Клуб выпускников МГУ: КОМПЬЮТЕРНЫЕ МЕДИЦИНСКИЕ КОНСУЛЬТАТИВНЫЕ СИСТЕМЫ, ОСНОВАННЫЕ НА ПРЕДСТАВЛЕНИИ ЗНАНИЙ ЭКСПЕРТА В ВИДЕ СЕМАНТИЧЕСКОЙ СЕТИ

В.В.Киликовский, С.П.Олимпиева, Вл.В.Киликовский
Кафедра медицинской и биологической кибернетики медико-биологического факультета Российского государственного медицинского университета,
г.Москва.

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.

Экспертные системы должны содержать 4 функциональных блока:

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".

В разработанной нами компьютерной программе-оболочке для создания медицинских экспертных систем знания (РЕПРОКОД) представляются как в оглавлении детально структурированной книги: сначала читатель видит названия крупных глав, заглянув в начало одной из глав, он увидит список названий параграфов, открыв начало параграфа, пользователю становится доступным оглавление более глубокого уровня иерархии и т.д.

Конечным пунктом каждой из ветвей в таком дереве оглавлений в книге является текст, отражающий смысловое содержание озаглавленных понятий, а в медицинской экспертной системе - окошечко для ввода одного элемента данных о пациенте, регистрирующего наличие какого-либо симптома или результат измерения определенного показателя. Элементом знания в такой системе является отношение понятия в одном из заголовков и связанных с ним понятий следующего уровня иерархии. Это отношение является, по существу, правилом для вывода понятия из понятий более глубокого уровня иерархии. Подобное представление знаний называется иерархической семантической сетью.

Поиск понятия в сети промежуточных оглавлений легко реализуется в современном персональном компьютере в виде системы последовательно раскрывающихся на экране меню и выбора пользователем одного из пунктов в этих меню, что позволяет очень быстро найти любой конечный "листик" на "дереве" понятий (названий) - т.е. окошко для ввода очередного элемента данных о пациенте (используя всего 3-4 клавиши).

Очевидно, что пользуясь такой семантической сетью легко организовать ввод результатов клинического обследования пациента, например, заполнение разделов истории болезни.

Интерфейс пользователя в системе РЕПРОКОД запрограммирован таким образом, что при вводе элемента данных о пациенте (симптома) все пункты промежуточных меню, приводящие к этому элементу трассируются (отмечаются) символом "V", что позволяет пользователю в последующем не заглядывать в те ветви сети, на конце которых не отмечены какие-либо симптомы, имеющиеся у данного пациента. При распечатке истории болезни, это позволяет не печатать те разделы и подразделы, в которых не содержатся данные.

Менее очевидно, что по этой же схеме легко описывать и структуру правил для вывода того или иного диагностического заключения.
Пример:
ДИАГНОЗ_1 (считается установленным, если реализовались:)
СИНДРОМ НАРУШЕНИЙ ССС

СИМПТОМОКОМПЛЕКС РЕЗУЛЬТАТОВ ЛАБОРАТОРНЫХ АНАЛИЗОВ

ДИАГНОЗ_2
Каждому из пунктов такой сети эксперт и инженер знаний приписывают число, называемое весом признака и характеризующее величину вклада этого пункта в определение более общего понятия. Трассировка символом "V'' промежуточных пунктов в ветвях этого типа осуществляется по алгоритму:

По таким же правилам программа вычисляет выполненность всех симптомокомплексов и синдромов, а затем и диагнозов, и, тем самым, решает задачу узнавания описания (образа, эталона) диагноза, заданного экспертом.

Очевидно, что организованные таким образом правила для вычисления выполненности симптомокомплексов в пороговой семантической сети аналогичны принципам синаптической передачи возбуждения, определяющим переход в состояние возбуждения нейрона, на теле которого имеются синаптические окончания от других нейронов в нейронной сети.

Увидев "галочку" против названия какого-либо диагноза, врач-пользователь экспертной системы может, раскрывая соответствующие меню вниз по сети, получить наглядное объяснение, из каких синдромов, симптомокомплексов или симптомов сложилось выполнившееся в системе диагностическое заключение у данного пациента.

