Файл: Медицинская информатика.pdf

132
Если учесть, что элементы "знания" в такой системе представляют собой записанные в определенной форме правила вывода промежуточных и конечных заключений (т.е. принятия элементарных решений), то становится очевидным, что построение всех блоков в экспертной системе определяется способом пред- ставления (формой записи) знаний в "базе знаний".
История развития медицинских экспертных систем.
Одной из наиболее известных в мире экспертных систем медицинской диагностики является ЭС "MYCIN". Она решает задачи диагностики инфекци- онных заболеваний крови и выработки рекомендаций по их лечению. Система использует базу медицинских знаний о заболеваниях, симптомах и вызываю- щих их микроорганизмах (культурах). Необходимую информацию о пациенте система получает в процессе диалога с пользователем (врачом). По признанию специалистов-медиков, система MYCIN не уступает по качеству диагностики ведущим экспертам.
ЭС возникли как значительный практический результат в применении и развитии методов искусственного интеллекта (ИИ) - совокупности научных дисциплин, изучающих методы решения задач интеллектуального, творческого характера, с использованием ЭВМ.
Область ИИ имеет уже более чем 40-летнюю историю развития. С самого начала в ней рассматривался ряд весьма сложных задач, которые, наряду с дру- гими, и до сих пор являются предметом исследований: автоматическое доказа- тельство теорем, машинный перевод с одного языка на другой, распознавание изображений и анализ сцен, планирование действий роботов, алгоритмы и стратегии игр.
С течением времени менялась и точка зрения на методы решения этих за- дач.
В 50-е годы основным направлением развития систем ИИ было модели- рование работы человеческого мозга в виде нейронных сетей. Однако, из-за не- достаточно высокого уровня развития вычислительной техники в то время, раз- работка нейронных сетей уступила место другим методам ИИ и вновь активи- зировалась лишь в 80-е годы, когда были разработаны первые нейрокомпьюте- ры.
В 60-е годы основное внимание было уделено разработке общих методов эвристического поиска - методов, основанных на эвристиках (неформализован- ных правилах решения задач). Пример универсальной эвристики, в которой сформирована стратегия решения задач известная как поиск в глубину:
ЕСЛИ - метод решения задачи не известен,
ТО - следует попытаться разбить задачу на части и решить каждую из них как самостоятельную задачу.
Этот простой пример демонстрирует все особенности эвристик: нечет- кость, ограниченность области применения. Опыт показал, что универсального набора эвристик, позволяющего решить задачу из любой области и любой сложности, по-видимому, не существует.
Интеллектуальные «решатели» задач, построенные на наборах общих эв- ристик, оказались в состоянии решать лишь “игрушечные” задачи. Однако само

133 исследование методов эвристического поиска оказалось необходимым шагом к следующему этапу развития.
С конца 1960-х годов ведущие специалисты в области ИИ существенно изменили свою точку зрения на методы решения задач. Было выяснено, что эффективность метода решения задачи зависит в первую очередь от конкрет- ных знаний об исследуемой области, и лишь в последнюю - от общих стратегий и схем логического вывода. Этот принцип - один из важнейших принципов раз- работки ЭС. Иначе говоря, чем более универсальную систему ИИ планируется
сделать, тем меньшей мощностью она будет обладать (способна будет ре-
шать лишь очень простые задачи). И наоборот, чем более мы конкретизируем область, задачу и знания о ее решении, тем выше будет “интеллектуальный уровень” системы, решающей данную задачу с использованием вложенных в нее знаний; однако при этом система будет способна решать только одну зада- чу.
Первой системой, основанной на таком подходе, стала система
DENDRAL, разработанная в 1965 году в Стэнфордском университете. Система
DENDRAL - высококвалифицированный эксперт в области химии. Она решает задачу построения возможных химических структур поэкспериментальным данным об исследуемом веществе. Эта система в своей работе использует базу знаний, содержащую не общие эвристические правила, подобные приведенным выше, а несколько десятков эвристик, отражающих специфические правила рассуждений, свойственных химикам. Эта система явилась новым этапом в раз- витии ЭС.
Существует ряд проблем в построении ЭС. Первая трудность возникает в связи с постановкой задачи. Большинство заказчиков, планируя работу ЭС, вследствие недостаточной компетентности в вопросах применения методов ИИ, склонно значительно преувеличивать ожидаемые возможности системы. Заказ- чик желает видеть в ней самостоятельного, мыслящего эксперта в исследуемой области, способного решать широкий круг задач. Поэтому, когда заказчик фор- мулирует задачу системы, она получается слишком широкой, слишком гро- моздкой для системы. И, как следствие, – система теряет свою производитель- ную мощность. Поэтому наиболее целесообразно ограничиться для начала не слишком сложной обозримой задачей в рассматриваемой области, для решения которой нет простого алгоритмического способа. Кроме того, важно, чтобы уже существовала сложившаяся методика решения этой задачи “вручную” или ка- кими-либо расчетными методами. Для успешной разработки ЭС необходимы не только четкая и конкретная постановка задачи, но и разработка подробного (хо- тя бы словесного) описания “ручного” метода ее решения. Если это сделать за- труднительно, то дальнейшая работа по построению экспертной системы теряет смысл.
Вторая и основная трудность - проблема приобретения знаний. Эта про- блема возникает при передаче знаний, которыми обладают эксперты-люди, ЭС.
Разумеется, чтобы обучить компьютерную систему, для начала необходимо формализовать, систематизировать эти знания на бумаге. Это может показаться парадоксальным, но большинство экспертов успешно использующих свои зна-

