Экспертные системы в работе врача

Содержание

Информатизация в медицине

Экспертные системы

Самообучающиеся интеллектуальные системы

Примеры использования  экспертных систем в медицине

Преимущества экспертных систем перед человеком-экспертом

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Информатизация  медицины

В последнее время неуклонно возрастает значение информационного обеспечения различных медицинских технологий. Использование современных информационных технологий становится критическим фактором развития большинства отраслей знания и областей практической деятельности, поэтому разработка и внедрение информационных систем является одной из самых актуальных задач [8, 9].

В медицинских учреждениях  большинство персональных компьютеров  применяется лишь для обработки  текстовой документации, хранения и  обработки баз данных, ведения статистики и выполнения финансовых расчетов. Отдельная, специализированная часть машин используется совместно с различными диагностическими и лечебными приборами [3].

Во многих лечебно-диагностических  технологиях возможности современных  компьютеров практически не используются. Прежде всего это диагностика, назначение лечебных мероприятий, прогнозирование течения заболеваний и их исходов. 

      Современные технические возможности позволяют выйти на качественно новый уровень представления течения заболевания, а именно визуально, на основе соответствующих математических моделей, пространственно смоделировать типовое развитие патологического процесса при конкретном заболевании. Уже сейчас, на современном этапе развития медицины, информационные нагрузки достигают пределов человеческих возможностей. Возникает дилемма: либо приходится жертвовать полнотой анализа информации, либо необходимо шире использовать различные методы компьютерной поддержки принятия решений. Медицинские экспертные системы позволяют врачу не только проверить собственные диагностические предположения, но и обратиться к компьютеру за консультацией в трудных диагностических случаях.

 

Экспертные  системы

    ЭС- это набор программ или программное обеспечение, которое выполняет функции эксперта при решении какой-либо задачи в области его компетенции. ЭС, как и эксперт-человек, в процессе своей работы оперирует со знаниями. Знания о предметной области, необходимые для работы ЭС, определенным образом формализованы и представлены в памяти ЭВМ в виде базы знаний, которая может изменяться и дополняться в процессе развития системы.

ЭС выдают советы, проводят анализ, выполняют классификацию, дают консультации и ставят диагноз. Они  ориентированы на решение задач, обычно требующих проведения экспертизы человеком-специалистом. В отличие от машинных программ, использующий процедурный анализ, ЭС решают задачи в узкой предметной области (конкретной области экспертизы) на основе дедуктивных рассуждений. Такие системы часто оказываются способными найти решение задач, которые неструктурированны и плохо определены. Они справляются с отсутствием структурированности путем привлечения эвристик, т. е. правил, взятых “с потолка”, что может быть полезным в тех системах, когда недостаток необходимых знаний или времени исключает возможность проведения полного анализа.

Главное достоинство  ЭС- возможность накапливать знания, сохранять их длительное время, обновлять  и тем самым обеспечивать относительную  независимость конкретной организации  от наличия в ней квалифицированных специалистов. Накопление знаний позволяет повышать квалификацию специалистов, работающих на предприятии, используя наилучшие, проверенные решения.

     В создании экспертных систем участвуют, как правило, врач-эксперт, математик и программист. Основная роль в разработке такой системы принадлежит эксперту-врачу.

У полностью  оформленной экспертной системы  присутствуют 4 основных компонента (блока):

• База знаний
• Машина вывода
• Модуль извлечения знаний
• Система объяснения принятых решений

Кроме того, хорошая  экспертная система имеет блок для пополнения базы знаний – система с обучением.

В настоящее  время медицинские диагностические  системы строятся на основе нескольких методов обработки информации:

-построение дерева решений;

-статистическая обработка данных;

-использование элементов искусственного интеллекта.

 

Самообучающиеся интеллектуальные системы

Среди экспертных медицинских  систем особое место занимают так  называемые самообучающиеся интеллектуальные системы (СИС). Они основаны на методах  автоматической классификации ситуаций из реальной практики или на методах обучения на примерах. Наиболее яркий пример СИС — искусственные нейронные сети.

Искусственные нейронные сети (ИНС; artificial neural networks) представляют собой  нелинейную систему, позволяющую 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.

ИНС — это структура для обработки  когнитивной информации, основанная на моделировании функций мозга. Основу каждой ИНС составляют относительно простые, в большинстве случаев однотипные элементы (ячейки), имитирующие работу нейронов мозга. Каждый нейрон характеризуется своим текущим состоянием по аналогии с нервными клетками головного мозга, которые могут быть возбуждены или заторможены. Искусственный нейрон обладает группой синапсов — однонаправленных входных связей, соединенных с выходами других нейронов, а также имеет аксон — выходную связь данного нейрона, с которой сигнал (возбуждения или торможения) поступает на синапсы следующих нейронов.

Для ИНС характерен принцип  параллельной обработки сигналов, что  достигается путем объединения  большого числа нейронов в так  называемые слои и соединения нейронов различных слоев. Теоретически количество слоев и количество нейронов в каждом слое может быть произвольным, однако фактически оно ограничено ресурсами компьютера. В общем случае, чем сложнее ИНС, тем масштабнее задачи, подвластные ей. Прочность синаптических связей модифицируется в процессе извлечения знаний из обучающего набора данных (режим обучения), а затем используется при получении результата на новых данных (режим исполнения).

