автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методика структурного прогнозирования состояния сложноорганизованных объектов
Автореферат диссертации по теме "Методика структурного прогнозирования состояния сложноорганизованных объектов"
1
и
Г
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ИНСТИТУТ РАДИОТЕХНИКИ, ЭЛЕКТРОНИКИ И АВТОМАТИКИ (ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ)
На правах рукописи
Пудова Наталья Викторовна
МЕТОДИКА СТРУКТУРНОГО ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ СЛОЖНООРГАНИЗОВАННЫХ ОБЪЕКТОВ (на примере задач медицины)
Специаль«ость_05Л^3.01 "Управление в технических системах"
Автореферат диссертации на соискание ученой степени кандидата технических наук
МОСКВА- 1998
Работа выполнена на кафедре Кибернетики Московского государственного института радиотехники, электроники и автоматики (технического университета)
Научный руководитель: академик РАН, доктор технических наук, профессор,Н.Н. Евтихиев
Соруководитель по медицинской части: доктор медицинских наук, профессор С.И. Рапопорт
Официальные оппоненты:
- член-корр. РАН, доктор технических наук, профессор Е.Д. Теряев,
- кандидат технических наук, В.Г. Гузенко
Ведущая организация: Московский государственный инженерно-физический институт (технический университет)
Защита состоится _ 1998 г. в _ на заседании
диссертационного совета Д 063.54.01 Московского государственного института радиотехники, электроники и автоматики (технического университета) по адресу: 117454 Москва, просп. Вернадского, д. 78
С диссертацией можно ознакомиться в библиотеке Московского государственного института радиотехники, электроники и автоматики (технического университета)
Автореферат разослан_
Ученый секретарь
диссертационного совета Д 063.54.01 к.т.н., профессор
С 7
Д.' / ^ Федотова Д.Э.
I/ ,'/- - - "7 /
I. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность работы
Применение вычислительной техники (ВТ) в различных областях знаний показали, что развитие теоретической и прикладной кибернетики дает основания рассчитывать на успешное расширение сферы использования математических методов и ВТ, в том числе в решении проблем, требующих имитации мышления человека.
В связи с тем значением, которое международная общественность придает проблемам охраны здоровья человека, резко возрос научный интерес представителей точных наук к проблемам медицины. Наблюдается тенденция к развитию компьютерных систем, предназначенных для обеспечения медико-биологических исследований с целью дальнейшего использования полученных результатов в практической медицине.
Важнейшей областью сотрудничества медиков и математиков является медицинская диагностика и прогнозирование. Учитывая сложность организации физиологических функций организма, их взаимовлияние, наличие с одной стороны, феноменов синхронизации и резонанса, а с другой - явлений десинхро-низма при различных степенях выраженности патологического процесса, очевидной становится необходимость разработки и совершенствования как методических приемов исследования динамических показателей в клинике, так и системы анализа данных исследования с использованием специальных математических и вычислительных методов
Наиболее актуальной в настоящее время является разработка интеллектуальных проблемно-ориентированных компьютерных систем (КС) для поддержки принятия решений, связанных с анализом временных рядов, которые сформировались в медицине как хронобиологические проблемы.
Научная проблема (задача)
До настоящего времени большие трудности в клинической практике вызывает диагностика и прогнозирование быстротекущих процессов, таких, например, как острый инфаркт миокарда (ОИМ). Возникли основания предполагать, что характер изменений электрофизиологических (ЭКГ) показателей в течение первых двух суток от начала заболевания могут быть значимыми (информативными) для прогноза некоторой категории жизнеугрожаюших осложнений. Была сформулирована гипотеза о том, что в группе больных ОИМ без осложнений характер изменений показателей ЭКГ по данным Холтеровского мониторинга (ХМ) уже в первые двое суток отличается от "поведения" их (в эти же дни) в группе больных, у которых в последствии были зафиксированы какие-либо осложнения, связанные с нарушением ритма или недостаточностью кровообращения.
Требовалось найти такие характеристики динамики показателей ХМ первых двух суток от момента развития заболевания, которые позволили бы дать прогноз благополучного или неблагополучного течения ОИМ и тем самым выделить группу риска в плане возникновения таких опасных осложнений, как нарушения ритма или недостаточность кровообращения.
Цель исследования
Целью настоящего исследования являлась разработка методики структурного прогнозирования состояния сложных динамических объектов на примере решения задачи прогнозирования ближайших и отдаленных осложнений у больных ОИМ по данным ХМ. Указанная цель была достигнута постановкой и решением следующих задач:
1. Сконструировать проблемно-ориентированное пространство "производных характеристик" для адекватного описания быстротекущего процесса.
2. Разработать способ расчета информативности (диагносттеской значимости) "производных характеристик" описания исследуемого динамического процесса.
3. Выбрать критерии и на их основе провести формирование групп для хро-нобиологического исследования динамики процесса.
4. Произвести построение решающих правил (РП) альтернативной дифференциальной диагностики для анализа структуры состояния сложноорганизо-ванных объектов с использованием метода перебора конъюнкций (МПК).
5. Разработать методику структурного прогнозирования состояния объектов исследования на множестве неоднородных данных.
6. Разработать архитектуру и алгоритм построения многоуровневой системы для прогнозирования осложнений при ОИМ.
Научная новизна
На основе проведенного исследования впервые получены следующие результаты:
-61. Предложен оригинальный способ конструирования проблемно-
ориентированного пространства "производных характеристик" для адекватного описания быстротекущего процесса.
2. Разработана методика структурного описания быстротекущего процесса по комплексу динамических показателей.
3. Предложен подход к решению задачи структурного прогнозировашм состояния объектов исследования на множестве неоднородных данных..
Приведенные результаты являются новыми применительно к анализу динамического процесса на множестве дискретных данных, актуальными с точки зрения их практического применения разработчиками.
Теоретическая значимость
Принципиальный вклад в развитие теории конструирования интеллектуальных компьютерных систем составляют следующие положения, выносимые на защиту:
1. методика структурного описания динамических объектов на основе выделенных информативных параметров;
2. способ оценки ранжирования непрерывных динамических показателен, обеспечивающих формирование условно-оптимального пространства диагностических признаков;
3. итерационные алгоритмы решения многофакторных задач с динамическими данными;
4. алгоритм построения многоуровневой диагностической системы для оценки и прогнозирования состояния сложных динамических объектов.
1. ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ
Актуальность работы
Применение вычислительной техники (ВТ) в различных областях знаний показали, что развитие теоретической и прикладной кибернетики дает основания рассчитывать на успешное расширение сферы использования математических методов и ВТ, в том числе в решении проблем, требующих имитации мышления человека.
В связи с тем значением, которое международная общественность придает проблемам охраны здоровья человека, резко возрос научный интерес представителей точных наук к проблемам медицины. Наблюдается тенденция к развитию компьютерных систем, предназначенных для обеспечения медико-бнологиче-ских исследований с целью дальнейшего использования полученных результатов в практической медицине.
