Xreferat.com » Рефераты по медицине и здоровью » Застосування експертних систем у медицині

Застосування експертних систем у медицині

BORDER=1 BORDERCOLOR="#000000" CELLPADDING=8 CELLSPACING=0> Симптоми Геморагічний інсульт Ішемічний інсульт Передвісники Мапохарактерні Характерні Раптовий розвиток Характерний Менш характерний Повільний розвиток Нехарактерний Характерний Втрата свідомості Характерна Менш характерна

Таблиця 1.7

Кількісні характеристики ознак

Симптоми Геморагічний інсульт Ішемічний інсульт
Передвісники 0 1
Раптовий розвиток 1 0
Повільний розвиток 0 1
Втрата свідомості 1 0

Якісні характеристики в табл. 8.11 замінені в табл. 8.12 кількісними з великою мірою округлення. Однак можна було б експериментально оцінити відповідні частоти повторюваності різних ознак для даних захворювань (табл. 8.13).


Таблиця 1.8

Вербальні та числові оцінки ознак

Вербальна оцінка Числова оцінка
Характерно 0,8-1
Менш характерно 0,5-0,8
Малохарактерно 0,2-0,5
Нехарактерно 0-0,2

На основі даних табл.1.8 замість табл. 1.6 можна отримати більш точну табл. 1.9


Таблиця 1.9

Середні частоти ознак

Симптоми Геморагічний інсульт Ішемічний інсульт
Передвісники 0,35 0,9
Раптовий розвиток 0,9 0,65
Повільний розвиток 0,1 0,9
Втрата свідомості 0,9 0,65

У табл. 1.9 проставлені середні значення частот повторюваності симптомів із діапазонів, вказаних в табл. 1.8.

Якщо вважати для простоти захворювання рівноймовірними, то за формулою Байєсаможна оцінити значення Р(Yj/Xi), розмістити їх у відповідних клітинках табл. 1.14 і отримати нову табл.1.10, яка дозволяє проводити обчислення, аналогічні (1.8) та (1.9).


Таблиця 1.10

Умовні ймовірності, оцінені за формулою Байєса

Симптоми Геморагічний інсульт Ішемічний інсульт
Передвісники 0,28 0,72
Раптовий розвиток 0,58 0,42
Повільний розвиток 0,1 0,9
Втрата свідомості 0,58 0,42

Припустимо, що спостерігається дві ознаки: "передвісники" і "повільний розвиток". Додаючи числа з відповідних клітинок і поділивши результати на два (кількість ознак, що спостерігаються), отримаємо рейтинги геморагічного та ішемічного інсульту, рівні 0,19 і 0,81, відповідно. В результаті можна зробити висновок, що ішемічний інсульт є переважаючим діагнозом.

Табл. 1.10 фактично є діагностичною таблицею, єдиний недолік якої полягає в тому, що в її клітинках стоять не цілі числа (що зручно для ручних розрахунків), а дробові. Цей недолік легко усувається шляхом множення всіх дробових чисел на один і той же коефіцієнт, наприклад на 10, з наступним округленням результатів. У результаті таких дій отримаємо діагностичну таблицю (табл.1.11).


Таблиця 1.11

Кінцевий вигляд діагностичної таблиці

Симптоми Геморагічний інсульт Ішемічний інсульт
Передвісники 3 7
Раптовий розвиток 6 4
Повільний розвиток 1 9
Втрата свідомості 6 4

Наведені вище результати, з одного боку, демонструють наявність глибокого внутрішнього зв'язку між добре відомими табличними діагностичними алгоритмами і Байєсівською стратегією. З іншого боку, доведена в клінічній практиці досить висока ефективність табличних діагностичних алгоритмів, може бути аргументом на користь правила продукції з елементами Байєсівської стратегії, описаного виразами (1.4)-(1.5).


Експертна система для іридодіагностики ЕСІД


Призначення і можливості. Програма ЕСІД багатоцільова: вона може використовуватися для практичної іридодіагностики, наукових досліджень і навчання іридологів Мед].

Можливості системи Мед]:

кількісна оцінка ймовірності можливих захворювань;

розв'язування задач загальної, диференціальної та часткової діагностики з пошуком інформації за схемами "ознака-захворювання" і "захворювання-ознака";

використання, поряд з іридодіагностичними, додаткових ознак;

аргументування діагнозу;

автоматизоване формування висновку лікаря з рекомендаціями стосовно лікування виявлених захворювань;

протоколювання результатів обстежень за допомогою автоматизованої статистичної обробки протоколів;

модернізація бази знань без залучення професіональних програмістів;

можливість автоматизованого обліку результатів статистичного оброблення протоколів у випадку модернізації бази знань;

кількість розпізнань нозологічних форм — біля 300;

кількість використаних діагностичних ознак — порядку 1000;

наявність режиму "Допомога" у вигляді кольорових графічних ілюстрацій і текстових коментарів.

