Диссертация (1335940), страница 4
Текст из файла (страница 4)
Работа иллюстрирована 48 рисунками и 15 таблицами.20Глава 1.ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯВРАЧЕБНЫХ РЕШЕНИЙ (ОБЗОР ЛИТЕРАТУРЫ)1.1.Понятие об интеллектуальной системеИнтеллектуальная система подразумевает под собой разумные решения илогическиерассуждения,осуществляемыеспомощьюспециальногопрограммного средства, именуемого системой и основанного на знанияхспециалистов в конкретной предметной области.
При некотором упрощении,интеллектуальная система – программная система, имитирующая на компьютеремышление человека в определенной области знаний [118, 236]. Искусственныеинтеллектуальные системы находят всё большее практическое применение в силуряда преимуществ перед интеллектуальной деятельностью человека. К числутаких преимуществ можно отнести: невысокую стоимость (в сравнении состоимостью работы высококлассного специалиста) при достаточно высокомуровнекомпетентности,беспристрастность,легкуювоспроизводимостьрезультатов (помехоустойчивость), алгоритмирование принятия решения и егообоснование (обучаемость), постоянно высокий профессиональный уровень(уровень знаний в интеллектуальной системе не снижается, в то время какспециалисту постоянно необходимо «быть в форме») [13, 35, 43, 91, 112, 118, 236,243, 263, 270, 273, 276, 319, 352].Область исследования интеллектуальных систем называют «инженериейзнаний». С современных позиций, инженерия знаний – это ветвь информатики,изучающая модели и методы извлечения, структурирования и формализации(представления) знаний для их обработки в интеллектуальных и информационныхсистемах.
Этот термин впервые ввел в 1982 году E. Feigenbaum, что означает«привнесение принципов и средств из области искусственного интеллекта врешение трудных прикладных проблем, требующих знаний экспертов». К числу21такихнеформализованныхпроблем можно отнести следующие: 1) когдазадачи не могут быть представлены в числовой форме; 2) исходные данные изнания о предметной области обладают неоднозначностью, неточностью ипротиворечивостью; 3) не существует однозначного алгоритмического решениязадачи [7].
Наиболее часто с такими проблемами приходится сталкиваться вмедицине, что связано 1) с обилием часто встречающихся заболеваний, но сатипичными симптомами; 2) наличием симптомов-миражей (которые связывают сопределенной патологией, тогда как на самом деле они могут не иметь к нейникакого отношения) и болезней-хамелеонов (заболеваний, маскирующихся поддругую патологию); 3) наличием редких заболеваний [98, 99, 191, 209].В то же время необходимо отметить, что интеллектуальная поддержка впринятии врачебных решений используется уже давно и к ранним, традиционноприменяемым её формам относят медицинские энциклопедии, справочники,монографии и другую медицинскую литературу.
Однако, отмечаемый запоследнее время экспоненциальный рост знаний по многим отраслям медицины,появлениеновыхнаучныхперсонализированная,имедицинскихтрансляционнаянаправлениймедицина,(молекулярная,фармакогенетика,биоинформатика и т.д.) приводят к информационному коллапсу, справиться скоторым рядовой практикующий врач с помощью стандартных справочныхсредств не в состоянии. Очевидно, что перевод справочной литературы вэлектронную форму (даже при условии своевременного обновления и пополненияданных) также не сможет полностью решить эту проблему.
Складывающаясяситуация требует разработки интеллектуальных систем, способных оказатьсодействие доктору в интерпретации клинических и лабораторных данных иназначении наиболее адекватного лечения больного [13, 39, 91, 100, 122, 124; 273,274, 364, 366].В клинической практике такие интеллектуальные системы называютконсультативными,посколькуонисодержатмеханизмобоснованияпредлагаемого решения, наиболее полно согласующегося с анализируемымиданными.Благодарятакимсистемамспециалист(врач)получает22интеллектуальнуюподдержкукак процессавыдвиженияначальнойдиагностической гипотезы, так и процесса обоснования или опровержениядиагноза, то есть получает интеллектуальную поддержку решения прямой иобратной задач в медицине, поэтому такие системы именуют «системамиподдержки принятия решений» [35, 91, 99, 126, 209, 262].
Окончательное решениепринимает врач, система не навязывает ему ни один из своих выводов, специалистможет соглашаться и не соглашаться с предлагаемым заключением, но при этомонполучаетопределенныйпереченьнаиболееблизкихдиагнозов(такназываемый дифференциально-диагностический ряд), выдаваемых системой, чтоускоряет процесс постановки окончательного диагноза и назначения адекватноголечения [13, 122, 129, 207, 252, 262, 264, 270, 272, 273, 274, 276, 279, 280].1.2.