Важнейшей областью сотрудничества медиков и математиков является медицинская диагностика и прогнозирование. Учитывая сложность организации физиологических функций организма, их взаимовлияние, наличие с одной стороны, феноменов синхронизации и резонанса, а с другой - явлений десинхро-низма при различных степенях выраженности патологического процесса, очевидной становится необходимость разработки и совершенствования как методических приемов исследования динамических показателей в клинике, так и системы анализа данных исследования с использованием специальных математических и вычислительных методов
Наиболее актуальной в настоящее время является разработка интеллектуальных проблемно-ориентированных компьютерных систем (КС) для поддержки принятия решений, связанных с анализом временных рядов, которые сформировались в медицине как хронобиологические проблемы.
Научная проблема (задача)
До настоящего времени большие трудности в клинической практике вызывает диагностика и прогнозирование быстротекущих процессов, таких, например, как острый инфаркт миокарда (ОИМ). Возникли основания предполагать, что характер изменений электрофизиологических (ЭКГ) показателей в течение первых двух суток от начала заболевания могут быть значимыми (информативными) для прогноза некоторой категории жизнеугрожаюших осложнений. Была сформулирована гипотеза о том, что в группе больных ОИМ без осложнений характер изменений показателей ЭКГ по данным Холтеровского мониторинга (ХМ) уже в первые двое суток отличается от "поведения" их (в эти же дни) в группе больных, у которых в последствии были зафиксированы какие-либо осложнения, связанные с нарушением ритма или недостаточностью кровообращения.
Требовалось найти такие характеристики динамики показателей ХМ первых двух суток от момента развития заболевания, которые позволили бы дать прогноз благополучного или неблагополучного течения ОИМ и тем самым выделить группу риска в плане возникновения таких опасных осложнений, как нарушения ритма или недостаточность кровообращения.
Цель исследования
Целью настоящего исследования являлась разработка методики структурного прогнозирования состояния сложных динамических объектов на примере решения задачи прогнозирования ближайших и отдаленных осложнений у больных ОИМ по данным ХМ. Указанная цель была достигнута постановкой и решением следующих задач:
1. Сконструировать проблемно-ориентированное пространство "производных характеристик" для адекватного описания быстротекущего процесса.
2. Разработать способ расчета информативности (диагностической значимости) "производных характеристик" описания исследуемого динамического процесса.
3. Выбрать критерии и на их основе провести формирование групп для хро-нобиологического исследования динамики процесса.
4. Произвести построение решающих правил (РП) альтернативной дифференциальной диагностики для анализа структуры состояния сложноорганнзо-ванных объектов с использованием метода перебора конъюнкций (МПК).
5. Разработать методику структурного прогнозирования состояния объектов исследования на множестве неоднородных данных.
6. Разработать архитектуру и алгоритм построения многоуровневой системы для прогнозирования осложнений при ОИМ.
Наущая новизна
На основе проведенного исследования впервые получены следующие результаты:
-61. Предложен оригинальный способ конструирования проблемно-
ориентированного пространства "производных характеристик" для адекватного описания быстротекущего процесса.
2. Разработана методика структурного описания быстротекущего процесса по комплексу динамических показателей.
3. Предложен подход к решению задачи структурного прогнозирования состояния объектов исследования на множестве неоднородных данных..
Приведенные результаты являются новыми применительно к анализу динамического процесса на множестве дискретных данных, актуальными с точки зрения их практического применения разработчиками.
Теоретическая значимость
Принципиальный вклад в развитие теории конструирования интеллекту-■ альных компьютерных систем составляют следующие положения, выносимые на защиту:
1. методика структурного описания динамических объектов на основе выделенных информативных параметров;
2. способ оценки ранжирования непрерывных динамических показателей, обеспечивающих формирование условно-оптимального пространства диагностических признаков;
3. итерационные алгоритмы решения многофакторных задач с динамическими данными;
4. алгоритм построения многоуровневой диагностической системы для оценки и прогнозирования состояния сложных динамических объектов.
Практическая ценность
1. Выявлены аналитические хронобиологические зависимости, позволяющие дать прогноз состояния больного ОИМ на основе показателей ХМ, проводимого в течение первых двух суток от начала заболевания.
2. Предложена методика для осуществления структурного прогнозирования состояния сложноорганизованных объектов.
3. Разработана конкретная компьютерная система "САНДИДА", ориентированная на анализ динамических хронобиологических данных.
Аналогов разрабатываемой системы в отечественных и зарубежных публикациях не выявлено.
Внедрение результатов работы
Результаты диссертационной работы внедрены в реанимационном отделении интенсивной терапии Центрального Военного Госпиталя (г. Москва). Апробация работы
Основные положения диссертационной работы были представлены и доложены на следующих конференциях:
- Проблемная комиссия по хронобиологии и хрономедицине" РАМН (ноябрь 95);
- Международная конференция "Новые информационные технологии в медицине и экологии (IT-ME 96), Украина, Гурзуф, 1996;
- I Всероссийский конгресс "Патофизиология органов и систем. Типовые патологические процессы". Москва. 1996;
-8- IV Российский нашюнальный конгресс "Человек и лекарство", Москва,
1997;
- International Conference on Informatics and Control Proceedings (ICI&C97), Russia, St. Peterburg, 1997;
- XLIV - XLV11 научно-технические конференции МИРЭА, Москва, 1995, 1996, 1997; 1998 гг.
По результатам исследования опубликовано 9 научных работ. Структура, и объем работы
Диссертация состоит из введения, 4 глав, заключения, списка литературы из 111 наименований и приложений. Объем диссертации составляет 175 страниц машинописного текста, 5 таблиц и 32 рисунков.
2. СОДЕРЖАНИЕ РАБОТЫ Во введении обосновывается аюуальность темы диссертационной работы, формулируются цели и задачи исследования, а также основные положения, выносимые на защиту.
В первой главе анализируются существующие методы решения задачи классификации и обосновывается выбор метода перебора конъюнкций (МПК) для проведения альтернативной дифференциальной диагностики.
Подчеркиваются особенности решения задач медицинской диагностики, указаны проблемы, требующие проектирования специальных систем поддержки принятия решений.
Ставится конкретная задача - создание компьютерной системы для прогнозирование течения острого инфаркта миокарда на основе анализа электрокардиологических показателей (ЭКГ). Предлагается подход к ее решению.
Показано, что особое значение в медицинских исследованиях приобретает мониторинг сбора данных для хронобиологичесского анализа. Такой подход позволяет выявить закономерности, связанные с динамикой изменения показателей, в том числе, с учетом времени суток. Формулируются требования к организации клинических наблюдений и сбора данных для исследования.
Предложен подход к решению поставленной задачи. Он включает в себя два этапа. Первый этап - выявление закономерностей, отличающих течение процесса в одной группе исследуемых от течения этого процесса у представителей другой группы, построенных сначала отдельно по каждому из сегментов ХМ. Второй этап предусматривает составление решающих правил (РП) классификации для прогнозирования состояния конкретного пациента по комплексу полученных закономерностей.