База знань містить систему реляційних баз даних з переліком іридодіагностичних і додаткових (неіридодіагностичних) ознак, переліком нозологічних форм, інформацію про статистичні зв'язки між ознаками і захворюваннями та рекомендації стосовно лікування.


Застосування експертних систем у медицині

Рис. 1.3. Введення діагностичних ознак в ЕС ЕСІД


Механізм логічного виведення базується на частковому використанні Байєсівської стратегії: в процесі загальної або диференціальної діагностики за заданими значеннями діагностичних ознак (іридодіагностичних або додаткових), автоматично обчислює і подає у вербально-графічній формі (схема організації інформації на екрані комп'ютера в режимі введення значень діагностичних ознак наведена на рис. 1.3) значення оцінки апостеріорного розподілу ймовірностей P(Yj/Xi).

Основою алгоритму обчислень служать співвідношення (1.4)-(1.5). Різниця полягає в тому, що реалізується рекурентний аналог (1.6), а не співвідношення (1.5):


Застосування експертних систем у медицині(1.6)


Клієнт-серверна експертна система для телемедицини


Термін "телемедицина" означає застосування телекомунікаційних та інформаційних технологій у медицині для проведення лікувальних заходів на відстані [111]. На сьогодні телемедицина містить сукупність "вбудованих" у медичні інформаційні системи принципово нових засобів і методів обробки даних, об'єднаних у цілісні технологічні системи, що забезпечують створення, передачу, зберігання і відображення інформаційного продукту (даних, знань). Одним із традиційних застосувань інформаційних технологій в медицині є експертні системи (EC).

Як було сказано, експертні системи можна поділити на одиничні, групові та групові та корпоративні.

Використання мережевої клієнт-серверної технології (групові та корпоративні системи) дає певні переваги при побудові як EC в цілому, так і медичних EC зокрема:

архітектура клієнт-сервер призначена для вирішення проблем файл- серверних застосувань шляхом розділення компонентів і розміщення їх там, де вони функціонуватимуть ефективніше;

можлива інтеграція EC з іншими.системами, потрібними користувачу;

залучення більшої кількості користувачів для використання централізованої бази знань і підсистеми логічного виведення забезпечує досить високу адекватність EC;

можливість приватного зберігання алгоритмів логічного виведення та баз знань;

збільшення доступності систем;

якщо база знань зберігається на сервері, то за необхідності її модифікації проводиться її одноразове оновлення, а клієнтська частина залишається незмінною, що істотно спрощує процес модифікації бази знань, у порівнянні з локальною технологією EC, де потрібно було б відновити копію EC кожному користувачу

подібність завдань і методів рішення в медичних експертних системах надає можливість виділити в них універсальні елементи, інтегрувавши їх уфункції сервера, що дозволяє спростити процес побудови EC.Застосування клієнт-серверних експертних систем для мережInternet/Intranet забезпечує такі переваги:

інтенсивний розвиток і висока ефективність медичних EC зокрема;

можливість застосування автоматизації процесу лікарського контролю;

надання лікарської допомоги та контроль за умови територіальної віддаленості пацієнта

Наведемо приклади застосування мережевих технологій для побудови експертних систем у телемедицині. Система контролю серцевої активності Cardioview, що має давач серцевої активності, який з'єднаний задопомогою мобільного телефону стандарту GSM з Internet-сервером через WAP протокол і передає дані про серцеву активність спеціальній системі, написаніймовою Java. Аналогічна система Biolog застосовується експертами NASA для лікарського контролю самопочуття космонавтів. Відома також експертна фармакологічна система, що працює через WWW (Internet/Intranet).

Однак на сьогодні не сформований універсальний підхід до побудови таких систем. До недоліків можна віднести також орієнтацію на рішення конкретних часткових задач і застосування вузькоспеціалізованих технологій (побудова системи на основі WWW- інтерфейсу).

У зв'язку з цим в запропонована схема клієнт-серверної експертної системи для мереж Internet/Intranet (рис. 8.4), яка може бути використана для рішення задач телемедицини незалежно від їх клінічної специфіки.

У порівнянні з класичною EC експертна оболонка виділена як відособлена частина і виконує функції мережевого клієнта. Підсистема логічного виведення та база (банк) знань знаходяться в серверній частині системи. Банк знань може зберігати декілька незалежних баз знань, які використовуються різними клієнтськими програмами. Для підтримки банкузнань використовуються засоби систем керування базами даних.

