Студопедия

КАТЕГОРИИ:

АстрономияБиологияГеографияДругие языкиДругоеИнформатикаИсторияКультураЛитератураЛогикаМатематикаМедицинаМеханикаОбразованиеОхрана трудаПедагогикаПолитикаПравоПсихологияРиторикаСоциологияСпортСтроительствоТехнологияФизикаФилософияФинансыХимияЧерчениеЭкологияЭкономикаЭлектроника


СТРАТЕГИИ ПОЛУЧЕНИЯ МЕДИЦИНСКИХ ЗНАНИЙ




ТЕМА 12

МЕТОДЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ.

СТРАТЕГИИ ПОЛУЧЕНИЯ МЕДИЦИНСКИХ ЗНАНИЙ

 

В эпоху массового внедрения персональных компьютеров во все сферы современной жизни естественным является стремление использовать компьютерные системы для поддержки все более сложных видов человеческой деятельности. Одной из них является деятельность врача, ключевой пункт работы которого – принятие диагностических и лечебных решений.

Принятие диагностических и лечебных решений часто оказывается затруднительным, особенно для начинающих врачей-специалистов, или в тех случаях, когда врачу приходится принимать решение в ситуациях, относящихся к компетенции смежных медицинских специальностей.

В то же время значительный опыт и знания, накопленные врачами-специалистами высокого уровня - экспертами в своей области, позволяют им в большинстве случаев успешно принимать правильные диагностические и лечебные решения.

Поскольку принятие решений является результатом переработки определенной информации о пациенте и базируется на использовании накопленных знаний, можно ожидать, что компьютерные системы искусственного интеллекта и, в частности, экспертные системы (или системы, основанные на знаниях) способны помочь врачу в решении задач диагностики и выбора тактики лечения. Опираясь на знания экспертов, хранящиеся в памяти компьютера, медицинская экспертная система может помочь врачу «узнавать» клинические ситуации, характерные для тех или иных диагнозов или синдромов, оставляя за последним право принять или отвергнуть соответствующее диагностическое или лечебное решение, предложенное системой.

Представление медицинских знаний.

Знания предметной области.В клинической медицине основные формализованные структуры медицинского знания – описательные (семиотики заболеваний) и процедурные (семантики) модели характеризуются значительным разнообразием, противоречивостью и иерархичностью взаимосвязей. Разнообразие и противоречивость моделей семиотики и семантики каждый раз делают для врача необходимым выбор фиксированной модели из множества существующих моделей или модификацию выбранной модели для конкретного клинического случая. Применение нескольких моделей одновременно либо бессмысленно (если все модели дадут один результат), либо все равно потребует выбора (если какие-либо из использованных моделей дадут разные результаты). Выбор моделей или их модификация в рамках возможностей, предоставляемых формализованным медицинским знанием, реализуется врачом на основании персонального знания – личных моделей прагматики поведения.

С точки зрения информатики, описанные проблемы предъявляют весьма специфические требования к решению задачи создания математических моделей для представления медицинских знаний.

В качестве адекватной структуры представления знаний предлагается создание математической модели, которая позволит решить задачу формирования специальной компьютерной профессионально ориентированной среды.

Типы медицинских знаний. Процесс представления знания в системе поддержки принятия решений начинается с формализации знания путем его классификации. Формализация медицинских знаний позволяет выделить следующие типы медицинских знаний:

· знания о заболеваниях;

· знания о наблюдениях:

o знания о событиях,

o знания о признаках,

o знания об анатомо-физиологических особенностях;

· знания о причинно-следственных связях:

o знания об этиологиях,

o знания об осложнениях,

o знания о нормальной реакции,

o знания о реакции на воздействие события,

o знания о клиническом проявлении,

o знания о клиническом проявлении, измененном воздействием события.

Знания о наблюдении (помимо его названия) включают область его возможных значений. Для наблюдений с размерными значениями - это интервал, для наблюдений со скалярными значениями - множество значений.

Знания о заболевании (помимо его названия) включает описание его этиологий, стадий развития, клинических проявлений, клинических проявлений, измененных воздействием событий, и осложнений.