Наиболее важным отличием ИНС от остальных методов прогнозирования  является возможность конструирования  экспертных систем самим врачом-специалистом, который может передать нейронной  сети свой индивидуальный опыт и опыт своих коллег или обучать сеть на реальных данных, полученных путем наблюдений. Нейронные сети способны принимать решения, основываясь на выявляемых ими скрытых закономерностях в многомерных данных. Положительное отличительное свойство ИНС состоит в том, что они не программируются, т.е. не используют никаких правил вывода для постановки диагноза, а обучаются делать это на примерах. В ряде случаев ИНС могут демонстрировать удивительные свойства, присущие мозгу человека, в том числе отыскивать закономерности в запутанных данных. Нейронные сети нашли применение во многих областях техники, где они используются для решения многочисленных прикладных задач: в космонавтике, автомобилестроении, банковском и военном деле, страховании, робототехнике, при передаче данных и др. Другое, не менее важное, свойство нейронной сети состоит в способности к обучению и обобщению полученных знаний. Сеть обладает чертами так называемого искусственного интеллекта. Натренированная на ограниченном множестве обучающих выборок, она обобщает накопленную информацию и вырабатывает ожидаемую реакцию применительно к данным, не обрабатывавшимся в процессе обучения.

 

Примеры использования экспертных систем в  медицине

Примеры использования  экспертных систем в медицине нельзя назвать единичными, они применяются  во многих областях здравоохранения. Примечательно, что подавляющее большинство таких работ выполнено зарубежными исследователями и в основном они касаются возможностей использования ИНС в различных клинических ситуациях.

Так, например, в области хирургии P.L. Liew et al. на основе ИНС создали систему прогнозирования риска развития желчнокаменной болезни у людей с избыточной массой тела.

В эндоскопии A. Das et al. использовали нейросетевые технологии для сортировки больных с неварикозными  кровотечениями из верхних отделов желудочно-кишечного тракта.

В онкоурологии P. Bassi et al. прогнозировали 5-летнюю выживаемость пациентов, перенесших радикальную  цист-эктомию по поводу рака мочевого пузыря.

С. Stephan et al. применили  ИНС для автоматизированного  анализа биоптата предстательной железы. Методика основывалась на выявлении общего простат-специфического антигена (ПСА) и определении процента свободного ПСА.

В трансплантологии G. Santori et al. применили нейросетевые технологии в прогнозировании отсроченного снижения креатинина сыворотки крови у детей после трансплантации почки.

В неврологии A.T. Tzallas et al. применили нейросеть для прогнозирования  эпилептических приступов на основе анализа электроэнцефалограмм.

             А также наиболее известные экспертные системы:

PUFF-экспертная система, осуществляющая диагностику легочных заболеваний на основе легочных функциональных тестов;

SPE-производит диагностику состояний при воспалительных процессах;

ABEL-осуществляет диагностику кислотных и электролитных заболеваний;

AI/RHEUM-диагностика заболеваний соединительных тканей;

CADUCEOS-диагностика внутренних заболеваний общего профиля;

BLU FOX-диагностика и лечение депрессивных состояний;

CASNET/GLACOMA-диагностика и лечение глазных заболеваний, связанных с глаукомой;

MYCIN-диагностика и лечение инфекционных заболеваний;

ONCOCIN-лечение больных раком химиотерапией и наблюдение за ними;

PIP-диагностика заболеваний почек;

МОДИС-2-диагностика симптоматической гипертонии;

GUIDON-обучающая система диагностики и лечения инфекционных заболеваний.

 

Преимущества  экспертных систем перед человеком-экспертом

Системы, основанные на знаниях, имеют определенные преимущества перед  человеком-экспертом.

1. У них нет предубеждений.

2. Они не делают  поспешных выводов.

3. Эти системы работают  систематизировано, рассматривая все детали, часто выбирая наилучшую альтернативу из всех возможных.

4. База знаний может  быть очень и очень большой.  Будучи введены в машину один  раз, знания сохраняются навсегда. Человек же имеет ограниченную  базу знаний, и если данные долгое время не используются, то они забываются и навсегда теряются.

5. Системы, основанные на знаниях, устойчивы к “помехам”. Эксперт пользуется побочными знаниями и легко поддается влиянию внешних факторов, которые непосредственно не связаны с решаемой задачей. ЭС, не обремененные знаниями из других областей, по своей природе менее подвержены “шумам”. Со временем системы, основанные на знаниях, могут рассматриваться пользователями как разновидность тиражирования- новый способ записи и распространения знаний. Подобно другим видам компьютерных программ они не могут заменить человека в решении задач, а скорее напоминают орудия труда, которые дают ему возможность решат задачи быстрее и эффективнее.

6. Эти системы не  заменяют специалиста, а являются  инструментом в его руках.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Используемые  источники:

1. knowledge.allbest.ru/medicin.html
2. www.bestreferat.ru/referat=54042.html
3. www.fos.ru/technic/14327/html
4. ilab.xmedtest.net/?q=node/3390
5. books.infmo.ru/book/vip/205/pdf
6. fitolekarstva.narod.ru/ekspert.html