До складу серверної частини ЕС крім банку знань входить підсистема логічного виведення, яка інтегрується з інтерпретаторами скрипт-мов, що дозволяють реалізувати знання засобами цих мов. Інтеграція таких мов як LISP,клін Prolog, Forth дозволить легко перенести вже існуючі EC, побудовані з використанням цих мов, в режим мережевої реалізації. Таким чином можнарозширити можливості існуючих медичних інформаційних систем ведення та обліку хворих шляхом введення в них функції взаємодії з мережевими ЕС.

Для комунікації між серверною і клієнтською частинами системи використовується протокол на основі платформо-незалежного стандарту XML.

Протокол взаємодії серверної та клієнтської частин ЕС забезпечує статичний і діалоговий (інтерактивний) режими взаємодії з користувачем

Статичний режим зручний у випадку одноразового передавання всіх даних, достатніх для прийняття рішення за умови, що вони вже знаходяться в базі даних клієнтської частини і не вимагають додаткового введення з боку користувача. Коли їх недостатньо, клієнт і сервер вступають у діалоговий режим взаємодії.

Вибір формату XML зумовлений такими факторами:

незалежний формат даних. Під час використання XML дані більше не прив'язані до засобів, що їх створили. Це різко підвищує можливість взаємодії різних систем, надає великі можливості вибору для користувача і сприяє спільному використанню даних різними системам;

покращення можливості пошуку даних, оскільки XML визначає логічну структуру документа;

збільшення доступності даних.

XML стандарт передавання даних має також ряд переваг і в порівнянні з HTML стандартом, який широко використовується для реалізації WWW- продуктів.

На основі розглянутої технології побудови клієнт-серверної експертної системи для мереж Internet/Intranet розроблена експертна система «Вертебрологія» для діагностики етіології фронтальних викривлень хребта (сколіозу).

Для розроблення системи «Вертебрологія» використовувались такі інструментальні засоби: мова програмування C/C++ як для клієнтської, так і для серверної частин; СКБД MySQL для зберігання банку знань серверної частини та бази даних клієнтської частини; скрипт-мова Lua, що забезпечує механізм логічного виведення серверної частини.

Мовою Lua реалізовані алгоритми експертної оцінки етіології фронтальних викривлень хребта (сколіозу). В основі алгоритму лежить статистичний підхід до вирішення проблеми засобами кореляційного і регресійного аналізу. Використовуються рівняння, що чисельно виражають вірогідність тієї чи іншої першопричини фронтальних викривлень хребта.

Розглянуті технології, мережеві протоколи і програмне забезпечення можуть бути використані для вирішення проблем телемедицини і в інших клінічних областях.


Експертна система "Лазерна рефлексотерапія"


Застосування експертних систем, призначених для вирішення завдань діагностики і лікування захворювань, особливо ефективне в тих випадках, коли врахування дуже великого обсягу вхідної інформації або реалізація складного алгоритму прийняття рішення дуже складна для практичного лікаря. Прикладом може бути розроблення схем лікування для методів рефлексотерапії. Велика кількість акупунктурних точок (більше 800) і необхідність оцінки множини чинників для вибору зон і доз стимуляції примушує лікаря-рефлексотерапевта користуватися спрощеним і шаблонним підходом, що знижує результативність застосовуваної терапії.


Застосування експертних систем у медицині

Рис. 1.4. Схема клієнт-серверної експертної система для мереж Internet/Intranet


В описана експертна система, реалізована на персональному комп'ютері і призначена для автоматизації синтезу рецептур за методиками лазерної-рефлексотерапії. В основу програми покладені алгоритми, які фахівці застосовують під час складання реальних рецептур лазерної рефлексотерапії.

Вхідною інформацією для експертної системи є діагностичний висновок, який формулюється лікарем на основі даних клінічних та інструментальних досліджень і включає такі дані:

вік і стать хворого;

розгорнений клінічний діагноз - нозологічна форма, головні синдроми і симптоми захворювання;

відомості про нейрометамірну іннервацію патологічних осередків, уражених внутрішніх органів і зон патологічних відчуттів (біль, свербіння^ парестезії тощо);

відомості про анатомічну локалізацію патологічних осередків і вражених внутрішніх органів.

Результатом роботи експертної системи є рекомендації стосовно схеми курсу лазерної рефлексотерапії для конкретного хворого. Схема містить перелік і кількість акупунктурних точок, а також питомі дози лазерного випромінювання для кожної процедури.


Експертна система експрес-діагностики станів у випадку пороків серця


У цій системі модель знань представлена у вигляді графа окремих симптомів, симптомокомплексів і станів, що належать до одного класу захворювань. Вважається, що всі симптоми, симптомокомплекси і стани зв'язані. Цей зв'язок виражається у тому, що якщо різні елементи інформації належать до одного і того самого або послідовних патологічних процесів одного варіанту перебігу захворювання, то при визначенні будь-якого з них повністю відтворюються інші. Ціна асоціації розглядається як статистична характеристика переходу від одного симптомокомплексу до іншого. Ця характеристика залежить від кількості попередніх спільних відтворень обох симптомокомплексів, проміжку часу, що минув з моменту останнього їх відтворення, а також від частоти відтворення елементів, пов'язаних з обома заданими симптомокомплексами.