Описание этиологий включает ссылку на причину-событие, воздействующие факторы (анатомо-физиологические особенности), описание модальности ("необходимость" или "возможность") и описание причинной закономерности. Модальность "необходимость" означает, что если у больного имеет место причина, то имеет место и причинно-следственная связь. Модальность "возможность" означает, что причина не обязательно приводит к причинно-следственной связи.

Причинная закономерность любого причинно-следственного отношения есть дизъюнкция вариантов. Если причинно-следственная связь имеет место, то один из вариантов выполнен (в соответствии с ним и протекает причинно-следственная связь). Вариант представляет собой импликацию, посылка которой содержит условие на причину и условие на воздействующие факторы, а заключение - интервал возможных длительностей промежутков времени между моментом, когда имела место причина, и началом заболевания (следствия). Условие на причину есть подмножество области возможных значений события. Условие на воздействующие факторы есть конъюнкция пар, состоящих из названий анатомо-физиологических особенностей (воздействующих факторов) и подмножеств областей их возможных значений. Посылка импликации выполнена, если значение события (причины причинно-следственной связи) входит в подобласть значений, определяемую условием на причину, а значения всех анатомо-физиологических особенностей, перечисленных в условии на воздействующие факторы, входят в соответствующие подобласти значений, определяемые этим же условием.

Описание стадий развития заболеваний представляет собой последовательность описания стадий. Каждое описание стадии содержит интервал возможных длительностей этой стадии.

Описание клинического проявления включает ссылки на следствие (признак), воздействующие факторы, описание модальности, описание причинной закономерности для каждой стадии развития заболевания. Вариант причинной закономерности в этом случае представляет собой импликацию, посылка которой содержит условие на воздействующие факторы, а заключение - последовательность описаний периодов динамики. Описание периода динамики содержит интервал возможных длительностей этого периода динамики, и множество значений признака (следствия), возможных в этом периоде динамики. Заключение импликации выполнено, если существует такое разбиение временного интервала стадии развития заболевания на периоды динамики, что длительность каждого периода динамики принадлежит интервалу возможных длительностей этого периода, а значения признака на этом периоде принадлежат множеству значений, возможных в этом периоде.

Описание клинического проявления, измененного воздействием события, включает ссылку на причину-событие, ссылку на следствие (признак), ссылки на воздействующие факторы, описание модальности, а также описание причинной закономерности. Вариант причинной закономерности в этом случае есть импликация, посылка которой содержит условие на причину и условие на воздействующие факторы, а заключение - последовательность описаний периодов динамики.

Описание осложнения включает ссылки на следствие (вторичное заболевание), воздействующие факторы, описание модальности и описание причинной закономерности. Вариант причинной закономерности в этом случае представляет собой импликацию, посылка которой содержит условие на воздействующие факторы, а заключение - интервал возможных длительностей промежутков времени между началом первичного и началом вторичного заболеваний.

Описание нормальной реакции состоит из ссылки на следствие (признак), описания воздействующих факторов, а также описания причинной закономерности. Вариант причинной закономерности в этом случае есть импликация, посылка которой содержит условие на воздействующие факторы, а заключение - множество нормальных значений признака (следствия).

Описание реакции на воздействие события по структуре совпадает с описанием клинического проявления, измененного воздействием события.

Из сказанного выше видно, что структура знания для нормальной реакции, реакции на воздействие события, клинического проявления, клинического проявления, измененного воздействием события, этиологии и осложнения заболевания во многом сходна. Структура этих знаний характеризуется наличием причины, следствия, воздействующих факторов, модальностью и описанием причинной закономерности, хотя и не во всех случаях эти компоненты выделены явным образом. Поэтому для удобства будем называть эти знания причинно-следственными отношениями (рис. 11.1).

 

Рис. 11.1. Иллюстрация понятия «причинно-следственное отношение»

 

Кроме того, все знания о понятиях всех введенных классов (наблюдений, заболеваний и причинно-следственных отношений) могут содержать необходимые условия. Выполнение этого условия необходимо для того, чтобы соответствующее наблюдение, заболевание или причинно-следственная связь могли иметь место у пациента. Если необходимое условие отсутствует в описании понятия, оно считается тождественно истинным. Необходимое условие есть конъюнкция компонент, каждая из которых есть ссылка на некоторую анатомо-физиологическую особенность и подмножество возможных значений этой особенности. Компонента условия считается истинной, если у пациента наблюдаемое значение этой особенности принадлежит подобласти возможных значений этой компоненты.