Принципы построения и организации интеллектуальных системподдержки принятия решенийСтруктурно и функционально интеллектуальные системы состоят изнескольких блоков: 1) блока «представления знаний (базы знаний)» ванализируемой предметной области (сюда входят структурно организованныеанализируемыеклиническиепризнаки,обладающиеопределеннойдиагностической значимостью); 2) блока «механизма логического вывода» или«решателя» (включает в себя программу, моделирующую логику рассужденийэксперта при постановке диагноза на основании введенных данных озаболевании);3)блока«взаимодействияспользователем»(интерфейсапользователя) (комплекс программ, обеспечивающих диалог с пользователем); 4)блока «подсистемы объяснений» (позволяет пользователю ознакомиться собоснованием заключения, выдаваемого системой и его вероятностью); 5)интеллектуального редактора базы знаний (программа, позволяющая обновлять идополнять базу знаний) [7, 23, 35, 97, 99, 124, 209, 213, 273].По принципам построения интеллектуальные системы могут быть: 1)экспертными(основаныназнанияхвысококвалифицированноговрача-23специалиста);2) интеллектуальными (базируютсянаданныхизлитературных источников); 3) гибридными (включают математические модели илогическуюобработкуданных)[99].Похарактерурешаемыхзадачинтеллектуальные системы могут быть использованы для: 1) интерпретацииданных (под интерпретацией понимается процесс определения смысла данных); 2)диагностики (процесса соотнесения объекта с определенным классом объектовили обнаружения неисправности в системе); 3) мониторинга (непрерывнойинтерпретации данных в реальном масштабе времени и сигнализации о выходекаких-либопараметровсистемызапределы допустимыхзначений);4)проектирования (подготовке спецификаций на создание объектов с заранееопределенными свойствами); 5) прогнозирования (предсказания последствийнекоторых событий или явлений); 6) планирования (создания планов действийобъектов, способных выполнять некоторые функции); 7) обучения (для усвоенияинформации в определенной предметной области); 8) управления (поддержаниясистемы в определенном режиме деятельности); 9) поддержки принятия решений(под поддержкой принятия решения подразумевается совокупность процедур,обеспечивающих лицо, принимающее решение, необходимой информацией ирекомендациями для облегчения процесса принятия решения) [35].Всозданииинтеллектуальныхсистемпринимаетучастиенаучно-творческий коллектив, состоящий из эксперта (нескольких экспертов) вконкретной предметной области, инженера по знаниям, программиста (возможно,нескольких программистов) и пользователя (или нескольких пользователей) [13,35, 118, 209, 243].
Эксперт выступает в роли носителя (источника) знаний и, вконечном счете, определяет уровень компетенции системы. Инженер по знаниям,являясь аналитиком, собирает информацию от эксперта, структурирует ипредставляетееспомощьюязыков(моделей)представлениязнанийпрограммисту. Программист переводит полученные знания в машинный язык,реализуя их в виде программного продукта. Пользователь, являясь фактическизаказчикомсистемы,определяетвдальнейшемеёвостребованностьи«жизнеспособность». Из представленного описания видно, что интеллектуальные24системы, имитируя логику врачебного (экспертного) мышления, опираются набазы знаний в данной предметной области. Базы знаний представляют собойнабор формализованной информации о жалобах, анамнезе и симптомах, ихвзаимосвязях и значимости при различных заболеваниях.
Проблема созданияинтеллектуальных систем поддержки принятия врачебных решений заключается втрудностях полного и адекватного построении баз знаний в данной предметнойобласти медицины. В связи с этим большое внимание уделяется корректномупереносу знаний от эксперта в базу знаний [105]. Этот процесс является не толькотрудоемким, но и сложным ввиду субъективизма восприятия информацииэкспертом, инженером по знаниям и программистом. Инженер по знаниям долженполучить (извлечь) знания от эксперта, и этот процесс содержит теоретические ипрактические аспекты [35, 97, 114].
Теоретические аспекты извлечения знанийподразделяются на психологические, лингвистические и гносеологические.Психологические аспекты определяют способность инженера по знаниям иэксперта к плодотворному сотрудничеству на основании их психологическойсовместимости. Лингвистические аспекты – способность к общению на одномязыке в данной предметной области, что предполагает под собой определенныйуровень базовой подготовки инженера по знаниям в интересующей предметнойобласти[259].Гносеологическиеаспектыподразумеваютнеобходимостьсходного восприятия предметной области экспертом и инженером по знаниям.Практические аспекты процесса извлечения знаний включают текстологические икоммуникативные методы.
Текстологические методы включают анализ любойспециализированнойлитературыподаннойпредметнойобласти[24].Коммуникативные методы извлечения знаний предполагают непосредственноеобщение инженера по знаниям с экспертом и, в свою очередь, могут бытьиндивидуальными или групповыми. Групповые методы включают разнообразныеметодики: мозговой штурм, игры, круглый стол и другие. Индивидуальные могутбыть активными и пассивными.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