Для визначення статистичних характеристик необхідно використовувати достовірну інформацію. Тому з архіву клініки вибирають історії хвороби з верифікованими висновками. Навчання моделі захворювання проводиться саме на верифікованому матеріалі. Системі повідомляється частина відомостей, що є в історії хвороби хворого. Вихідна інформація порівнюється з рештою даних клінічного спостереження, що аналізується. Якщо вони в чомусь не збігаються, то фіксовані параметри моделі змінюють доти, доки не буде видана інформація, тотожна даним історіям хвороби.

Система забезпечує досить високу точність діагностики і прогнозування найважливіших патологічних станів: від 79,9 ± 1,9 % до 87,2 ± 4,9 %.

Експертна система прогнозування настання вираженої серцевої слабкості в післяопераційному періоді у пацієнтів із захворюваннями мітральиого клапана. Одна з важливих особливостей клінічної інформації полягає у великій кількості ознак захворювань, відносно малій кількості спостережень та істотній питомій вазі пропусків даних.

У цьому випадку модель представлення знань експертної системи може базуватися на методі групового врахування аргументів. Ця технологія була використана в процесі розроблення названої експертної системи.

Для побудови моделі знань методом експертної оцінки з подальшим простим аналізом інформативності було відібрано 12 показників, а на підставі вивчення архіву верифікованих випадків вибрано 40 історій хвороб пацієнтів, що померли в результаті різко вираженої серцевої слабкості в післяопераційному періоді. Для порівняння клініки патологічного процесу була взята така сама кількість випадків для післяопераційного періоду, що проходив нормально. Для утворення навчальної та екзаменаційної послідовностей вказаний об'єм спостережень був розділений на дві групи (з однаковою кількістю історій хвороби в кожній).

У прогнозуванні можливої серцевої слабкості використовувалися дані анамнезу (вік і тривалість захворювання), показники об'єктивного і лабораторного обстежень пацієнта (центральний венозний тиск, розміри серця, лівого і правого шлуночків, рівень загального білірубіну крові, швидкість осідання еритроцитів), характеристики фонокардіологічного обстеження, показники функціонального стану дихальної системи (відношення життєвої місткості легенів до задовільної і коефіцієнт використання кисню). Цей метод дозволив одержати апроксимуюче рівняння, яке дає можливість визначати ступінь наближення початкового стану хворого до двох дискретних рівнів, що зумовлюють можливість або неможливість виникнення гострої серцевої слабкості з точністю не менше 70 %.

Поліалгоритмічні експертні медичні системи. В сучасних ЕС діагностики мають місце два основних підходи до використання медичних знань:

використання формалізованого представлення про правила постановки діагнозу. Такі системи розробляються за участю провідних фахівців у відповідних галузях медицини. Суть їх роботи полягає у реалізації алгоритмів логічного опрацювання множини даних про хворих з метою встановлення діагнозу;

використання статистичних методів та програм, що навчаються. Суть навчання полягає в аналізі історії хвороби з вказаним діагнозом та формуванні алгоритму (розв'язувального правила), який дозволяє визначати діагноз у кожному конкретному випадку.

Відомо, що діагностичні ЕС не завжди влаштовують лікаря-користувача. Програмне забезпечення ЕС є, по суті, алгоритмом кінцевого результату консиліуму лікарів. Однак практично не береться до уваги процес отримання цьогорезультату - алгоритми визначення діагнозів кожним лікарем, що бере участь консиліумі, тобто не враховується гнучкість мислення лікаря.

Цим зумовлена необхідність нового класу експертних систем - так званих поліалгоритмічних експертних систем, тобто свого роду колективного розуму, який використовується для постановки діагнозу.

Такі системи містять різні методи постановки діагнозів лікарями, які залежать від їх типів інтелекту, тобто є своєрідним «комп'ютерним консиліумом».

Розроблення поліалгоритмічних експертних систем є дуже перспективною і водночас надзвичайно складною задачею. Складність цієї задачі зумовлена такими основними факторами:

необхідністю розроблення технології комп'ютерної класифікації типів

необхідністю розроблення методів і засобів інформаційних технологій, що дозвсляють розкрити тип інтелекту.

Рішення такої задачі дозволить одержати різноманітність алгоритмів мислення лікаря в залежності від типів інтелекту і створити банк знань поліалгоритмічних експертних систем - інформаційний комп'ютерний консиліум.