 

Стратегии получения медицинских знаний. Существует несколько стратегий получения знаний. Наиболее распространенные:

· приобретение

· извлечение

· формирование

Под приобретением знанийпонимается способ автоматизированного построения базы знаний посредством диалога эксперта и специальной программы (при этом структура знаний заранее закладывается в программу). Эта стратегия требует существенной предварительной проработки предметной области. Системы приобретения знаний действительноприобретают готовые фрагментызнаний в соответствии со структурами, заложенными разработчиками систем. Большинство этих инструментальных средств специально ориентировано на конкретные экспертные системы с жестко обозначенной предметной областьюи моделью представления знаний, т.е.не являютсяуниверсальными. Например, система TEIRESIAS, ставшая прародительницей всех инструментариев для приобретения знаний, предназначена для пополнения базы знаний системы MYCIN или ее дочерних ветвей,построенных на "оболочке" EMYCIN в областимедицинской диагностики с использованием продукционной модели представления знаний.

Термин извлечение знаний касается непосредственногоживого контакта инженера познаниям и источниказнаний. Авторы склонны использоватьэтот термин как болееемкий и более точно выражающий смысл процедуры переноса компетентности экспертачерез инженера по знаниям в базузнаний экспертной системы.

Термин формирование знаний традиционно закрепился за чрезвычайно перспективнойи активно развивающейся областью инженериизнаний, которая занимаетсяразработкой моделей, методов и алгоритмов анализа данных для получения знаний и обучения. Эта область включает индуктивные моделиформирования гипотез на основе обучающих выборок, обучение по аналогии и другие методы.

Таким образом, можно выделитьтри стратегии проведения стадии получения знаний при разработке экспертных систем (рис. 11.2).

 

Рис. 11.2. Три стратегии получения знаний

 

На современном этапе разработки экспертных систем в нашей стране стратегия извлечениязнаний, по-видимому, является наиболее актуальной, поскольку промышленных системприобретения и формированиязнаний наотечественном рынке программных средств практически нет.

Извлечение знаний –это процедура взаимодействия эксперта с источником знаний, в результате которой становятся явными процесс рассуждений специалистовпри принятии решения и структура их представлений о предметной области.

Процесс извлечения знаний – этодлительная и трудоемкая процедура, в которой инженеру по знаниям,вооруженному специальнымизнаниями по когнитивной психологии, системному анализу, математической логике и пр., необходимо воссоздать модель предметной области, которой пользуются эксперты для принятия решения. Часто начинающие разработчики экспертных систем, желая избежать этой мучительной процедуры, задают вопрос: может ли эксперт сам извлечь из себя знания? Помногим причинамэтонежелательно.

Во-первых, большая частьзнаний эксперта - эторезультат многочисленных наслоений, ступеней опыта. И часто зная, чтоиз А следует В, экспертне дает себе отчета, что цепочка его рассуждений была гораздо длиннее.

Во-вторых, как было известно еще древним (вспомним «Диалоги» Платона), мышление диалогично. И поэтому диалог инженера по знаниям и эксперта - наиболее естественная форма «раскручивания» лабиринтовпамяти эксперта, в которых хранятся знания, частью носящие невербальный характер, т.е. выраженныене в форме слов, в форме наглядных образов,например. Именно в процессе объяснения инженеру по знаниям эксперт на эти размытые ассоциативные образы надевает четкие словесные ярлыки,т.е. вербализует знания.

В-третьих, эксперту гораздо труднее создать модель предметной области вследствие той глубины и необозримости информации, которой он обладает. Многочисленные причинно-следственные связи реальной предметной области образуют сложную систему,из которой выделить "скелет", или главнуюструктуру, иногда доступнее аналитику, владеющему к тому же системной методологией. Любая модель – это упрощение, а упрощать легче с меньшим знанием деталей.

Чтобы разобраться в природе извлечениязнаний, выделим три основных аспектаэтойпроцедуры (рис. 11.3): психологический, лингвистический, гносеологический.

