Експертні та інтелектуальні системи в медицині та фармації

Сучасний технологічний фундамент наукової та клінічної медицини виник і розвивається саме "на стику наук", на основі потенціалу різних областей науки і техніки, які об’єднуються загальними проблемами медичної спрямованості.

В кінці 50-х років ХХ століття появилась нова область інформатики – штучний інтелект. Вона займалась розробкою програм, які здатні розв’язувати так звані «людські» задачі. Розв’язання задач такого напрямку пов’язане з нетривіальними логічними умовиводами і пошук результатів, як правило, зводиться до перебору й аналізу великої кількості можливих варіантів. Саме до такого класу належить більшість медичних завдань.

 

Історія розвитку й проблеми штучного інтелекту

Здавна людина робила безліч спроб змоделювати свою подобу, та її зусилля були безуспішними, тому що це дуже складне завдання. Перелом відбувся в середині XX століття. Йому сприяли 2 події:

§Вінер заклав основи кібернетики,

§поява ЕОМ.

Завдання, які необхідно було вирішувати, мали не обчислювальну, а логічну природу. Роботи в області ШІ можна розбити на 2 напрямки:

Нейрокібернетика. Основна ідея: будь-який мислячий пристрій повинен якимось чином відтворювати структуру людського мозку. Ця наука орієнтована на апаратне моделювання.

Мозок людини складається з порядку 10²¹ нейронів, зв'язаних між собою. Є успішні спроби моделювання безлічі нейронів - нейронні мережі. Перші успіхи були вражаючими. Був зроблений перший об'єкт - персептрон - деяка матриця нейронів, що могла розпізнавати 2 стани (наприклад падає світло чи ні).

Ця матриця могла також розпізнавати образ. Але виникла нова проблема - потрібно робити надто великі матриці через велику кількість інформації. Тому про цей напрямок на 10-15 років забули. Останнім часом нейрокібернетика знову почала розвиватися через стрибок у розвитку ЕОМ. З'явилися нейрокомп’ютери, трансп’ютери.

Можна виділити 3 способи реалізації нейромереж:

1) апаратний (плати й т.д.);

2) програмний (нейромережа моделюється в пам'яті комп'ютера);

3) гібридний - середнє між 1 й 2. У наш час нейрокібернетика розвивається в напрямку нейрокомп’ютеров і головним завданням є розпізнавання образів.

В 1990 році Вільям Бакст із Каліфорнійського університету в Сан-Дієго використав нейронну мережу - багатошаровий персептрон - для розпізнавання інфаркту міокарда в пацієнтів, що надходять у приймальне відділення з гострим болем у грудях. Його метою було створення інструмента, здатного допомогти лікарям, які не в силах упоратися з потоком даних, що характеризують стан хворого, який поступив.

Мережа продемонструвала точність 92% при виявленні інфаркту міокарда й дала тільки 4% випадки сигналів фіктивної тривоги, помилково підтверджуючи направлення пацієнтів без інфаркта в кардіологічне відділення. Отже, це факт успішного застосування штучних нейронних мереж у діагностиці захворювання.

Ідеальний метод діагностики повинен мати стовідсоткові чутливість і специфічність: по-перше, не пропускати жодного дійсно хворої людини, по-друге, не лякати здорових людей. Щоб застрахуватися, можна й потрібно намагатися насамперед забезпечити стовідсоткову чутливість методу - не можна пропускати захворювання. Але це обертається, як правило, низькою специфічністю методу - у багатьох людей лікарі підозрюють захворювання, якими насправді пацієнти не страждають.

Нейронні мережі для завдань діагностики

Нейронні мережі є нелінійними системами, що дозволяють набагато краще класифікувати дані, ніж це роблять зазвичай використовувані лінійні методи. У додатку до медичної діагностики вони дають можливість значно підвищити специфічність методу, не знижуючи його чутливості.

Нейронна мережа, яка діагностує інфаркт, працювала з більшим набором параметрів, вплив яких на постановку діагнозу людині неможливо оцінити. Проте нейромережі виявилися здатними приймати рішення, ґрунтуючись на схованих закономірностях, що виявляються ними, у багатомірних даних. Особлива властивість нейромереж полягає в тому, що вони не програмуються - не використають ніяких правил висновку для постановки діагнозу, а навчаються робити це на прикладах.

Діагностика є частковим випадком класифікації подій, причому найбільшу цінність представляє класифікація тих подій, які відсутні в навчальному наборі нейромереж. Тут виявляється перевага нейромережевих технологій - вони здатні здійснювати таку класифікацію, узагальнюючи колишній досвід і застосовуючи його в нових випадках.

Кібернетика чорного ящика.

Не має значення, як влаштований мислячий пристрій, головне, щоб на задані вхідні подразнення він реагував так, як людський мозок.

Евристика - правило, теоретично не обґрунтоване, але таке, що дозволяє скоротити перебір у дереві рішень

Основні області завдань ШІ

Розробка й створення ЕС - основний напрямок у всій області ШІ. Вимагає рішення двох завдань:

а) розробка моделей подання знань,

б) створення баз знань.

Ø Ігри й творчість. Наприклад, шахи, карткові ігри, програми створення казок, музики й т.д.

Ø Розробка природно-мовних інтерфейсів.

 

Основні області завдань ШІ

Ø Розпізнавання образів (не тільки зорових, але й, наприклад, ситуацій).

Ø Навчання й самонавчання. Включає моделі, методи й алгоритми, орієнтовані на автоматичне нагромадження знань на основі аналізу й узагальнення даних. Можливі різні методи, зокрема, на основі прикладів.

Ø Інтелектуальні роботи. Спочатку були роботи, що працюють по жорсткому алгоритму. Зараз робототехніка включає багато інших наук - і розпізнавання образів, і евристики й багато чого іншого. Розробляються високоінтелектуальні роботи.

Дані й знання

Дані – окремі факти, що характеризують об'єкти, процеси і явища в предметній області.

Поняття “знання” чіткого визначення не має. Одне з визначень:

Знання – виявлені закономірності предметної області (принципи, зв'язки, закони), що дозволяють вирішувати завдання в цій області.

Знання пов'язані з даними, ґрунтуються на них, але є результатом розумової діяльності людини, узагальнюють її досвід, отриманий у ході виконання якої-небудь практичної діяльності.

Є деякі відмінності між даними й знаннями:

Ø Внутрішня інтерпретованість знань (наприклад: дані - 243849..., знання - речення природної мови)

Ø Активність знань: якщо є знання, то поява нових знань може привести до зміни старих знань і появи нових.

Ø Зв’язність знань. Знання не цікаві самі по собі, вони цікаві в сукупності (система знань).

Ø Знання динамічні, а дані, як правило, статичні