Поліалгоритмічні експертні системи є прикладом нового класу інтелектуальних інформаційних технологій. Традиційні інформаційні технології, що використовуються в експертних системах, моделюють певні функції інтелекту людини, наприклад, функції довготривалої пам'яті: запис, зберігання і відтворення інформації. Інтелектуальні інформаційні технології поліалгоритмічних експертних систем покликані моделювати складний процес мисленнялікаря, що залежить від типу його інтелекту.

Комп'ютерна класифікація типів інтелекту вимагає розробки методів і способів алгоритмізації мислення лікаря в процесі рішення задач діагностики, прогнозування керування тощо з урахуванням типу інтелекту. Алгоритм можливого підходу до комп'ютерної класифікації типів інтелекту може бути таким:

розроблення переліку відповідей на питання, які пропонуються випробуваним, у відповідності до типу інтелекту;

розроблення спеціальних питальників (анкет);

вирішення задачі розпізнавання типу інтелекту в залежності від отриманих відповідей.

Наводяться приклади одного з можливих питань та семи відповідей у відповідності до типів інтелекту.

Питання: Чи вважаєте Ви необхідним для постановки конкретного діагнозу використати знання про функціонування інших систем організму (фізичний статус), а також знання про стан психічного і соціального статусів?

Відповіді:

під час постановки діагнозу знання про можливу патологію асоціативно пов'язую з домінантною метою - пошуком керуючих дій через здорові системи організму та екологію здоров'я в цілому (глобально- асоціативний тип інтелекту)',

постановку діагнозу асоціативно пов'язую не тільки з певною патологічною системою, але і з пошуком можливих причин, що викликали патологію (знаходження інших патологічних систем з урахуванням єдності фізичного, психічного і соціального здоров'я). Розглядаю патологію як наслідок ряду причин (абстрактно-асоціативний тип).

постановку діагнозу обґрунтовую єдністю фізичного, психічного та соціального здоров'я. Патологічну систему пов'язую з роботою інших фізіологічних систем організму та екологією здоров'я в цілому. Знаходжу причину, що викликала патологію і даю логічне пояснення взаємозв'язку причини і наслідку (асоціативно-синтетичний тип);

в процесі постановки діагнозу використовую знання про цю патологічну систему та її зв'язки з іншими системами організму всередині даного статусу (фізичного, психічного або соціального). Здоров'я як триєдність статусів розглядаю в межах моїх знань (системно-асоціативний тип);

діагноз синтезую на основі логічного аналізу і систематизації фактографічного матеріалу про цю патологічну систему. Процес аналізу і систематизації припускає виключення інших діагнозів (асоціативно- аналітичний тип);

діагноз синтезую на основі логічного аналізу фактографічного матеріалу про цю патологічну систему з обов'язковим залученням знань про стан фізіологічних систем, тісно пов'язаних з досліджуваною (системно- аналітичний тип);

для постановки діагнозу мені досить моїх професійних знань щодо цієї патології {конкретно-аналітичний тип).

Складання питальника з відповідями є дуже складною задачею, оскільки комп'ютерне розпізнавання типу інтелекту вимагає задавання вагових коефіцієнтів питанням запитальника. Комп'ютерна технологія класифікації мислення лікаря за типом інтелекту є стратегічною задачею створення поліалгоритмічних експертних систем як елементів природного інтелекту.

Поліалгоритмічні експертні системи нададуть лікарю можливість аналізувати ситуацію не тільки на основі своїх знань і власного алгоритму мислення, але й ознайомитись із аналізом аналогічної ситуації лікарями з різними типами інтелекту (віртуальний консиліум). Технологія поліалгоритмічних експертних систем може бути основою проблемно- орієнтованих медичних комп'ютерних довідників.

Відмінності між традиційними та поліалгоритмічними експертними системами формулюються так:

традиційна експертна система - це комп'ютерна система, програмне забезпечення якої відображає алгоритм кінцевого результату консиліуму лікарів під час постановки діагнозу;

поліалгоритмічна експертна система - це комп'ютерна система, програмне забезпечення якої відображає алгоритм процесу постановки діагнозу кожним лікарем консиліуму, що залежить від типу його інтелекту, і алгоритм процесу кінцевого результату постановки діагнозу.

Для створення поліалгоритмічних експертних систем доцільно використовувати фахівців з різними типами інтелекту.

Як приклад концептуального підходу до створення поліалгоритмічних експертних систем можна розглядати експертну систему кардіологічної діагностики (ЕСКОРД), модель представлення знань якої використовує технологію фреймів.

В основі цієї системи лежать не знання експертів, а предметні знання, що не залежать від особистості. ЕСКОРД може працювати як у складі автоматизованих систем масового медичного обслуговування, так і як індивідуальне робоче місце лікаря-діагноста. Система дозволяє одночасно обробляти діагностичні ознаки кількісного та якісного характеру.