Рис. 11.3. Основные аспекты извлечения знаний

Психологический аспект является, главным, поскольку он определяет успешность и эффективность взаимодействия инженера по знаниям (аналитика) с основным источником знаний - экспертом-профессионалом. Психологический аспект важен и потому, что извлечение знаний происходит чаше всего в процессе непосредственного общения разработчиков системы.

Лингвистический аспект важен поскольку процесс общения инженера по знаниям и эксперта - это языковое общение. В данном случае можно выделить три слоя важных для инженерии знаний лингвистических проблем: А) общий код, Б) понятийная структура, В) тезаурус пользователя.

Гносеологический аспект.Гносеология - это раздел философии, связанный с теорией познания, или теорией отражения действительности в сознании человека. Инженерия знаний как наука, если можно так выразиться, дважды гносеологична: действительность (О) сначала отражается в сознании эксперта (М1), а затем деятельность и опыт эксперта интерпретируются сознанием инженера по знаниям (M2), что служит уже основой для построения поля знаний экспертной системы.

В процессе извлечения знаний аналитика в основном интересует компонент знания, связанный с неканоническими индивидуальными знаниями экспертов, поскольку предметные области именно с таким типом знаний считаются наиболее восприимчивыми к внедрению экспертных систем. Эти области обычно называют эмпирическими, так как в них накоплен большой объем отдельных эмпирических фактов и наблюдений, в то время как их теоретическое обобщение - вопрос будущего.

Познание всегда связано с созданием новых понятий и теорий. Интересно, что часто эксперт как бы "на ходу" порождает новые знания, прямо в контексте беседы с аналитиком. Такая генерация знаний может быть полезна и самому эксперту, который до того момента мог не осознавать ряд соотношений и закономерностей предметной области.

Не всегда инженер по знаниям дойдет до последнего звена этой цепочки, но уже само стремление к движению бывает чрезвычайно плодотворным. Такой подход полностью согласуется со структурой самого знания, которое имеет два уровня:

· эмпирический (наблюдения, явления);

· теоретический (законы, абстракции, обобщения).

Критерии научного знания.

Теория - это не только стройная система обобщения научного знания, это также некоторый способ производства новых знаний. Основными методологическими критериями научности, позволяющими считать научным и само новое знание, и способ его получения являются:

· внутренняя согласованность и непротиворечивость;

· системность;

· объективность;

· историзм.

Внутренняя согласованность.Этот критерий в эмпирических областях на первый взгляд просто не работает: в них факты часто не согласуются друг с другом, определения противоречивы, диффузны и т.д. Аналитику, знающему особенности эмпирического знания, его модальность, противоречивость и неполноту, приходится сглаживать эти "шероховатости" эмпирики.

Модальность знания означает возможность его существования в различных категориях, т.е. в конструкциях существования и долженствования. Таким образом, часть закономерностей возможна, другая обязательна и т.д. Кроме того, приходится различать такие оттенки модальности, как: эксперт знает, что...; эксперт думает, что...; эксперт хочет, чтобы...; эксперт считает, что...

Возможная противоречивость эмпирического знания - естественное следствие из основных законов диалектики, и противоречия эти не всегда должны разрешаться в поле знаний, а напротив, именно противоречия служат чаще всего отправной точкой в рассуждениях экспертов.

Неполнота знания связана с невозможностью полного описания предметной области. Задача аналитика эту неполноту ограничить определенными рамками "полноты", т.е. сузить границы предметной области, либо ввести ряд ограничений и допущений, упрощающих проблему.

Системность. Системно-структурный подход к познанию (восходящий еще к Гегелю) ориентирует аналитика на рассмотрение любой предметной области с позиций закономерностей системного целого и взаимодействия составляющих его частей. Современный структурализм исходит из многоуровневой иерархической организации любого объекта, т.е. все процессы и явления можно рассматривать как множество более мелких подмножеств (признаков, деталей) и, наоборот, любые объекты можно (и нужно) рассматривать как элементы более высоких классов обобщений.

