Презентація на тему:
ЕКСПЕРТНІ СИСТЕМИ В МЕДИЦИНІ

ЕКСПЕРТНІ СИСТЕМИ В МЕДИЦИНІ

2 події які сприяли виникненню штучного інтелекту: Вінер заклав основи кібернетики поява ЕОМ.

Термін «Штучний інтелект» (artificial intelligence, AI) з'явився в 50-х роках ХХ століття. 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.

За статистикою лікар правильно діагностує інфаркт міокарда в 88% хворих і помилково ставить цей діагноз в 29% випадках. Фіктивних тривог (гіпердіагностики) надто багато. Історія застосування різних методів обробки даних для підвищення якості діагностики нараховує десятиліття, однак кращий з них допоміг скоротити число випадків гіпердіагностики лише на 3%.

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.

Іншою метою може бути вдосконалення діагностики. Своє завдання дослідник ускладнив, оскільки аналізував дані тільки тих пацієнтів, кого вже направили в кардіологічне відділення. Бакст використав лише 20 параметрів, серед яких були вік, стать, локалізація болю, реакція на нітрогліцерин, нудота й блювота, спітніння, непритомність, часте дихання, прискорене серцебиття, що передують інфаркту, діабет, гіпертонія, здуття шийної вени, ряд особливостей ЕКГ і наявність значних ішемічних змін.

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

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.

Діагностика є частковим випадком класифікації подій, причому найбільшу цінність представляє класифікація тих подій, які відсутні в навчальному наборі нейромереж.

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.

В основному рішення проблеми відбувається за допомогою моделі лабіринтного пошуку (пошук по дереву рішень). Але це дерево може бути надто великим. Виникає проблема його зберігання й пошуку потрібного шляху, іноді деякі вітки можуть бути невідомими. Застосовуються евристики.

Евристика - правило, теоретично не обґрунтоване, але таке, що дозволяє скоротити перебір у дереві рішень Евристичне програмування - розробка стратегій, дій на основі заздалегідь заданих відомих евристик. Експертна система (ЕС) або система, заснована на знаннях.

В 70-80 р. цей напрямок почав розвиватися, в 90-х досяг свого піку.

Експертні системи використовуються в медицині та діагностиці.

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. Ігри й творчість. Наприклад, шахи, карткові ігри, програми створення казок, музики й т.д. Розробка природно-мовних інтерфейсів.

Розробка природно-мовних інтерфейсів Модель машинного перекладу містить такі рівні: Морфологічний аналіз (аналіз слів у тексті). Синтаксичний аналіз (аналіз речень, граматики й зв'язків між словами). Семантичний аналіз (аналіз змісту кожного речення на основі деякої предметно-орієнтованої бази знань). Прагматичний аналіз - аналіз змісту речення в даному контексті.

Основні області завдань ШІ Розпізнавання образів (не тільки зорових, але й, наприклад, ситуацій). 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.

Основні області завдань ШІ 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: Внутрішня інтерпретованість знань (наприклад: дані - 243849..., знання - речення природної мови) Активність знань: якщо є знання, то поява нових знань може привести до зміни старих знань і появи нових. Зв’язність знань. Знання не цікаві самі по собі, вони цікаві в сукупності (система знань). Знання динамічні, а дані, як правило, статичні

Одним з найбільш визначних практичних досягнень в області штучного інтелекту є розробка експертних систем. Експертна система (ЕС) – операційна система, яка використовує знання спеціалістів про деяку конкретну вузьку спеціалізовану предметну область і яка в межах цієї області здатна приймати рішення на рівні експерта–професіонала.

Структура експертної системи Інтерпретатор, що здійснює пошук по моделі Підсистема Інтелектуальний інтерфейса База знань редактор користувача бази знань Підсистема пояснень

Бажаною рисою ЕС є здатність системи пояснити свою лінію міркувань у вигляді, безпосередньо зрозумілому тому, хто задав питання. ЕС працює в режимі порадника. Часто треба знати, на підставі чого ухвалене рішення. Для цього ввели підсистему пояснення. Існує поняття «порожня ЕС» - ЕС, база знань якої порожня.