Во второй главе рассмотрены вопросы, связанные с построением решающих правил классификации с использованием МПК, реализованного в системе "Консилиум". Описываются основные функциональные блоки (модули) этой системы, обеспечивающие составление БД на основе показателей ХМ, используемые алгоритмы и процедуры для решения задачи альтернативной дифференциальной диагностики по динамическим характеристикам исследуемого быстротекущего патологического процесса. Предлагаются приемы хтя оценивания ка-
чества построенных РП, формулируются требования к составлению групп материала обучения (МО) и материала контроля (МК).
МПК, предложенный для решения задачи диагностики и прогнозирования свободен от некоторых недостатков, присущих другим методам альтернативного узнавания. При его использовании симптомы не предполагаются статистически независимыми. При выявлении наиболее информативных в отношении распознавания конкретных классов конъюнкций используется различие между коэффициентами корреляции симптомов, составляющих эти ко1гьюнкции. При использовании МПК не делается никаких предположений о характере функции распределения объектов в пространстве рецепторов. Данный метод позволяет использовать для обучения и предъявлять на контрольный экзамен объекты с неполной информацией, позволяя формировать качественные решения при неполной информации. МПК позволяет построить РП, с помошью которых можно осуществить раннюю дифференциальную диагностику схожих по симптоматике заболеваний, прогнозирование течения патологического процесса и выделение групп риска в плане возможных осложнений исследуемого заболевания. Процесс построения решающих правил включает в себя:
1) составление унифицированного машинно-ориентированного документа (УМОД) описания объектов, участвующих в процессе исследования;
2) формирование проблемно-ориентированной БД;
3) формирование условно-оптимального пространства признаков:
- предварительный статистический анализ исходных данных
- построение гистограмм и других графических форм визуализации данных.
- И -
- квантование (ранжирование) непрерывных прнзнакоз,
- построение производных характеристик (ПХ);
4) формирование материала обучения (МО) и материала промежуточного контроля (МК1 для каждой пары задач;
5) оценивание диагностической значимости комплекса признаков исследуемого пространства;
6) выбор оптимального набора параметров для алгоритма построения РП классификации;
7) построение решающих правил;
8) тестирование полученного РП классификации.
Для решения основной задачи исследования были сформулированы клинические критерии оценки состояния больных с учетом возможных осложнений. Выделены следующие группы состояний больных: "компенсированное состояние пациента" (К) и "некомпенсированное состояние" (-К), то есть осложнения ОИМ, включающие "нарушения ритма сердца" (НР) и недостаточность кровообращения (НК). Была предусмотрена для врачей возможность дать оценку пограничного состояния больного "условно-компенсированное" (УК), а также выделить группу с сочетанными осложнениями (НР+НК).
В процессе исследования всем пациентам было проведено Холтеровское мониторирование трижды: первый раз - в течение первых двух суток от момента развития ОИМ (временной срез Т1), второй раз - на 6-9 сутки от начала заболевания (временной срез Т2), третий раз - перед выпиской из стационара, приблизительно на 4-5 неделю пребывания в клинике (временной срез ТЗ). ХМ пациен-
тов, участвующих в исследовании, проводилось на аппарате "СагсИосЫа" фирмы "СагШоёаСа". Бьшо организовано формирование базы данных (БД) показателей ХМ по следующему набору сегментов ЭКГ: синусовая тахикардия (8Т), желудочковая тахикардия (ОТ), желудочковая экстрасистолия (УРВ), суправе1гтрику-лярная экстрасистолия и нарушения ритма (БРУТ).
Задача исследования состояла в том, чтобы на выделенных группах больных ОИМ выявить и сопоставить особенности хронобиологическнх зависимостей показателей ХМ в первые двое суток от начала заболевания, опираясь на которые можно было бы каждого больного ОИМ в период его пребывания в стационаре отнести к той или иной группе ожидаемых состояний: без осложнений гаи с осложнениями (с конкретизацией типа осложнений).
Прогнозирование состояния конкретного пациента (к 6-9 суткам или к 2530 суткам) осуществлялось по результатам решения серии парных задач дифференциальной диагностики, а именно, построения РП, попарно разделяющих выделенные группы состояний: компенсированные и некомпенсированные (К и -К), компенсированные - с нарушением ритма (К - НР), компенсированные - с недостаточностью кровообращения (К - НК), компенсированные - с нарушением ритма и недостаточностью кровообращения (К - НР+НК).
Далее обсуждаются вопросы, связанные с выбором пространства признаков, участвующих в исследован™. Преобразование исходного пространства признаков осуществляется соответствующим модулем и предусматривает следующие возможности:
- выбор (задание) условно-оптимального ранжирования числовых (непрерывных признаков;
- оценка диагностической информативности симптомов и признаков;
- отбор (сортировка) симптомов и признаков для текущего анализа;
- логико-содержательное объединение симптомов.
Учитывая, что ранжирование признаков играет очень важную роль в поиске закономерностей, в главе описан используемый системой алгоритм условно-оптимального разбиения на градации непрерывных признаков (ЬПбй), т.е. ранжирование значений признака является функцией от состава групп исследования. Шаг квантования на каждой итерации является параметром алгоритма и устанавливается в процессе выбора вариантов ранжирования. Для каждой градации производится расчет ее информативности и определяется суммарная информативность признака (на заданном материале обучения при фиксированном числе градаций).
За меру информативности признака принимается величина
/=£/,
где J, = тО,+9/ +111 р1 +)п -(/>,•+ д/ )Щр, + qi)];
здесь ру и <7,- - частоты попадания значений признака в 1-ю градацию соответственно на классах А и В), г - число градаций, ш - коэффициент, соответствующий априорной вероятности класса.
Значение градации может быть выбрано либо путем алгоритмического расчета информативности, либо - исходя из априорных соображений, базирующихся на представлении о предмете исследования. Выбор градаций корректируется визуальным кошролем результата ранжирования.
Обычно выбранные и зафиксированные градации каждого признака называют характеристиками признаков, или симптомами. В дальнейшем они участвуют в процессе обучения наравне с исходно дискретными признаками.
Опыт использования различных методов распознавания показал, что методы, основанные на непосредственном использовании данных измерения объекта x¡, a'j зачастую не приводят к удовлетворительным результатам. В связи
с этим был использован метод "производных характеристик" (ПХ), в котором исходное пространство измерений может быть преобразовано в пространство множества функций от этих измерений, наиболее диагностически значимых для соответствующей конкретной задачи. Данные, преобразованные указанным способом, можно далее исследовать различными методами классификации.
Для визуализации процедуры построения ПХ можно использовать достаточно широкий арсенал алгоритмов графического представления данных, среди которых специально для анализа и сопоставления периодических показателей рекомендован алгоритм графической иллюстрации динамики показателей (Grapa).
Процедура логико-содержательного объединения признаков для двух заданных исходных признаков с большим коэффициентом корреляции заключается в следующем:
- 15- осуществляется полный перебор вариантов нового признака, симптомами
которого являются всевозможные конъюнкции и дизъюнкции конъюнкций
симптомов исходных признаков;
- для всех вариантов "объединенного" признака вычисляется его информативность по отношению к разделению классов;
- из различных вариантов "объединенного" признака выбирается тот, в котором информативность максимальна и, во всяком случае, превышает информативность каждого из исходных признаков.