Таким образом, в системе РЕПРОКОД в одно целое с интерфейсом пользователя объединены модуль ввода данных, модуль вычисления заключений системы и модуль объяснения цепочки аргументов за полученное заключение. Технологически решение всех этих задач обеспечивается перемещением с помощью иерархической системы меню в различные ветви сети.

На рис. 1 и 2 показаны два экрана консультативной системы по диагностике анемий по лабораторным данным, созданной с помощью системы РЕПРОКОД.

Для получения консультации неопытный врач может, используя ветвь описания наблюдаемых у больного симптомов, организованную так же как история болезни, ввести анамнестические данные, замеченные симптомы и результаты специальных исследований, а затем, выйдя из ветви описания и войдя в ветвь диагностики, просмотреть все отмеченные "галочками" диагностические (или лечебные) заключения системы - диагностические гипотезы, с которыми согласуется наблюдаемое состояние пациента. Не выходя из ветви диагностики врач может посмотреть, какие еще симптомы или результаты специальных видов исследования могли бы наиболее весомо подтвердить каждое заключение. Эта информация поможет врачу наметить план дальнейшего обследования данного больного.

Опытный, высоко квалифицированный врач-специалист, для которого диагноз данного больного очевиден и без помощи экспертной системы, может использовать ветвь диагностики для документирования наблюдаемого у больного состояния в истории болезни и обоснования очевидного для врача диагноза, поскольку в соответствующей этому диагнозу ветви семантической сети все симптомы, определяющие заключение о данном диагнозе, будут собраны в одном меню или в близких меню, что обеспечит возможность кратчайшего по времени ввода в компьютер данных о пациенте и получения распечатки фрагмента истории болезни, которую можно вклеить в карту больного.

Студент или ординатор могут использовать систему для целей обучения принятию диагностических и лечебных решений, моделируя ситуации возникающие у пациентов или просматривая ветви семантической сети, предназначенные для вывода диагностических заключений или рекомендаций по лечению.

Предусмотрена возможность такого построения экспертной диагностической системы, при которой порог срабатывания правил для вывода конечных диагностических заключений выражается в процентах от максимально возможной суммы весов определяющих это заключение симптомов или симптомокомплексов, и этот пороговый процент становится плавающим и доступным для изменения врачом-пользователем в ходе работы с системой.

В случаях, когда система не выдвинула ни одной диагностической гипотезы можно попытаться снизить этот порог и обнаружить наиболее перспективные для дальнейшей проверки, хотя и далекие от выполненности (на данный момент обследования) диагностические гипотезы. Если срабатывает сразу несколько диагностических заключений (что случается, например, при дифференциальной диагностике близких по клинической картине заболеваний), то, поднимая постепенно порог срабатывания, можно выявить диагноз с "эталоном" наиболее близким к описанию данного больного в пространстве симптомов.

Следует еще раз подчеркнуть, что все заключения системы носят только информационный и вспомогательный характер: эту же информацию можно было бы почерпнуть в учебниках и книгах, написанных экспертами, знания которых всегда только частично можно формализовать при построении системы. Поэтому окончательное неформальное ответственное диагностическое или лечебное решение все равно предстоит принять врачу-пользователю экспертной системы. В этом смысле экспертная система только активизирует знания имеющиеся в системе, делает их легко доступными, облегчая поиск именно тех знаний, которые нужны врачу-пользователю при решении конкретной диагностической и/или лечебной задачи.

Сеанс работы с системой заканчивается распечаткой связного текста, описывающего введенные данные и полученные заключения.

Все введенные данные система хранит в архивной базе данных, что позволяет возвращаться к анализу текущей ситуации, дополнять ее вновь полученными данными, получать повторные распечатки при утрате медицинских документов, накапливать данные для дальнейшего статистического анализа. Данные хранятся в уплотненном формате, чтобы занимать как можно меньше места на магнитном диске.

Как уже было упомянуто, подготовка базы знаний для использования в системе РЕПРОКОДпроизводится с помощью любого текстового редактора.