Объективность. Процесс познания глубоко субъективен, т.е. он существенно зависит oт особенностей самого познающего субъекта. Субъективность начинается уже с описания фактов и увеличивается по мере углубления идеализации объектов. Следовательно, более корректно говорить о глубине понимания, чем об объективности знания. Понимание - это сотворчество, процесс истолкования объекта с точки зрения субъекта. Это сложный и неоднозначный процесс, совершающийся в глубинах человеческого сознания и требующий мобилизации всех интеллектуальных и эмоциональных способностей человека. Все свои усилия аналитик должен сосредоточить на понимании проблемы. В психологии подтверждается факт, что люди, быстро и успешно решающие интеллектуальные задачи, большую часть времени тратят на понимание ее, в то время как быстро приступающие к поискам решения, чаще всего не могут его найти.

Историзм. Этот критерий связан с развитием. Познание настоящего есть познание породившего его прошлого. И хотя большинство экспертных систем дают "горизонтальный" срез знаний - без учета времени (в статике), инженер по знаниям должен всегда рассматривать процессы с учетом временных изменений - как связь с прошлым, так и связь с будущим. Например, структура поля знаний и база знаний должны допускать подстройку и коррекцию, как в период разработки, так и во время эксплуатации экспертной системы.

Математические методы поддержки принятия решений. Проведенный анализ классических методов поддержки принятия решения, нашедших широкое применение в различных прикладных областях, с целью выявления их достоинств и недостатков, позволяет утверждать, что они по своей природе не предназначены для решения задач интеллектуальной обработки и последующего анализа данных.

На сегодняшний день в теории принятия решения широко известны следующие методы:

1. Методы теории полезности. Строится аксиоматическим способом. В качестве достоинства методов отмечается детальная проработанность процедур выявления предпочтений.

2. Методы теории проспектов (ТП). Проспект - игра с вероятностными исходами. В методах ТП учитывается 3 поведенческих эффекта:

· эффект определенности - тенденция придавать больший вес детерминированным исходам.

· эффект отражения - к измерению предпочтений при переходе от выигрышей к потерям.

· эффект изоляции – тенденция к упрощению выбора путем исключения общих компонент вариантов решения.

Методы ТП, также как и предыдущие методы, имеют аксиоматические основы. Недостатком является то, что данный метод не снимает все проблемы, возникающие при изучении поведения людей в задачах выбора решения.

Главным недостатком всех перечисленных аксиоматических теорий является непроверяемый характер аксиом, что означает на практике требование к человеку принимать на веру правила рационального поведения, вытекающие из той или иной теории.

3. Методы ELECTRE. Французской школой теории принятия решений, возглавляемой Б.Руа, был предложен конструктивный подход к выработке решений, в рамках которого методы, модели и концепции рассматриваются как вспомогательные средства практического анализа ситуации. Эти средства позволяют, как уяснить цели принятия решения, так и лучше понять предпочтения лица, принимающего решение (ЛПР). Недостатком методов ELECTRE является то, что они являются вспомогательными средствами, а не способом выработки лучшего решения как при аксиоматическом подходе.

4. Метод анализа иерархий (МАИ). Часто используемый в последнее время метод принятия решений, опирающийся на многокритериальное описание проблемы. В методе используется дерево критериев, в котором общие критерии разделяются на критерии частного характера. Для каждой группы критериев определяются коэффициенты важности. Альтернативы также сравниваются между собой по отдельным критериям с целью определения каждой из них. Средством определения коэффициентов важности критериев либо критериальной ценности альтернатив является попарное сравнение. Результат сравнения оценивается по бальной шкале. На основе таких сравнений вычисляются коэффициенты важности критериев, оценки альтернатив и находится общая оценка как взвешенная сумма оценок критериев.

Недостатки:

1. Рассогласование оценок, связанное с трудностями оценки отношений сложных элементов – 1-й вид рассогласования.

2. Рассогласование 2-го вида, связанное с предложенной дискретной шкалой для оценки элементов.

3. Резкое увеличение количества оценок с увеличением набора элементов. Не рекомендуется набор элементов больше 9.

4. Пересчет отношений значимости элементов в их важность осуществляется приближенным методом.