134 ния в работе, затрудняются при попытке сформулировать и представить в сис- тематическом виде хотя бы основную часть этих знаний.
Таким образом, выясняется, что для построения экспертной системы не- обходимо участие в ней особого рода специалистов, обладающих указанной со- вокупностью знаний и выполняющих функции посредников между экспертами в предметной области и компьютерными системами. Они получили название инженеры знаний.
Третья серьезная трудность - в очень большой трудоемкости создания
ЭС: требуется разработать средства управления базой знаний, логического вы- вода, диалогового взаимодействия с пользователем и так далее Объем про- граммирования столь велик, а программы столь сложны и нетрадиционны, что имеет смысл на предварительном этапе создавать демонстрационный прототип системы.
Рассмотрим ключевые моменты работы экспертной системы.
Функционирование экспертной системы. Анализ работы экспертной системы наиболее удобно провести, предварительно рассмотрев ее структур- ную организацию (рис. 11.4).
Рис. 11.4. Структура и схема работы экспертной системы
ЭС имеет две категории взаимодействий и два отдельных входа, соответствующих различным целям работы пользователей с ЭС:
1. Пользователь, эксперт, которому потребуется консультация ЭС – диа- логовый сеанс работы с ней, в процессе которого она решает некоторую экс- пертную задачу. В этом случае диалог с ЭС осуществляется через диалоговый
процессор – специальную компоненту ЭС, предназначенную для обеспечения контакта пользователя и ЭС. Существует две основные формы диалога с ЭС: диалог на ограниченном подмножестве естественного языка и диалог на основе меню. На рисунке последовательность процессов в структурных субъединицах
ЭС изображена в виде серой ломаной линии (1).
2. Экспертная группа инженерии знаний, состоящая из экспертов в пред- метной области и инженеров знаний. В функции этой группы входит заполне-

135 ние базы знаний, осуществляемое с помощью специальной диалоговой компо- ненты ЭС – подсистемы приобретения знаний, которая позволяет частично ав- томатизировать этот процесс. Последовательность процессов при контакте с ЭС контактной группы знаний изображена в виде серой ломаной линии (2).
База знаний - наиболее важная компонента ЭС, на которой основаны ее
«интеллектуальные способности». В отличие от всех остальных компонент ЭС, база знаний - переменная часть системы, которая может пополняться и моди- фицироваться инженерами знаний, по мере накопления знаний и опыта исполь- зования ЭС, между консультациями. Существуют несколько способов пред- ставления знаний в ЭС, однако общим для них является то, что знания пред- ставлены в символьной форме, элементарными компонентами представления знаний являются тексты, списки и другие символьные структуры. Тем самым, в
ЭС реализуется принцип символьной природы рассуждений, который заключа- ется в том, что процесс рассуждения представляется как последовательность символьных преобразований.
Наиболее распространенный способ представления знаний – в виде кон- кретных фактов и правил, по которым из имеющихся фактов могут быть выве- дены новые. Факты представлены, например, в виде троек:
(АТРИБУТ, ОБЪЕКТ, ЗНАЧЕНИЕ).
Такой факт означает, что заданный объект имеет заданный атрибут (свой- ство) с заданным значением. Например, тройка (ТЕМПЕРАТУРА, ПАЦИЕНТ,
37,5) представляет факт: “температура больного, обозначаемого «пациент», равна 37,5 градусам”. Такой способ представления фактов принят в системе
MYCIN. В более простых случаях факт выражается не конкретным значением атрибута, а каким-либо простым утверждением, которое может быть истинным или ложным, например: “Небо покрыто тучами”. В таких случаях факт можно обозначать каким-либо кратким именем или использовать для предоставления факта сам текст соответствующей фразы.
Правила в базе знаний имеют вид:
ЕСЛИ А ТО S, где А - условие, S - действие.
Действие S исполняется, если А истинно. Наиболее часто действие S, так же, как и условие, представляет собой утверждение, которое может быть выведено системой, если истинно условие правила А.
Правила в базе знаний служат для представления эвристических знаний
(эвристик), то есть неформальных правил рассуждений, вырабатываемых экспертом на основе опыта его работы.
Пример:
ЕСЛИ
небо покрыто тучами,
ТО
скоро пойдет дождь.
В качестве условия А может выступать либо факт, либо несколько фак- тов, соединенных логической операцией И: А и А
1
и А
2
и ... A
n
В математической логике такое выражение называется конъюнкцией. Оно считается истинным в том случае, если истинны все его компоненты. Действия, входящие в состав правил, могут содержать новые факты. При применении та-