База знань ЕСКОРД містить довідник усіх захворювань, що визначає групи диспансерного обліку на поліклінічному рівні діагностичного процесу з переліком чинників внутрішньої та зовнішньої природи, а також скарги стосовно 18 предметних областей. Скарги та аналітичні дані захворювань, що не належать до кардіологічного профілю, розглядаються як ризик кардіологічної патології. В системі передбачено більше 80 можливих кардіологічних діагнозів та більше 65 захворювань, що визначаються в процесі диференційної діагностики.

У системі ЕСКОРД використовується немонотонне двонапрямлене виведення, в процесі якого одержані дані оцінюються щодо гіпотези, що висувається, для підтвердження цієї гіпотези запитуються нові дані з бази даних. Технологія ЕСКОРД основана на методі генерації та диференціації гіпотез.

Під час проектування медичних експертних систем суттєве значення має вибір моделі представлення знань, які є достатньо великим інформаційним масивом біологічних, медичних і екологічних відомостей. Можливі два основні підходи:

розроблення спеціального математичного апарату для моделювання процесів у складних біологічних об'єктах;

всебічний аналіз зібраних медичних, біологічних і екологічних відомостей за допомогою існуючих математичних методів.

Обидва напрямки є необхідними, однак перевагу варто надати дослідженню цінності накопиченої інформації, використанню математичних ідей для відбору найважливіших показників, згортанню даних шляхом отримання простих інтегральних моделей процесів, що відбуваються в організмі та навколишньому середовищі.


Інформаційно-діагностична система спадкових захворювань у дітей "ДИАГЕН"


Система "ДИАГЕН" призначена для попередньої діагностики спадкових захворювань за клінічною симптоматикою і результатами найпростіших лабораторних і функціональних досліджень. її використання значно звужує коло діагнозів, уточнення яких вимагає дорогих лабораторних досліджень: "ДИАГЕН" пропонує лікарю-генетику вузький диференційний ряд.

База знань системи містить повний структурований опис клінічної картини 1200 моногенних і хромосомних хвороб і синдромів, включаючи специфічні зміни, які виявляються функціональними, біохімічними, морфологічними та цитогенетичними дослідженнями. База знань системи містить також бібліографічні посилання стосовно кожного синдрому.

"ДИАГЕН" - система, відкрита для постійного поповнення знаннями. Крім того, "ДИАГЕН" дозволяє здійснювати архівування даних діагностованих хворих.

В процесі своєї роботи система "ДИАГЕН" оперує такими даними, що складають її базу знань:

ознаки, які характеризують клінічну картину захворювання;

опис захворювання через ознаки;

правила виведення діагнозу за генотипним описом пацієнта.

Ознаки зберігаються в базі знань у вигляді дерева. Якщо ознака має нащадків у дереві (тобто відповідний термін включає в себе інші ознаки), то він називається узагальнюючим. Ознака, яка не має нащадків, називається термінальною. Наприклад, ознака "Деформація пальців" — узагальнююча, а її нащадок: " К л і нодакти м і я" — термінальна). Кожному синдрому в базі знань відповідає свій опис, який містить:

назву;

код за класифікатором МакК'юсика;

список синонімів певного синдрому;

список ознак, які складають ведучий симптомокомплекс;

список другорядних ознак;

терміни маніфестації певного синдрому;

типи спадкування;

результати функціональних досліджень, характерних для певного синдрому.

Система містить три основних блоки:

діагностичний, що видає диференційно-діагностичний ряд;

довідник, який представляє повну інформацію про ознаки і синдроми, що зберігаються в системі (орієнтований у першу чергу на лікаря-педіатра широкого профілю);

архів, який забезпечує збереження і повторне використання даних про діагностування хворих.

В процесі роботи системи в режимі "Діагностика" стосовно кожної дитини визначається така інформація:

анкетні дані, які містять прізвище дитини, її ім'я, стать, вік і термін маніфестації захворювання;

список відібраних ознак, який складається з ознак, що характеризують стан дитини. В цей список потрапляють як термінальні ознаки, так і узагальнюючі (якщо користувач не має наміру більше їх уточнювати). Кожній ознаці в цьому списку призначається вага (число в інтервалі від 0% до 99%), що характеризує значимість ознаки, на думку користувача, для постановки діагнозу.

дерево шляхів, яке містить всі ознаки, відзначені користувачем у процесі роботи і впорядковані в структуру дерева (тобто переглянута частина загального дерева ознак).

Крім того, в системі ведеться архів, у якому зберігаються дані про дітей, які пройшли діагностику. Це дає можливість користувачу повертатися до даних про пацієнтів як з метою уточнення вхідної інформації, так і в процесі катамнезу.

