации зависимости типа у = /(х-!,х2, —,хи) с помощью нечеткой базы знаний и операций над нечеткими множествами. База Сугено подобна базе знаний Мамдани, кроме правил , которые задаются не нечеткими термами, а линейной функцией от входов.
и П^=^
Р=11-1=1 -
п
у = Ь]0 + * ,} £ [1,т]. (3)
Правила в базе знаний Сугено, являющиеся своего рода коммутаторами с одного линейного закона «входы-выход» на другой, так же линейны. Границы подобластей размытые, значит, одновременно могут выполняться некоторое количество линейных законов, но с различными степенями принадлежности. Принципиально, что базу знаний Мамдани можно построить, используя знания лица, принимающего решение, а базу знаний Сугено наиболее подходяще использовать в случае отсутствия у лица, принимающего решение, необходимых знаний об объекте. Из выше сказанного следует сделать вывод, что в экспертной системе диагностики максимально эффективно будет использование базы знаний Мамдани, так как возможно применение значительного опыта, накопленного медиками.
Особенности построения и организации экспертных систем
Основу медицинской экспертной системы составляет совокупность знаний,
структурированных в целях упрощения процесса принятия решения. Для экспертов в области искусственного интеллекта термин знания означает информацию, которая требуется программному обеспечению, чтобы оно вело себя "интеллектуально". Эта информация принимает форму правил и фактов. Правила и факты в медицинской экспертной системе не всегда либо истинны, либо ложные. В отдельных случаях существует некоторая степень неуверенности в достоверности представленного факта или точности правила. Если это сомнение очевидно для наблюдателя, то его называют "коэффициентом доверия".
Большая часть правил экспертных систем является эвристиками, то есть эмпирическими упрощениями, которые эффективно ограничивают поиск решения. Экспертные медицинские системы используют эвристики, так как задачи диагностики и лечения заболеваний, которые они решают, трудны, не до конца понятны и не поддаются алгоритмическому решению или строгому математическому анализу. Алгоритмический метод дает гарантии на корректное или оптимальное решение задачи диагностики, в то время как эвристический метод предлагает наиболее приемлемое решение в подавляющем большинстве случаев.
Знания в представленной пульмонологической экспертной системе организованы таким образом, чтобы информацию о предметной области отделить от других типов знаний системы, таких как общие сведения о том, как решать задачи диагностики или сведения о том, как взаимодействовать с пользователем-врачом. Выделенные и
сгруппированные определенным образом знания о медицинской области называются базой медицинских знаний, в то время как общие знания о
—»
—>
нахождении решений поставленных задач диагностики называются механизмом вывода.
Рис. 2. Структура работы экспертной системы
База пульмонологических знаний содержит факты заболеваний легких (данные) и правила, которые используют эти факты за основу для принятия решений.
Механизм вывода экспертной системы содержит:
- интерпретатор, который определяет, как использовать правила для вывода результатов диагностики на основе информации, хранящейся в базе знаний;
-диспетчер, который устанавливает порядок применения правил.
База знаний экспертной системы диагностики является статической, так как здесь существует возможность не учитывать изменения окружающего мира за все время решения задачи.
В работе экспертной медицинской системы можно выделить три основных режима работы:
- режим приобретения медицинских знаний
- режим постановки диагноза (режим консультации или режим использования)
- режим назначения подходящего метода лечения.
В режиме приобретения знаний работу с экспертной системой осуществляет эксперт (высококвалифицированный пульмонолог).
Используя компонент приобретения знаний, врач описывает проблемную область в виде совокупности правил и фактов. Другими словами, "заполняет" экспертную систему знаниями, которые дают возможность ей самостоятельно решать задачи из проблемной области. Стоит отметить, что данному этапу при традиционном подходе к программированию соответствуют следующие этапы: создание алгоритма, программирование и отладка, выполняемые разработчиком.
Следовательно, в отличие от традиционного подхода, в случае медицинской экспертной системы наполнение программ осуществляет не программист, а врач-эксперт, не владеющий навыками программирования.
В режиме постановки диагноза взаимодействие с экспертной системой осуществляет врач-пульмонолог, которого интересует результат-
диагноз и (или) способ его получения. Необходимо сказать, что в отличие от традиционных программ экспертная система при решении задачи диагностики не только исполняет предписанную алгоритмом последовательность операций, но и сама предварительно создает ее.
В режиме назначения лечения система, используя накопленные знания о предметной области, а также полагаясь на интегрированный модуль нейронной сети, предлагает врачу-пользователю наиболее оптимальные для каждого случая методы лечения легочного заболевания.