136 ких правил эти факты становятся известны системе, то есть включаются во множество фактов, которое называется рабочим множеством. Если система не может вывести некоторый факт, истинность или ложность которого требуется установить, то система спрашивает о нем пользователя.
Подсистема ввода-вывода – программная компонента ЭС, реализующая процесс ее рассуждений на основе базы знаний и рабочего множества. Цель ра- боты ЭС – вывести некоторый заданный факт, который называется целевым ут-
верждением, либо опровергнуть этот факт. При предоставлении фактов в виде троек целевое утверждение формируется в виде: «Найти значение атрибута А у объекта О». Целевое утверждение может быть заложено заранее в базу знаний системы, либо извлекается системой из диалога с пользователем.
Работа системы представляет собой последовательность шагов, на каждом из которых из базы знаний выбирается некоторое правило, которое применяется к текущему содержимому рабочего множества. Цикл заканчивается, когда выведено либо опровергнуто целевое утверждение. Цикл работы ЭС иначе называется логическим выводом. Логический вывод можно производить многими способами, в большинстве случаев это обратная цепочка рассуждений или прямая цепочка рассуждений.
Пример (диалог с ЭС):
Итак, в примере простой ЭС и базы знаний диалог пользователя с сис-
темой можно представить себе следующим образом:
Система: вы хотите узнать, нужно ли взять с собой зонтик?
Пользователь: Да
Система: Верно ли, что небо покрыто тучами?
Пользователь: Да
Система: Верно ли, что барометр падает?
Пользователь: Да
Система (после некоторого размышления): Нужно взять с собой зонтик.
Как видно из этого примера, в ходе консультаций инициатива диалога принадлежит системе, а сама консультация у ЭС выглядит так же, как и консультация у эксперта человека: задается ряд вопросов и на основании их анализа выдается экспертное заключение. Однако, в отличие от беседы со специалистом, диалог с ЭС имеет свои психологические особенности: большинство пользователей склонны меньше доверять “мнению” экспертной системы, чем мнению живого эксперта.
Чтобы удостовериться в разумности и компетентности ЭС, пользователь может обратиться к ее подсистеме объяснения. Для того чтобы понять, как она работает, необходимо рассмотреть вопрос о том, в какой форме ЭС хранит информацию о процессе своих рассуждений.
В ЭС принято представлять процесс логического вывода в виде схемы, которая называется деревом вывода. В нашем примере дерево вывода будет иметь вид, отображенный на схеме (рис. 11.5).

137
Рис. 11.5. Дерево вывода
Список литературы
1.
Беллман Р. Математические методы в медицине. – М.: Мир, 1987. – 200 с.
2.
Гублер Е.В. Информатика в патологии, клинической медицине и педиат- рии. – Л.: Медицина, 1990. – 176 с.
3.
Двойрин В.В., Клименков А.А. Методика контролируемых клинических испытаний. М.: Медицина, 1985. – 143 с.
4.
Кобринский Б.А. Извлечение экспертных знаний: групповой вариант /
Новости искусственного интеллекта. – 2004. – №3. – С.58-66.
5.
Уотермен Д. Руководство по экспертным системам. – М.: Мир,1989. – 388 с.
6.
Экспертные системы для персональных компьютеров: методы, средства, реализации: Справочное пособие / В.С. Крисевич, Л.А. Кузьмич и др. – Мн.:
Выш. шк., 1990. – 197 с.
7.
Guliev Y.I., Malykh V.L., Yurchenko S.G. Conceptual models for representing information in healthcare information systems // Advanced Information and Telemed- icine Technologies for Health, AITTH 2005, Minsk. – Vol 1. – P. 198-201.
Контрольные вопросы
1.
Что является ключевым пунктом работы врача?
2.
Какие формализованные структуры медицинского знания используются в медицине?
3.
Какие типы медицинских знаний можно выделить в процессе формализа- ции медицинских знаний?
4.
Чем характеризуется структура медицинских знаний?
5.
Какие наиболее распространенные стратегии получения медицинских знаний используются в системах поддержки принятия решений?
6.
Какие основные аспекты выделяют в процедуре извлечения знаний?

138 7.
Какие математические методы поддержки принятия решений использу- ются при создании экспертных систем?
8.
Что такое экспертная система?
9.
Какие задачи решают эксперты?
10. Что такое предметная область экспертной системы?
11. Какие режимы работы экспертной системы вам известны?
12. Какие функциональные блоки входят в состав экспертной системы?

139