Обычно при равном (или почти равном) значении информативности двух объединений выбирается тот вариант объединения, при котором предусмотренные ответы допускают наиболее объективную трактовку.
На основании анализа распределения симптомов на сравниваемых парах классов и оценки их информативности составляется общий список информативных симптомов. На сформированном таким образом пространстве признаков строятся РП по каждой из задач дифференциальной диагностики на выбранных группах «обучения».
По окончании процесса обучения с использованием МПК формируются два списка конъюнкций (за классы А и В соответственно), полученных на материале обучения (МО) и удовлетворяющих установленным параметрам алгоритма. Решающее правило диагностики строится для каждого сегмента ХМ отдельно по результатам голосования отобранных конъюнкций на объектах промежуточного контроля. Классификация каждого объекта промежуточного контроля осуществляется по результату голосования имеющихся у него конъюнкций (за А и за В).
Подсчитывается разница голосов из А- и В-сгшсков конъюнкций для этого объекта. Если у данного объекта А-конъюнкций больше, чем В-конъюнкций, то разность в их количестве фиксируется со знаком "+", а если преимущество имеют В-конъюнкцин, то разность будет иметь знак "-". При равном количестве А- и В-конъюнкций (или отсутствия их у него вообще) результат сопоставления будет иметь значение "О". Итог подсчета конъюнкций по всем объектам промежуточного контроля служит основанием для выбора порогов РП. Пороги выбираются из соображений наилучшего узнавания (например, по числу совпадений с установленным, подтвержденным диагнозом) с учетом ответственности за ошибки в ту или иную сторону.
Итоговое РП формируется по совокупности РП каждого отдельного сегмента данных ХМ с учетом коэффициентов значимости вклада каждого сегмента в решение данной задачи. Оценка полученного РП производится по количеству совпадений (или несовпадений) с врачебным диагнозом на контрольном (тестируемом) материале. Причем, одним из требований к уровню решения данной задачи было - минимизация количества ошибок "1-го рода", то есть не допустить оценку состояния больного с осложнением как "компенсированного (не объявить "благополучный" прогноз для пациента с осложнением). Ошибки "Н-го рода", то есть отнесение "компенсированных" к группе "риска", допускались
Третья глава посвящена описанию компьютерной системы "САНДПДА", разработанной для диагностики и прогнозирования состояния у пациентов пр1 остром инфаркте миокарда по всей совокупности данных Холтеровского мони тарирования.
Прежде всего дается обоснование выбора среды программирования. Отмечается, что среда программирования Delphi поддерживает все, что было написано до снх пор на Паскале. Она соединяет визуальные и объектно-ориентированные принципы программирования с дружественной средой разработки, давая в итоге разработчику архитектуру многократно используемых компонентов. Это обеспечивает возможность производить быструю разработку и совершенствование высокоскоростных приложений Windows. Интеллектуальные пакеты прикладных программ, использующие среду Delphi, представляют возможность решать на ЭВМ задачи, используя их содержательные описания.
Далее приводится архитектура компьютерной системы "САНДИДА". ее функциональные блоки и модули. Дается описание используемых процедур.
Архитектура КС "САНДИДА" удовлетворяет требованиям модульности, открытости, возможности совершенствования и развития.
Отмечено, что главным условием при разработке системы было выполнение требований дизайна, обеспечивающих наглядность и логическую стройность представления данных, простоту доступа и минимизацию шагов при вводе характеристик.
При создании системы были использованы стандартные библиотеки пакета Delphi Standard 3.0 и модули, созданные в рамках реализации проекта.
В структуре КС "САНДИДА" выделяются следующие функциональные блоки:
- 18- блок ведения базы данных (описание структуры, чтение с диска, хранение в
памяти, запись на диск, проверка корректности и т.п.); блок просмотра содержимого базы данных (формирование списка пациентов);
- блок ввода / редактирования данных холтеровского мониторинга;
- блок статистики (генератор отчетов по базе данных целиком или выделенным ее фрагментам);
- блок диагностики (счетный блок) — реализация найденных алгоритмов прогнозирования состояния пациента по внесенным показателям холтеровского мониторинга;
- блок представления результатов прогнозирования;
- блок импорта / экспорта — импорт данных из внешних программ и экспорт данных в некоторые общепринятые форматы для использования другими программами;
- блок визуального решения программы (общая организация окон и меню). Элементы базы данных включают в себя служебную информацию, паспортные данные и данные анамнеза пациента, характеристики холтеровского мониторинга и врачебную оценку состояния.
Окно ввода данных состоит из панели ввода и нижней панели кнопок. На панели ввода в виде многоуровневого, многостраничного блокнота, имеющего иерархическую систему страниц, доступ к которым осуществляется через систему закладок, представлена вся структура содержания сегментовданных холте-
ровского мониторинга. Организация ведеиия БД обеспечивает возможность сохранить внесенные данные, отказаться от сохранения или вернуться к продолжению ввода.
Пользователь ведет с системой диалог с помощью меню. Этот диалог является регламентированным. Меню системы организовано с учетом категории пользователей, а именно, для работы с системой от врачей не требуется каких-либо специальных компьютерных знаний.
В процессе эксплуатации системы пользователь (врач) имеет возможность по каждому больному получить сведения для оценки его состояния, используя РП как по отдельному сегменту ХМ, так и по итоговому РП. При постановке диагноза встзет вопрос о выборе правила объединения частных заключений и, как ответ на него, возникает многоуровневая схема принятия решения. Ее иерархическая структура определяется неравноправным вкладом каждого сегмента ХМ в заключение о состоянии пациента.
В результате анализа информативности данных было установлено, что наиболее значимым в плане прогноза состояния пациента является сегмент 8Т, включающий в себя показатели проявления ишемии миокарда. Поэтому для каждого больного системой изначально оценивается значение такого показателя, как наличие или отсутствие ишемии в первые сутки. Если у конкретного пациента имеется проявление ишемии, то в этом случае сопоставляется количество конъюнкций за благоприятный и неблагоприятный прогноз по сегменту 5Т.
Анализируемый список конъюнкции состоит из последовательных блоков, где ведущий (первый симптом) одинаков в пределах одного блока. Проверка на-
личия конъюнкций осуществляется по блокам. После того, как зафиксирован первый факт наличия у пациента конъюнкции из проверяемого блока, производится переход к последовательной проверке списка конъюнкций из следующего блока. Таким образом, фиксируется наличие у больного хотя бы одной конъюнкции из одного блока. Как только такая конъюнкция находится, происходит автоматический переход к проверке следующего блока. При этом осуществляется подсчет найденных у конкретного пациента сочетаний как за благоприятный, так и за неблагоприятный прогноз. Итоговая цифра по конкретному сегменту данных, которая в дальнейшем участвует в постановке диагноза, представляет собой разницу между количеством найденных конъюнкций за благоприятный и неблагоприятный прогноз. Это число может быть как положительным, так и отрицательным. Если ишемия в первые сутки отсутствует, то в итоговую цифру по сегменту БТ заносится число +2 и происходит автоматический переход к анализу найденных сочетаний по следующему сегменту данных. Если у пациента ишемия наблюдалась, но конъюнкций из общего списка ни за благоприятный, ни за неблагоприятный прогноз не нашлось, то в итоговую цифру по сегменту БТ заносится число 0 и происходит переход к анализу найденных сочетаний по следующему сегменту данных. Аналогичным образом происходит подсчет голосов для остальных сегментов данных. Единственное отличие состоит в том, что если не было проявлений соответствующих признаков по сегментам ОТ, БРУТ и УРВ, то в итоговую цифру по конкретному сегменту из вышеперечисленных заносится число +1 и происходит автоматический переход к анализу найденных сочетаний для следующего сегмента данных.