Заключение
Предлагаемая экспертная система диагностики и лечения имеет возможность самообучаться на решаемых задачах, пополняя автоматически свою базу знаний результатами полученных выводов и решений. Ограниченность задачи диагностики и лечения легочных заболеваний, решаемой с помощью экспертной системы, была решена с помощью комбинации нейронной сети и обычных математических методов и построением из нее иерархических блоков, одни из которых используют для своих действий результаты работы других. Стоит отметить, что применение неявных алгоритмов не противоречит и даже не отменяет использование формальных методов, а в действительности, значительно дополняет их. К примеру, если с помощью нейронной сети определяется наиболее эффективная комбинация лекарств для лечения пациента, но существует совершенно четкое и однозначное противопоказание к назначению определенного лекартва, то в экспертную систему может быть введен логический блок с исключением, который будет препятствовать назначению этого лекарственного препарата независимо от решения нейронной сети.
Данная медицинская экспертная система значительно упростит работу врачей-пульмонологов по диагностике легочных заболеваний и назначению лечения. Результатом использования системы станет точная постановка диагноза, выбор наиболее оптимального метода лечения, а также быстрая оценка эффективности лечения.
Литература
1. Проталинский, О. М. Проверка достоверности первичной информации в АСУ ТП с использованием нечетких множеств [Текст] / О. М. Проталинский // Известия вузов Северо-Кавказского региона. Техн. науки. - Прил. - 2003. - № 3. - С. 60-63.
2. Семейкин, В.Д. Моделирование искуссвенных нейронных сетей в среде MATLAB [Текст] / В. Д. Семейкин и др. // Вестн. Астрахан. Гос. Техн. Ун-та. Сер. Управление, вычисл. Техн. Информ. - 2009. - № 1. - С. 159-164.
3. Золин, А.Г. Применение нейронных сетей в медицин [Текст] : [Электронный ресурс] / А.Г. Золин. -Режим доступа: Worl Wide Web. URL: http://old.creativeconomy.ru/articles/25938/.
4. Губин, И.М. Разработка и внедрение новой автоматизированной информационной системы ЦКБ [Текст] / И.М. Губин и др. // Кремлевская медицина. Клинический вестник. - 2000. - № 4. - С. 51-54.
5. Дуданов, И.П. Создание "паспорта здоровья" больных с сердечно-сосудистыми заболеваниями с использования информационной системы [Текст] / И.П. Дуданов и др. // Медицинский академический журнал. -2003. - Том 3. - № 3. - С. 125-133.
6. Фернстайн, С. Подставляемость и преобразование объектных типов в иерархии [Текст] : [Электронный ресурс] / С. Фернстайн. - Режим доступа: Worl Wide Web. URL: http://www.oracle.com/ru/ oramag/june2002/index.html?dev_subst.html.
7. Гусев, А.В. Информационные системы в здравоохранении [Текст] / А.В. Гусев и др. -Петрозаводск: ПетрГУ, 2002. - 120 с.
8. Гусев, А.В. Особенности в проектировании и практической разработке медицинской информационной системы [Текст] : [Электронный ресурс] / А.В. Гусев. -Режим доступа: Worl Wide Web. URL: http://citforum.ru/consulting/articles/med/.
Воронежский государственный технический университет
9. Шеррер, Ж. Информационные системы в здравоохранении: технология и организация [Текст] / Ж. Шеррер // Кремлевская медицина. Клинический вестник. -2000. - № 4. - С. 15-17.
10. Боровиков В.П. Программа STATISTICA для студентов и инженеров [Текст] / В.П. Боровиков // М: КопьютерПресс. - 2001. - 301с.
11. Microsoft Corporation. Принципы проектирования и разработки программного обеспечения. Учебный курс MCSD [Текст]: / Microsoft Corporation, пер. с англ. - М.: Русская Редакция, 2002. - 736 с.
12. Рассел, С. Искусственный интелллект: современный подход. 2-е издание [Текст] / C. Рассел // Вильямс. - 2006. - 1424 с.
13. Боровиков В.П. Нейронные сети [Текст] /В.П. Боровиков // М.: Горячая линия - Телеком. - 2008. - 392 с.
14. Ramamoorthy, C.V. Software Engineering: problems and perspectives [Текст] / C. V. Ramamoorthy и др. // Computer. Outubro. - 1984. - № 10. - С. 191-209.
STRUCTURE OF EXPERT SYSTEM OPERATIVE DIAGNOSIS AND TREATMENT
OF LUNG DISEASES
V.A. Vasilchenko V.L. Burkovsky
The article proposes an integrated structure of the knowledge base is the basis for building a distributed medical information system operational diagnosis and treatment of lung diseases
Key words: expert, diagnostics, coefficient of confidence