5. Эвристические методы. К эвристическим методам относят следующие методы:

· метод взвешенной суммы оценок критериев Каждой альтернативе дается числовая (бальная) оценка по каждому из критериев. Критериям приписывается количественные веса, характеризующие их сравнительную важность. Веса умножаются на критериальные оценки, полученные числа суммируются - так определяется ценность альтернативы. Далее выбирается альтернатива с наибольшим показателем ценности.

· метод компенсации используется при попарном сравнении альтернатив.

Достоинством всех эвристических методов является простота и удобство, а основным недостатком то, что все они не имеют научного обоснования.

Рассмотренные методы, положенные в основу теории принятия решения, носят аксиоматический и эвристический характер, т.е. не имеют строгого научного доказательства.

Экспертные системы. Экспертная система - это компьютерная программа, которая моделирует рассуждения человека-эксперта в некоторой определенной области и использует для этого базу знаний, содержащую факты и правила об этой области, и некоторую процедуру логического вывода.

Термин «экспертная система» у многих совершенно естественно ассоциируется с термином «эксперт». Так принято называть высококвалифицированного, авторитетного специалиста в какой-либо области деятельности, который решает задачи, используя свой опыт и знания.

Можно выделить следующие задачи, решаемые экспертами:

1) диагностика - определение причин заболевания или неисправности технической системы и выработка рекомендации по их устранению;

2) классификация - построение иерархии концепций или объектов; определение места заданного объекта или концепции в этой иерархии;

3) прогнозирование - предсказание поведения организма, технической или любой другой системы на основе данных о ее текущем состоянии;

4) планирование - построение плана (программы) действий по решению какой-либо задачи;

5) управление - контроль состояния сложной системы и принятие оперативных решений по его изменению.

С возникновением компьютеров одной из теоретических проблем, решаемых с помощью вычислительных систем, стала проблема имитации человеческого мышления. Программные системы, имитирующие на компьютере человеческое мышление, получили название систем искусственного интеллекта (ИИ).

Конкретные сферы человеческой деятельности, в которых могут применяться системы ИИ, называются предметными областями.

Системы искусственного интеллекта, созданные для решения задач в конкретной предметной области, называются экспертными системами (ЭС).

Источником знаний для наполнения экспертных систем служат люди-эксперты (специалисты в узких областях знаний) в соответствующих предметных областях.

У экспертной системы должно быть два режима работы: режим приобретения знанийи режим решения задач.

В режиме приобретения знаний эксперт общается с экспертной системой при посредничестве инженера знаний, в режиме решения задач в общении с экспертной системой участвует пользователь, которого интересует результат и способ его получения. Экспертная система в отличие от решения задач по алгоритму не исключает пользователя из решения, а, наоборот, сохраняет за ним инициативу. В то же время ЭС не является просто пассивным источником полезной информации подобно книжному справочнику или базе данных. В нужные моменты ЭС подсказывает необходимое направление решения задачи, развивает цепочки умозаключений, объясняет свои действия.

Функции экспертных систем:

1. Экспертиза проектов.

2. Оценка квалификации специалистов.

3. Постановка диагноза.

4. Оценка эффективности лечения.

5. Назначение схемы лечения.

 

С точки зрения решения основной задачи экспертных систем: кодирования знаний о предметной области и их использования для решения проблем в этой области наиболее существен опыт исследователей искусственного интеллекта в решении задач представления знаний и распознавания образов. Объем знаний, необходимых для любого значительного приложения экспертных систем, обычно очень велик и поэтому для выборки, обновления и поддержания таких больших объемов знаний экспертным системам необходимы хорошие модели представления знаний.

Методы, положенные в основу создания экспертных систем, носят аксиоматический и эвристический характер, т.е. не имеют строгого научного доказательства.

Экспертные системы должны содержать 4 функциональных блока:

· базу знаний;

· блок вывода заключений;

· блок "объяснения" вывода заключений;

· блок наполнения и редактирования базы знаний.

Необходимы также блок ввода данных о пациенте и блок представления выходной информации пользователю.

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 представления (формой записи) знаний в "базе знаний".

 


Поделиться:

Дата добавления: 2015-08-05; просмотров: 341; Мы поможем в написании вашей работы!; Нарушение авторских прав





lektsii.com - Лекции.Ком - 2014-2024 год. (0.005 сек.) Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав
Главная страница Случайная страница Контакты