Прогноз состояния формируется на основании полученных по каждому из исследуемых сегментов итоговых цифр в соответствии с построенным итерационным путем итоговым правилом, которое представляется в виде дерева.
Блок обоснования поставленного системой диагноза включает в себя текстовые файлы наименований симптомов по всем сегментам ХМ с учетом их объединений.
Соблюдение принципа иерархии при постановке диагноза позволяет получить более полный анализ структуры исследуемого множества объектов. Существенным преимуществом является возможность наглядной интерпретации полученных правил и результатов прогнозирования по нескольким блокам данных одновременно.
Исходя из приводимых в главе рекомендаций по работе с системой "САН-ДИДА" пользователь может:
- получить заключение о данных пациента (кнопка «Заключение»);
- получить прогноз состояния пациента (кнопка «Прогноз»);
- отредактировать внесенные данные (кнопка «Редактирование»);
- войти в блок статистики (кнопка «Статистика») для получения суммарного прогноза по полному или отобранному списку пациентов.
В четвертой главе приводятся результаты использования системы "САН-ДИДА" для решения конкретной медицинской задачи. Выявлены общие и специфические закономерности, характерные для каждого класса состояний больных ОИМ. Обсуждаются полученные РП и границы их применимости. Даются
рекомендации по практическое использовашпо системы и оцениваются перспективы расширения сферы использования таких систем.
Оценка результата прогнозирования состояния больных (к 6-9 и к 25-30 суткам) по полученным РП на всей совокупности данных ХМ была проведена совместно с врачами на группе пациентов, составляющих материал контроля (25% случайным образом выбранных из общего числа исследуемых), то есть тех, состояние которых врачам было известно, а системе не сообщалось. Результаты использования КС "САНДИДА" представлены в Таблице.
Таблица. Результаты работы системы "САНДИДА" на материале исследования
Результаты Наименование задач
К-НК К-НР
Т2 ТЗ Т2 ТЗ
правильно узнанные 80% 95% 75% 100%
ошибки нет нет нет нет
Группа риска компенсированные 10% нет 15% нет
1 некомпенсированные 10% 5% 10% нет
Количество совпадений результатов системного прогнозирования с врачебной оценкой состояния пациентов составило 85%, что оценивается врачами как весьма удовлетворительное.
Данная разработка входит в число тех, на основе которых со временем может быть создан многоцелевой "Советчик врача", призванный помогать врачу в решении разнообразных задач, возникающих перед ним.
ЗАКЛЮЧЕНИЕ
В результате исследования, выполненного в настоящей работе, достигнуты следующие результаты:
1. Сконструировано проблемно-ориентированное пространство "производных характеристик" для адекватного описания быстротекущего процесса
2. Предложен способ расчета диагностической информативности "производных характеристик" описания исследуемого динамического процесса.
3. Выбраны критерии и на их основе проведено формирование групп для исследования многомерных динамических объектов.
4. Модифицирован подход к решению задачи классификации с использованием МПК для построения РП альтернативной дифференциальной диагностики.
5. Разработана методика структурного прогнозирования состояния объектов на множестве неоднородных данных.
6. Предложена архитектура и алгоритм построения многоуровневой системы для прогнозирования осложнении при ОИМ.
7. Ряд положений диссертации получил практическое внедрение в диагностической системе "САНДИДА", прошедшей успешную апробацию в реани-
мационном блоке интенсивной терапии Центрального Военного Госпиталя (г. Москва).
По теме диссертации опубликованы следующие работы:
1. Артемьева O.A., Евтихиев H.H., Карп В.П., Комаров Ф.И., Магаюмов Е.А., Пудова Н.В., Рапопорт С.И. Моделирование быстротекущих процессов с использованием биоритмологического подхода на примере прогнозирования осложнений острого инфаркта миокарда // Информатика и радиотехника: Сб. научи, тр. Моск. гос. ин-т радиотехники, электроники и автоматики (технический университет). - М.. 1995. - с. 68-71.
2. Артемьева O.A., Евтихиев H.H.. Карп В.П., Комаров Ф.И.. Магаюмов Е.А., Пудова Н.В., Рапопорт С.И. Алгоритм построения многоуровневой диагностической системы для оценки и прогнозирования состояния сложных динамических объектов // Информатика и радиотехника: Сб. научн. тр. Моск. гос. ин-т радиотехники, электроники и автоматики (технический ушшерси-тет). - М., 1996.
3. Пудова Н.В. Биоритмологический подход в кардиомедицине // Новые информационные технологии в медицине и экологии: Тезисы докладов II Международной конференции, Крым, Ялта-Гурзуф, 1996. - с. 74-75.
4. Комаров Ф.И., Рапопорт С.И., Карп В.П., Артемьева O.A.. Евтихиев H.H.. Пудова Н.В. О возможности прогнозирования ближайших и отдаленных осложнений при остром инфаркте миокарда по данным Холтеровского монито-
рирования с использованием биоритмологического подхода // Клиническая медицина. - М., 1996. - № 9. - с. 4-8.
5. Рапопорт С.К, Карп В.П., Артемьева O.A., Евтнхиев H.H., Пудова Н.В. Выявление хронобиологических зависимостей показателей Холтеровского мониторинга в различных группах больных острым инфарктом миокарда // Патофизиология органов и систем. Типовые патологические процессы: Тезисы докладов I Всероссийского конгресса, Москва, 1996. - с. 253.
6. Евтихиев H.H., Карп В.П., Пудова Н.В. Архитектура компьютерной системы анализа ЭКГ-сигналов на базе Delphi // Информатика и радиотехника: Сб. научн. тр. Моск. гос. ин-т радиотехники, электроники и автоматики (технический университет). - М., 1997.
7. Евтихиев H.H., Артемьева O.A., Карп В.П., Пудова Н.В. Использование компьютерной диагностической системы для выбора индивидуальной терапии при остром инфаркте миокарда // Человек и лекарство : Тезисы докладов IV Российского национального конгресса, М., 1997. - с. 57.
8. Евтихиев H.H., Карп В.П., Пудова Н.В. Интеллектуальные системы поддержки принятия решений и оптимизация управления в сложноорганизованных динамических объектах // Приборы и системы управления . - М.: Машиностроение, 1997. - № 3. - с. 35-40.
X N. Evtihiev, V. Кагр, N. Pudova, О. Artemyeva. The computer system "SANDIDA" used for diagnostics and predicting the state of patients at acute myocardial infarction // International Conference on Informatics and Control Proceedings (ICI&C97). Russia. St. Peterburg. 1997. - p. 484-486.