Виділяються 3 основні галузі одержання знань: придбання знань (БЗ строго визначена) - найпростіший варіант; 2) набуття знань (поруч із експертом - инженер по знаннях, що допомагає експертові зрозуміти й сформулювати рішення); 3) формування знань - робота тільки інженера по знаннях.

обмежена певною сферою експертизи; здатна міркувати при сумнівних даних; здатна пояснити ланцюжок міркувань зрозумілим способом; факти і механізм виводу чітко відокремлені між собою; Характеристики ЕС:

Характеристики ЕС: ЕС будується так, щоб була можливість поступового нарощування системи; На виході вона видає пораду (чітку, не таблицю); ЕС економічно вигідна (основна вимога).

Компоненти ЕС: база знань; підсистема логічного виводу; інтерфейс користувача; модуль (підсистема) засвоєння (накопичення) знань; модуль (підсистема) відображень і пояснень.

База знань (БЗ) містить факти (або твердження) і правила. Факти є короткостроковою інформацією в тому розумінні, що вони можуть змінитися, наприклад, у ході консультації. Правила представляють більш довгострокову інформацію про те, як породжувати нові факти або гіпотези з того, що зараз відомо.

БЗ суттєво відрізняється від бази даних (БД) тим, що факти в БД зазвичай пасивні: або вони є, або їх немає; БЗ має творчі можливості, тому активно намагається поповнити відсутню інформацію.

Експертні системи виникли на базі досліджень зі штучного інтелекту. Перші ЕС - медична MYCIN й DENDRAL для додатків у хімії з'явилися в середині 70-их років. Оскільки медичні знання носять емпіричний характер, слабо структуровані і погано формалізовані, саме медичні завдання доцільно розв’язувати за допомогою експертних систем. Першими розробленими ЕС були саме медичні експертні системи.

Вже перші ЕС виявилися корисними. Медична система MYCIN успішно вписалася в клінічну практику, допомагаючи у виборі ліків. Ця ЕС давала більш точні приписи для лікування, ніж лікар-терапевт, що призначає ліки з широким спектром дії. Ідеологію ЕС можна виразити формулою: знання+висновок=система. ЕС припускає взаємодію блоків.

Найбільш відомі ЕС MYCIN - діагностика й призначення курсу лікування при інфекційних церебральних захворюваннях, включає близько 500 правил; INFERNO - медична діагностика; CASNET - діагностика й прогнозування плину глаукоми;

Найбільш відомі ЕС PIP - діагностика захворювань нирок; DENDRAL, - ідентифікація молекулярних структур в органічних з'єднаннях;

Найбільш відомі ЕС LHASA, SECS, - пошук методів лабораторного синтезу відомих речовин; PROSPECTOR - пошук корисних копалин; EURISCO - застосовувалася у військових іграх, програмування ЕОМ і завданнях нейтралізації хімічного забруднення;

Найбільш відомі ЕС AM - формування математичних понять; R1 - конструювання обчислювальних систем, має близько 1200 правил; MOLGEN - планування й проектування; HEARSAY-II - розпізнавання усного мовлення.

У наш час найбільша кількість додатків ЕС пов'язана з медициною (в основному діагностика), геологією, дослідженням властивостей хімічних речовин і матеріалів, діагностикою помилок і несправностей у програмах й електронних схемах й іншими погано структурованими предметними областями, що не допускають побудови адекватної логічної моделі.

Інтелектуальні системи продемонстрували свою ефективність у медицині й дозволили розширити коло розв'язуваних питань медичної діагностики на основі експертних знань. Вони знайшли застосування також у дистанційній діагностиці ще в 80-х роках.

Сучасна телемедична діагностика - це аудіо/відео інформаційний обмін лікаря з консультантом (включаючи медицину катастроф) і телемоніторинг функціональних показників. У перспективі телемедичні технології повинні включати комп'ютерні системи інтелектуальної підтримки рішень при проведенні консультацій.