Основное требование, которому должен удовлетворять текстовый файл базы знаний - строки меню каждого следующего уровня иерархии должны начинаться на 5 позиций правее (как в вышеприведенном примере).

Подготовленный таким образом электронный текст базы знаний проходит 2 этапа обработки с помощью специальных программ, осуществляющих заполнение оболочки знаниями, после чего прототип экспертной системы для определенной предметной области медицины становится работоспособным. Испытание этого прототипа обычно выявляет те или иные недочеты при построении базы знаний. База знаний редактируется в текстовом редакторе и весь цикл повторяется до тех пор, пока не будет получена удовлетворительная с функциональной точки зрения версия системы. После подготовки текста базы знаний заполнение оболочки требует от 5 до 20 минут.

Итак, создание экспертной системы с использованием оболочки РЕПРОКОД не требует знания программирования для компьютеров и становится самостоятельной задачей, которую может решать как сам эксперт, так и инженер знаний во взаимодействии с экспертом.

Логика и опыт разработки медицинских консультативных систем подсказывают, что начальные версии таких систем следует заполнять знаниями, почерпнутыми из учебников и монографий инженерами знаний, роль которых с успехом могут выполнить, например, студенты-дипломники и выпускники кафедры медицинской кибернетики Российского Государственного Медицинского Университета. По завершении этого начального этапа разработки к работе можно привлечь эксперта - врача-специалиста с большим опытом: в процессе знакомства с уже работающим прототипом системы такой специалист начинает критиковать конструктивные решения, использованные при построении семантической сети базы знаний, и содержание этой критики и есть знания эксперта, которые инженеру знаний следует использовать для включения в новые версии системы.

Таким образом, накопленные врачом-экспертом знания могут закрепляться и храниться в форме пороговых семантических сетей и в базе знаний медицинских экспертных систем, что будет способствовать их широкому распространению и использованию. Практический врач, имеющий компьютер на рабочем месте, может с помощью такой системы накапливать и свой личный опыт и знания. Основное преимущество перед текстовыми записями и справочниками - знания мгновенно активизируются и начинают работать - подсказывать возможные варианты заключения, адекватные введенной в систему информации о конкретной клинической ситуации.

Оболочка РЕПРОКОД успешно применялась для разработки консультативных диагностических систем по гинекологической эндокринологии, неонатологии, заболеваниям щитовидной железы, нефрологическим заболеваниям у детей, острым нарушениям мозгового кровообращения, индивидуальному подбору контрацептивных средств.

Опыт создания консультативных медицинских систем с помощью оболочки РЕПРОКОДсвидетельствует о практически безграничной гибкости представления знаний с помощью семантических пороговых сетей: любые знания, сообщаемые в медицинских учебниках и монографиях, оказывалось возможным представить в этой форме. Аналогия семантической пороговой сети с нейронной сетью, позволяет теоретически предположить, что пороговые семантические сети являются универсальным способом представления знаний и могут служить универсальным инструментом для создания систем искусственного интеллекта.

Не будет слишком сильным преувеличением сказать, что при дальнейшем развитии представление знаний с помощью семантических сетей в сочетании с экспертными компьютерными системами, может стать альтернативным печатному способом накопления и передачи знаний, способом, в котором знания мгновенно становятся активными и приспособленными к решению конкретных задач, в практической деятельности человека.

В этой статье мы рассмотрели один из способов того, как компьютерные экспертные системы могут революционизировать использование накопленных медицинских знаний на рабочем месте врача. Не менее революционным может оказаться применение компьютеров для извлечения знаний из накапливаемых в медицинских учреждениях данных, которые в настоящее время в большинстве случаев омертвляются в бумажных историях болезни пациентов.

В следующих статьях данной серии мы познакомим читателей с методами математической статистики, применяемыми для анализа медицинских данных с целью извлечения медицинских знаний.

Журнал зарегистрирован Министерством Российской Федерации по делам печати, телерадиовещания и средств массовых коммуникаций. Эл №77-4337 от 31 января 2001 г.

* Листаж выполнене по рекомендациям ВАК, предъявляемых к диссертационным работам (по машинописному варианту)