ЛИЦЕНЗИЯ № 020456 от 04.03.97. ПОДПИСАНО В ПЕЧАТЬ 20.11.98. ФОРМАТ 60x84 1/16. БУМАГА ОФСЕТНАЯ. ПЕЧАТЬ ОФСЕТНАЯ. УСЛ. ПЕЧ. Л. 1,63. УСЛ. KP .-OTT. 6,52. УЧ.-ИЗД. Л. 1,75. ТИРАЖ 100 эко. ЗАКАЗ 1001
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ИНСТИТУТ РАДИОТЕХНИКИ, ЭЛЕКТРОНИКИ И АВТОМАТИКИ )(ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ) 117454 МОСКВА, просп. ВЕРНАДСКОГО, 78
Данная разработка входит в число тех, на основе которых со временем может быть создан многоцелевой "Советчик врача", призванный помогать врачу в решении разнообразных задач, возникающих перед ним.
ЗАКЛЮЧЕНИЕ
В результате исследования, выполненного в настоящей работе, достигнуты следующие результаты:
1. Сконструировано проблемно-ориентированное пространство "производных характеристик" для адекватного описания быстротекущего процесса
2. Предложен способ расчета диагностической информативности "производ-ньи характеристик" описания исследуемого динамического процесса.
3. Выбраны критерии и на их основе проведено формирование групп для исследования многомерных динамических объектов.
4. Модифицирован подход к решению задачи классификации с использованием МПК для построения РП альтернативной дифференциальной диагностики.
5. Разработана методика структурного прогнозирования состояния объектов на множестве неоднородных данных.
6. Предложена архитектура и алгоритм построения многоуровневой системы для прогнозирования осложнений при ОИМ.
7. Ряд положений диссертации получил практическое внедрение в диагностической системе "САНДИДА", прошедшей успешную апробацию в реани-
мациониом блоке интенсивной терапии Центрального Военного Госпиталя (г. Москва).
По теме диссертации опубликованы следующие работы:
1. Артемьева O.A., Евтихиев H.H., Карп В.П., Комаров Ф.И., Магаюмов Е.А., Пудова Н.В., Рапопорт С.И. Моделирование быстротекущих процессов с использованием биоритмологического подхода на примере прогнозирования осложнений острого инфаркта миокарда // Информатика и радиотехника: Сб. научн. тр. Моск. гос. ин-г радиотехники, электроники и автоматики (технический университет). - М„ 1995. - с. 68-71.
2. Артемьева O.A., Евтихиев H.H., Карп В.П., Комаров Ф.И.. Магаюмов Е.А.. Пудова Н.В., Рапопорт С.И. Алгоритм построения многоуровневой диагностической системы для оценки и прогнозирования состояния сложных динамических объектов // Информатика и радиотехника: Сб. научн. тр. Моск. гос. ин-т радиотехники, электроники и автоматики (технический университет). - М., 1996.
3. Пудова Н.В. Биоритмологический подход в кардиомедицине // Новые im формационные технологии в медицине и экологии: Тезисы докладов II Международной конференции, Крым, Ялта-Гурзуф, 1996. - с. 74-75.
4. Комаров Ф.И., Рапопорт С.И., Карп В П., Артемьева O.A.. Евтихиев Н.Н Пудова Н.В. О возможности прогнозирования ближайших и отдаленных ос ложнений при остром инфаркте миокарда по данным Холтеровского монитс
рирования с использованием биоритмологического подхода // Клиническая медицина. - М., 1996. - № 9. - с. 4-8.
5. Рапопорт С.И., Карп В.П., Артемьева O.A., Евтихиев H.H., Пудова Н.В. Выявление хронобиологических зависимостей показателей Холтеровского мониторинга в различных группах больных острым инфарктом миокарда // Патофизиология органов и систем. Типовые патологические процессы: Тезисы докладов I Всероссийского конгресса, Москва, 1996. - с. 253.
6. Евтихиев H.H., Карп В.П., Пудова Н.В. Архитектура компьютерной системы анализа ЭКГ-сигналов на базе Delphi // Информатика и радиотехника: Сб. научн. тр. Моск. гос. ин-т радиотехники, электроники и автоматики (технический университет). - М., 1997.
'. Евтихиев H.H., Артемьева O.A., Карп В.П., Пудова Н.В. Использование компьютерной диагностической системы для выбора индивидуальной терапии при остром инфаркте миокарда // Человек и лекарство : Тезисы докладов IV Российского национального конгресса, М., 1997. - с. 57. Евтихиев H.H., Карп В.П., Пудова Н.В. Интеллектуальные системы поддержки принятия решений и оптимизация управления в сложноорганизованных динамических объектах // Приборы и системы управления . - М.: Машиностроение, 1997. - № 3. - с. 35-40.
N. Evtihiev, V. Кагр, N. Pudova, О. Artemyeva. The computer system "SANDIDA" used for diagnostics and predicting the state of patients at acute myocardial infarction // International Conference on Informatics and Control Proceedings (1CI&C97). Russia. St. Peterburg. 1997. - p. 4S4-4S6.
Текст работы Пудова, Наталья Викторовна, диссертация по теме Системный анализ, управление и обработка информации (по отраслям)
МОСКОВСКИЙ ГОСУДАРСТВЕННЫЙ ИНСТИТУТ РАДИОТЕХНИКИ, ЭЛЕКТРОНИКИ И АВТОМАТИКИ (ТЕХНИЧЕСКИЙ УНИВЕРСИТЕТ)
На правах рукописи
ПУДОВА Наталья Викторовна
МЕТОДИКА СТРУКТУРНОГО ПРОГНОЗИРОВАНИЯ СОСТОЯНИЯ СЛОЖНООРГАНИЗОВАННЫХ ОБЪЕКТОВ (на примере задач медицины)
05.13.01 Управление в технических системах
Диссертация на соискание ученой степени кандидата технических наук
Научный руководитель академик РАН д.т.н. профессор Евтихиев H.H. Соруководитель по медицинской части д.м.н. профессор Рапопорт С.И.
МОСКВА - 1998
ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ.................................................................................. 4
ГЛАВА 1.
Проблемы диагностики и прогнозирования в кардиомедицине
1.1. Формализация проблемы исследования.............................. 20
1.2. Цели и задачи исследования............................................. 22
1.3. Оценка существующих методов решения............................ 26
1.4. Обоснование выбора метода решения.............................. 45
1.5. Выводы.......................................................................... 57
ГЛАВА 2.
Построение решающих правил классификации с помощью метода
перебора конъюнкций
2.1. Проблема классификации в медицине................................. 58
2.2. Постановка задачи альтернативной диагностики динамических объектов......................................................... 61
2.3. Организация исследования и формирование базы данных..... 65
2.4. Преобразование исходного пространства признаков............ 75
2.5. Формирование групп для обучения и контроля................... 91
2.6. Метод перебора конъюнкций и выбор параметров алгоритма 92
2.7. Тестирование полученного решающего правила.................. 99
2.8. Выводы................................................................................................................................................102
ГЛАВА 3.