Система "ДИАГЕН" має такі основні режими роботи:

діагностування;

перегляд бази знань;

робота з архівом.

Задача діагностування є основною в системі і включає такі функції:

введення даних про дитину за допомогою функцій "введення анкетних даних" або "вибір даних з архіву);

введення або коригування клінічних ознак;

коректування ваги ознак;

відбір діагнозів.

перегляд відібраних діагнозів.

додавання або заміна даних в архіві.

Функція перегляду бази знань є допоміжною в системі і перехід у неї здійснюється з основної задачі діагностування дитини через меню системи. Можливе також самостійне використання цієї функції.

Функція роботи з архівом також є допоміжною в системі і перехід у неї здійснюється з основної задачі діагностування через меню системи. Після повернення в основну задачу, всі раніше визначені дані будуть збережені.


Експертна діагностична система "ВЕСТ-СИНДРОМ"


Система дозволяє проводити диференційну діагностику в декілька етапів. На попередньому етапі формуються диференційні ряди, які відповідають різним комбінаціям введених симптомів, що допомагає користувачу "відфільтрувати" основні діагнози від супроводжуючих. На наступному етапі видаються обґрунтовані рекомендації стосовно проведення додаткових досліджень". Система містить:

класифікатор ознак;

опис 36 нозологічних форм, що включають більше 200 клінічних і лабораторних ознак.

Система призначена для дитячих лікарів-невропатологів і психоневрологів, а також для навчання студентів і слухачів факультетів (інститутів) підвищення кваліфікації.


Експертна система діагностики невідкладних станів у дітей «ДИН»


Система передбачає розпізнавання поточного стану дитини - синдрому або кількох синдромів.

Робота з системою "ДИН" дозволяє:

забезпечити діагностику 34 синдромів, що включають 84 невідкладні стани;

прослідкувати за процесом постановки діагнозу;

проводити консультацію як на долабораторному етапі обстеження, так і з використанням результатів лабораторних і фундаментальних методів дослідження;

прогнозувати можливі ускладнення основного синдрому.

Розробка системи проводилась на основі експертної оболонки LEONARDO. Система передбачає врахування рівнів упевненості появи симптому та ймовірнісних характеристик важливості вкладу симптомів в опис клінічної картини синдромів.

Комп'ютерна експертна система в оболонці ARROW для діагностики нефропатій, що протікають із синдромом гематурії у дітей. З метою оптимізації діагностики нефропатій з синдромом гематурії розроблена комп'ютерна експертна система в оболонці ARROW, що ґрунтується на технології віртуальних статистик з елементами штучного інтелекту. База знань системи містить інформацію про 100 захворювань із синдромом гематурії.

В експертній системі передбачена можливість збереження інформації про обстежених пацієнтів у картотеці. Система забезпечує додаткове введення даних про хворих після повторних консультацій лікаря та інших спеціалістів.

В експертній системі функціонує довідникова система, що містить сучасні літературні дані з діагностики і терапії захворювань, що протікають із синдромом гематурії. Користуватись довідниковою системою можна, не виходячи з експертної системи і не припиняючи діагностичний процес.

Комп'ютерна експертна система характеризується високим розпізнаванням нефропатій з гематурією, що складає 97%.

Експертна система діагностики бронхіальної астми у дітей. Експертна система ЕБВАО призначена для консультаційної допомоги лікарю в діагностиці бронхіальної астми у дітей. Система створена на базі інструментального середовища БТЕРСЬАЗЗ.

База знань експертної системи містить дані про 13 захворювань, з якими найчастіше доводиться диференціювати бронхіальну астму у дітей.

Експертна система ЕБВАО працює з користувачем у режимі діалогу і за допомогою розв'язувальних правил здатна визначити до якого захворювання або груп захворювань належить певний випадок, робить висновок про діагноз і пояснює своє рішення, визначає ступінь складності захворювання і дає рекомендації щодо лікування.

В 87,2% випадків діагностичні рішення експертної системи ЕБВАО збігаються з клінічним діагнозом.

Рання діагностика судинних захворювань мозку з використанням оболонки ЕС «Універсал». Мозковий інсульт є однією з найбільш поширених причин загибелі та інвалідності сучасних людей. Якщо в минулі роки смертність, зумовлена мозковим інсультом, займала третє місце після ішемічної хвороби серця та онкологічних захворювань, то останнім часом вона перемістилася на друге місце.