Компьютерная система САНДИДА для диагностики и прогнозирования состояния пациентов при остром инфаркте миокарда.
3.1. Выбор среды программирования....................................... 103
3.2. Архитектура компьютерной системы САНДИДА................. 107
3.3. Принцип иерархии при постановке диагноза............................................133
3.4. Формирование заключения о состоянии пациента..............................139
3.5. Рекомендации по использованию системы САНДИДА..................141
3.6. Выводы..................................................................................................................................................146
ГЛАВА 4.
Результаты исследования
4.1. Анализ результатов диагностики..................................... 148
4.2. Оценка границ применимости полученных результатов...... 160
4.3. Сравнение результатов прогнозирования компьютерной системы САНДИДА с экспертными заключениями врачей......... 163
4.4. Перспективы развития.................................................... 166
4.5. Выводы......................................................................... 171
ЗАКЛЮЧЕНИЕ........................................................................... 172
СПИСОК ЛИТЕРАТУРЫ............................................................. 176
ПРИЛОЖЕНИЕ........................................................................... 190
ВВЕДЕНИЕ
Последние два десятилетия применения вычислительной техники (ВТ) в различных областях знаний показали, что развитие теоретической и прикладной кибернетики дает основания рассчитывать на успешное расширение сферы использования математических методов и ВТ, особенно в решении проблем, требующих имитации мышления человека [1].
В связи с тем значением, которое международная общественность придает проблемам охраны здоровья человека, резко возрос интерес программистов и математиков к проблемам медицины. Своими успехами и достижениями она в значительной мере обязана современной научно-технической революции. Соединенные Штаты Америки тратят на нужды здравоохранения 15% валового национального продукта [2, с. 3-4].
Математические методы в медицине стали широко использоваться около 50 лет назад. Одним из основоположников математического подхода к проблемам биологии и медицины был Винер. Он изучал биологические системы управления [3] и, в частности, занимался анализом клинической информации.
История применения математических методов в медицине - это фактически история применения автоматической обработки информации (АОД). В настоящее время на смену термину АОД пришло понятие компьютерных систем (КС) для решения определенного круга задач, в том числе и в медицине.
Исследования в области КС в нашей стране можно условно разбить на два этапа. На первом из них, с середины 60-х до конца 70-х годов, активно развивалась общая теория компьютерных систем и велась серия экспериментальных проектов по созданию систем - прототипов. В эти годы были заложены:
- основы теории ситуационного управления (подхода, опередившего многие зарубежные работы в этой области);
- основы теории и практики автоматического синтеза программ;
- разработаны экспериментальные автоматизированные системы управления с попытками представления и манипулирования знаниями;
- созданы прототипы систем взаимодействия с ЭВМ на естественном языке [4-6].
Все эти работы были фундаментом для второго этапа развития исследований в области экспертных систем [7, 8].
Исторически технология экспертных систем развивалась во всем мире применительно к медицинским приложениям [9, 10]. Одной из первых медицинских ЭС была ситема принятия решений в неотложной хирургии органов брюшной полости [11].
Была предложена технология построения проблемноориентирован- У ных КС для решения конкретной задачи [12]. В частности, она включает в себя несколько этапов. На первом этапе формулируется постановка задачи и определяется то пространство характеристик объектов, которое представляется важным для решения задачи. На следующих этапах вы-
бираются адекватные математические методы с целью достижения поставленной задачи, строятся алгоритмы и разрабатывается программы. Здесь могут быть использованы стандартные языки программирования, управления заданиями, манипулирования данными и т. п. [13, с. 150]. Наконец, осуществляется оформление результатов исследования и представление их в удобном для анализа виде с соответствующими пояснениями и обоснованиями.
Повсеместное развитие получили компьютерные системы, предназначенные для обеспечения медико-биологических исследований математическими и вычислительными методами с целью дальнейшего использования полученных результатов в практической медицине [14]. Примером могут служить различные прикладные программы, связанные с анализом временных рядов (ритмов) для помощи в решении задач, которые сформировались в медицине как хронобиологические проблемы [15]. Наибольшим вкладом хронобиологии является использование ее подходов для профилактики различных заболеваний [16].
Медики-хронобиологи изучают ритмические процессы с целью выявления как инвариантных составляющих этих ритмов, так и вариабельных для лечения и предупреждения заболеваний [17 - 27]. Привлечение математических методов и моделей дает основание расчитывать на то, что удастся, в частности, выделить группы риска по тому или иному заболеванию [20, 21, 23, 25, 28, 29] и, следовательно, поднять на более высокий уровень профилактическую работу среди населения.
В настоящее время сердечно-сосудистые заболевания являются главным фактором, определяющим показатель смертности населения (40-50%) во всех странах мира. На борьбу с этими заболеваниями в США тратится около 120 млрд. долларов в год [2].
Появившиеся сообщения о высокой прогностической ценности анализа вариабильности физиологических показателей для оценки вероятности развития осложнений при остром инфаркте миокарда (ОИМ) свидетельствуют о практической целесообразности использования биоритмологического подхода и вычислительных методов в этой области [19 -21, 23, 25].
В 1986 году в Лонг Биче была организована компания Декстра Ме-дикал Инкорпорейтед, которая со дня своего основания занимается разработкой приборов для нужд кардиологии и анализом информации, полученной с помощью этих приборов. Продукция, выпущенная на рынок этой фирмой, используется в клинических эхокардиологических лабораториях (проверка ритма сердца на наличие стресса), коронарных отделениях, пунктах скорой помощи (быстрое определение острого инфаркта миокарда), операционных (контроль за функционированием деятельности левого желудочка), катетеризационных лабораторий (анализ работы клапанов, определение стеноза сосудов).
В Новосибирском Институте медицинской и биологической кибернетики Сибирского отделения Академии медицинских наук с 1994 года выпускаются системы физиологического мониторинга и биологической
обратной связи. Эти системы представляют собой многоканальные устройства компьютерного мониторинга, записи и воспроизведения физиологических сигналов, в частности и ЭКГ, причем каждый из сигналов может регистрироваться по двум каналам [30].
В существующих прикладных технологических системах повышение качества функционирования во многом связано с тем, насколько эффективно удается использовать ресурсы управления при возникновении сложных и аварийных ситуаций. Действительно, в обычных (штатных) случаях возможности исполнительных устройств и соответствующих им алгоритмов подчиненного уровня вполне достаточны для выполнения всех текущих задач управления. Однако, при возникновении различного рода критических ситуаций, например, при кратковременном снижении ресурсов, жестко запрограммированные последовательности действий приводят подчас к разрушению структуры системы, потере работоспособности. Тогда, даже если в дальнейшем ресурс удается восстановить, структура системы остается неполноценной [31 - 33].
Причиной такого результата является обычный способ организации работы технической системы, а именно: достаточно жесткая связь "центр - периферия", когда снабжение блоков периферии необходимыми для их функционирования ресурсами осуществляется по заранее сформированной программе. Очевидный недостаток такой организации - невозможность гибкого реагирования на возникновение критических ситуаций. Жесткая иерархия приводит к тому, что периферийные блоки
подчиненного уровня централизованно лишаются способности к выживанию и необратимо теряют работоспособность [34].
Сопоставление аналогичных ситуаций в системах живой природы показало, что в естественных биологических системах задачи сохранения работоспособности и структуры систем такого типа решаются достаточно успешно. В связи с этим предлагается использовать способы иерархической организации управления в биологических системах как основу для создания аналогичных алгоритмов высшего уровня управления в технических системах. Делаются попытки алгоритмически перенести на задачи управления сложными системами принципы гомеостатиче-ского управления в живой природе. Идея такого подхода опирается на положение о разделении двух основных функций (информационной и исполнительной) системы управления, которые выполняются разными структурами - диагностической системой и системой, принимающей решения. В рамках этого положения последняя опирается в первую очередь на результат работы узнающей системы и, следовательно, качество принятия решения зависит в основном от качества функционирования узнающей системы. Так, в случае неполного или ошибочного узнавания ситуации система, принимающая решение, либо не мобилизует свои ресурсы, либо расходует их ошибочно. Отсюда идея оптимизации управления состоит в попытке переноса центра тяжести с увеличения "силовых" ресурсов системы на интеллектуализацию их использования [32].
Круг проблем, относящихся к динамическим задачам принятия решений и управления в сложноорганизованных объектах, практически неограничен [35 - 40]. В последнее десятилетие в связи с ужесточением требований к современным технологическим системам (их надежности, эффективности, безопасности, автономности и др.) ведущее место заняла проблема выявления аналогий в принципах управления, существующих между системами различной природы (техническими, социально-экономическими, биологическими и т. д.). Подходы, развиваемые в современной теории управления и теории систем, позволяют дать анализ некоторых общих явлений, свойственных таким системам вне зависимости от их природы и особенностей, хотя для каждого класса систем характерны свои специфические черты [34, 36, 41 - 44].
Важнейшей областью сотрудничества медиков и математиков является медицинская диагностика и прогнозирование. В этой области существуют определенного рода трудности. В первую очередь, это обилие информации, которую врач считает существенной для принятия решения. Информационная карта больного, содержащая ответы на несколько сот вопросов, в таком случае значительно превышает материал исследования. В сочетании с реально имеющим место ограниченным объемом материала исследования это приводит к тому, что формальный отбор наиболее важных признаков и анализ связей между ними становятся затруднительными и очень ответственными.
Имеющийся в медицине уровень формализации исходных данных обычно не удовлетворяет требованиям математических методов, используемым при обработке материала исследования. Отсутствие общего достаточно четкого языка, на котором врач и математик могли бы вести содержательное обсуждение интересующих их проблем, также характерно для медицинских исследований. Общаясь между собой, врачи, как и другие профессионалы, могут в нескольких словах передать друг другу необычайно большую информацию. Изучение такого лаконичного способа описания больных может оказаться чрезвычайно полезным для формализации и решения медицинских задач [13, 38]. Врачебный опыт может оказаться полезным для того, чтобы провести структуризацию медицинских понятий, т.е. уточнить медицинские термины так, чтобы они практически однозначно понимались разными врачами, но не утратили своего содержания. Этому служит использование унифицированных медицинских машинно-ориентированных документов.
Наиболее актуальной в настоящее время для решения медицинских проблем является разработка интеллектуальных проблемноориентиро-ванных автоматизированных систем для поддержки принятия решений в трудных для врача обстоятельствах.
Такие системы представляют собой совокупность программных средств и правил работы с информацией, которые обеспечивают ввод, накопление, интегрированное хранение, перестройку структуры, обновление и выборку данных, вывод их на внешнее устройство и дифферен-
цированное использование этих данных для решения поставленных задач.
В группу систем поддержки принятия решений в ситуации неопределенности входят диагностические системы, системы прогнозирования состояния, системы для выделения групп риска и т. д. Эта группа предназначена для врачей при решении трудных для них задач. Если в практике здравоохранения диагностика какого-либо заболевания не вызывает трудностей, то в этом случае компьютерная разработка не требуется. С другой стороны, когда часто возникают сомнительные ситуации, врачу требуется из всего многообразия проявлений заболевания выделить (быстро и безошибочно) именно те, которые обеспечат правильное решение относительно конкретного больного. В этом случае проблемноориенти-рованные компьютерные системы, аккумулируя в себе "опыт" решения подобных ситуаций и имея неоспоримые преимущества при переборе признаков проявления заболевания, могут оказать врачу необходимую помощь. Поэтому одной из целей использования ВТ является систематизация и формализация имеющихся эмпирических правил. Такой подход построен, в основном, на извлечении "знаний" из эксперта. Чем выше квалификация специалиста и чем богаче ресурс его опыта, тем более привлекательной является перспектива формализации его интуитивных знаний. Этот подход получил развитие в серии компьютерных экспертных систем (ЭС).
Другой подход к использованию ВТ заключается в тщательном математическом анализе большого объема первичной информации, предполагающей как уточнение известных связей между симптоматикой и диагнозом, так и поиск новых, еще неизвестных закономерностей. Иными словами, возникает необходимость использования всего имеющегося ресурса медико-биологических данных в качестве материала, на котором с помощью КС можно производить процесс обучения, т. е. процесс поиска закономерностей, необходимых для формирования эффективных диагностических правил. Такой подход основан на извлечении "новых знаний" из данных.
До настоящего времени большие трудности в клинической практике вызывает диагностика и прогнозирование состояния пациентов при быстротекущих процессах, таких, например, как острый инфаркт миокарда (ОИМ). Возникли основания предполагать, что характер изменений электрофизиологических (ЭКГ) показателей в течение первых двух суток от начала заболевания могут быть значимыми (информативными) для прогноза некоторой категории жизнеугрожающих осложнений. Была сформулирована гипотеза о том, что в группе больных ОИМ без осложнений
-
Похожие работы
- Структурно-классификационные методы анализа и прогнозирования в социально-экономических системах управления
- Математические и программные средства интеллектуальной поддержки для обучения анализу образной информации
- Система поддержки принятия решений при кинетической электропунктурной диагностике
- Методы и модели управления состоянием систем с переменной структурой на примере вентиляции негазовых шахт
- Строительные композиты на основе силикатонатриевых связующих, модифицированных акрил- и стиролсодержащими добавками
-
- Системный анализ, управление и обработка информации (по отраслям)
- Теория систем, теория автоматического регулирования и управления, системный анализ
- Элементы и устройства вычислительной техники и систем управления
- Автоматизация и управление технологическими процессами и производствами (по отраслям)
- Автоматизация технологических процессов и производств (в том числе по отраслям)
- Управление в биологических и медицинских системах (включая применения вычислительной техники)
- Управление в социальных и экономических системах
- Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей
- Системы автоматизации проектирования (по отраслям)
- Телекоммуникационные системы и компьютерные сети
- Системы обработки информации и управления
- Вычислительные машины и системы
- Применение вычислительной техники, математического моделирования и математических методов в научных исследованиях (по отраслям наук)
- Теоретические основы информатики
- Математическое моделирование, численные методы и комплексы программ
- Методы и системы защиты информации, информационная безопасность