Особливо висока смертність спостерігається серед людей з артеріальною гіпертензією та атеросклерозом, що дозволяє інколи вважати, що в боротьбі з мозковими інсультами основну увагу слід приділяти первинній профілактиці, перш за все профілактиці артеріальної гіпертензії та атеросклерозу. За цією стратегією профілактику артеріальної гіпертензії пропонують починати з юнацького, а атеросклерозу - з раннього дитячого віку. У цьому випадку виникає ряд питань. По-перше, кого піддавати такій профілакгиці? Якщо всіх, тоді виникає друге запитання - яким чином це можна забезпечити? Якщо не всіх, то як знайти осіб, особливо схильних до дії чинників ризику? І нарешті, якщо такі особи знайдені, то які саме профілактичні заходи повинні бути використані?

Водночас добре відомо, що крім профілактики захворювань (первинної профілактики) існує профілактика їх ускладнень (вторинна профілактика).

Рішення якщо не всіх, то принаймні частини наведених вище питань може бути істотно полегшене внаслідок використання оболонки експертної системи (ОЕС) «Універсал», налаштованої на ранню діагностику таких захворювань і їх ускладнень з урахуванням існуючих верифікованих і досить ефективних методик.

Одна з простих методик подібного роду полягає у використанні прогностичної карти, що містить усього 11 чинників ризику. Фрагмент цієї карти, створеної на основі методу експертних оцінок і призначеної для прогнозування виникнення мозкових інсультів, наведений в таблиці 1.12.


Таблиця 1.12.

Фрагмент карти для прогнозування виникнення мозкових інсультів

Ознаки Значення ознак Бали
1. Склероз судин мозку Помірне 2

значне 3



2. Систолічний тиск 151 -160 мм рт.ст. 1

вище 160 мм рт.ст. 3
3. Діастолічний тиск 100 мм рт.ст. і вище 3
4. Біль в області серця Частіше ніж 1 раз на тиждень 1
5. Зміни судин очного дна Значні (звуження артерій, їх звивистість тощо) 3

Суть методу експертних оцінок така. Спочатку експерти складають перелік основних чинників ризику, кожному з яких привласнюють числове значення (кількість балів). Потім на навчальній групі верифікують складений перелік, прагнучи досягти 90%-ної точності прогнозу. Кінцеві висновки про ефективність методики роблять за наслідками апробації переліку на контрольній групі - якщо точність прогнозу перевищує 70%, карта визнається придатною для практичного застосування.


Таблиця 1.13

Фрагмент карти для прогнозування судинних захворювань мозку і гострих інфарктів у людей з нормальним артеріальним тиском

Ознаки Значення ознак Бали
1. Атеросклероз судин головного мозку стадія 1

стадія 2

стадія 4
2. Зміни судин очного дна У вигляді звуження і звивистості артерій, «Салюс І, II або III», симптоми «мідного дроту», «срібного дроту», антигіопатія сітківки 2
3. Порушення мозкового кровообігу, що минають У вертебро-базилярному басейні 2

У каротидному басейні 3
4. Зміни серця за даними ЕКГ Значні зміни 1


3
5. Стенокардія Почастішання або поява нападів стискаючих загрудинних болів 2

Діагностичне рішення приймають так. Бали ознак, що спостерігаються, підсумовують. Якщо у віці 30-50 років сума рівна 7, у віці 51-60 років -10, а у віці 61 рік і старше - 12 балам, то таких обстежуваних необхідно віднести до групи підвищеного ризику.

Інша методика використовується для прогнозування судинних захворювань мозку та гострих інфарктів у людей з нормальним артеріальним тиском. Числові значення ознак визначаються як значення оцінок умовної ймовірності Р(Yj/Хi). Згодом ці значення були «зіпсовані» шляхом заміни їх цілочисельними значеннями - балами (фрагмент такої карти наведений у табл. 1.13; у цілому карта містить 19 ознак) [79,89]. Однак у випадку необхідності можна повернутися до оцінок умовної ймовірності Р(Yj/Хi), тоді замість методу підсумовування балів можна використати метод зваженого голосування.

Діагностичне рішення приймають аналогічно. Бали ознак, що спостерігаються, підсумовують і констатують велику вірогідність виникнення мозкового інсульту або інфаркту міокарда, якщо сума балів становить 7 і більше.

Застосування систем автоматизації прийняття рішення, подібних до ОЕС «Універсал», значно підвищує надійність ранньої діагностики мозкових інсультів і гострих інфарктів міокарда.

Експертна система для клінічної епілептології. Епілепсія є одним із найпоширеніших серйозних захворювань мозку. Близько 20% населення хоча б один раз у житті мали приступ, що дає підозри стосовно епілепсії та вимагають диференційної діагностики. Від 1 до 5% населення в якийсь період життя хворіли, хворіють або захворіють на епілепсію. Об'єм проблеми, її мультидисциплінарність і ряд аспектів, що вимагають спеціальних знань, які суттєво виходять за рамки звичайних вимог, що ставляться до традиційних спеціалістів з неврології, психіатрії і тим більше до лікарів загальної практики, привели до

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: