CC BY
402
Статья
УДК 681.322
СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В МЕДИЦИНЕ Е.Ф. СТАРКОВ*
Введение. Одна из задач медицинского приборостроения -создание диагностических средств. Решение этой задачи невозможно без совершенствования средств исследования биоэлектрических сигналов. Ныне используется много моделей диагностики, и нет единого подхода к проектированию диагностических комплексов. Отсутствие методологии построения универсальных моделей создает проблему при разработке технических средств поддержки принятия решений в медицине. Привлечение методов системного анализа необходимо, т.к. в процессе принятия решений приходится делать выбор в условиях неопределенности, обусловленной наличием факторов, не поддающихся количественной оценке. Процедуры и методы системного анализа направлены на выявление альтернативных вариантов решения проблемы, масштабов неопределенности по каждому из вариантов и сопоставление вариантов по критериям эффективности.
Исследователь располагает минимальными возможностями по проведению эксперимента. Опыт учит - в таких ситуациях надо экспериментировать не над объектом, предметом или системой, а над их моделями. Физическое моделирование очень редко применимо в системах, хоть как-то связанных с людьми. Приходится прибегать к математическому моделированию.
Требования к системе поддержки принятия решений (СППР). Основу диагностической системы составляет СППР, предназначенной для обработки данных и реализации моделей, помогающих решать слабо структурированные задачи. СППР может быть представлена как автоматизированная интерактивная человеко-машинная система, которая поддерживает деятельность принимающих решения лиц, но не замещает их; решает задачи различной степени структурированности: фокусируется скорее на результативности, чем на производительности процесса принятия решений. Эффект применения СППР заключается в следующем: анализ объективных составляющих проблемы; выявление предпочтений; учет неопределенностей в собственных оценках; генерация набора решений; оценка возможных решений, исходя из имеющихся ограничений; анализ последствий принимаемых решений; выбор оптимального решения. Анализ показал, что основные модули создаваемой системы должны обеспечить: работу с косвенными измерениями, выбранными для удобства мониторирования и дающими интегральную оценку состояния; отслеживание динамики изменения состояния объекта во времени; работу в режиме реального времени с использованием адаптивной стратегии; диалоговый характер системы и интеллектуальную поддержку принятия решений с учетом неопределенности; индивидуализацию диагностики, прогноза и лечения, и их взаимосвязь в рамках интеграционного процесса управления; визуализацию всех этапов работы; анализ структуры данных, разбиение на группы и подгруппы по критериям близости; отображения в 2- и 3-мерных пространствах с использованием разных типов преобразования; накапливание данных о работе системы и адаптивная коррекция границ классов и поверхностей. Формирование структуры основных подсистем требует обоснования принципов декомпозиции и построения модулей, т. к. для каждой из подсистем имеется множемтво методов и алгоритмов.
При разработке основных принципов построения СППР надо учитывать, что эффективные методы диагностики состояний могут быть построены лишь путем комбинации логических и вероятностных приемов классификации. Требуется организация прогнозирования на базе специальных моделей. Должна быть обеспечена многоальтернативность на всех этапах принятия решений: множество альтернатив по типам алгоритмов и методов, множество критериев оценки эффективности, множество альтернатив по принятию решений и так далее. Должна быть обеспечена интеллектуальная поддержка принятия решений. Работа с комплексом должна вестись в диалоговом режиме. Авторы многих работ и книг по клинической медицине обосновывают правила диагностики, прогнозирования течения болезни, выбора метода лечения ссылками на собственный опыт, мнения авторитетов или на описания «типичных» клинических случаев. Этот способ представления медицинских знаний, имеющий многовековую историю важен и часто ему нет альтернативы. Иногда можно подвести под обоснование клинических положений другую основу - экспериментальную. Математическая статистика, анализ решений, распознавание образов и другие не
* г. Курск, ул. 50 лет Октября, 94, КГТУ; тел./факс: (4712) 50-48-20
снимают проблемы строгого обоснования медицинских результатов, но могут дать дополнительную информацию для исследователя. Сведения о большом числе сходных клинических случаев, накопленные лечебными учреждениями, предоставляют принципиальную возможность такой экспериментальной работы.
Наряду с работой по формализации исходной медицинской информации надо проводить структуризацию этой информации. Человек часто успешно справляется с поступающим к нему огромным потоком информации, разобраться в котором с помощью традиционных математических методов, даже учитывая мощь современных ЭВМ, практически невозможно. Большую роль в этой человеческой способности играет специфика процесса восприятия, которая позволяет адекватно отражать организацию сложных, в частности живых, систем. Какие же особенности человеческого восприятия отвечают этим сторонам организации живых систем? Организация информации о системе не сводится к суммированию информации о её частях, а интерпретация части информации зависит от целого. В каждой ситуации человек организует поступающую к нему информацию в структуры, состоящие из малого числа структурных единиц, определяющихся свойствами объекта и целями исследователя.
Анализ медицинских данных делится на ряд этапов: предварительная постановка задачи и первичная структуризация информации; составление информационной карты больного и сбор клинического материала; уточнение задачи, отбор и структуризация данных, направленных на поиск решения; построение алгоритма решения задачи; проверка алгоритма на контрольном материале и в условиях клиники.
Постановка задачи. Трудность состоит в том, что практически невозможно из априорных соображений найти адекватную постановку задачи. Врач не строит свою работу в виде набора решаемых им задач, во всяком случае, формализованных. Его основная цель ставится неформально - помочь больному.
Получение достоверной исходной информации. Применение математических методов обработки информации предъявляет строгие требования к ее качеству. Между тем уровень формализации медицинских данных обычно недостаточен. Ответы на одни и те же вопросы о больном у двух разных врачей могут не совпадать и даже могут не совпадать повторные ответы одного и того же врача - бессмысленно применение простых приемов статистической обработки данных. А «статистически обоснованные» результаты работ оказывается нельзя воспроизвести. После формализации есть возможность однозначной интерпретации клинических алгоритмов и результатов, без которых невозможна их проверка и распространение. Да и сама конструкция алгоритмов зависит от однозначности исходных данных.
Трудности статистического анализа медицинских данных. Это принципиальная ограниченность объема доступного для анализа материала. Получить сведения о большом количестве больных можно, собирая материал либо много лет в одной клинике, либо во многих клиниках за короткий срок. В обоих случаях выборка почти всегда будет неоднородной. При сборе материала в течение многих лет могут изменяться контингент больных, методы лечения и даже характер самого заболевания. Ограниченность материала усугубляется обилием информации. Это ведет к тому, что отбор важных признаков по формальным критериям информативности и статистический анализ связей между ними становятся малопродуктивными.
Выбор формы решающих алгоритмов. Нельзя, чтобы «машинные правила» подменяли собственные решения врача о больном. Не имея медицинской интерпретации алгоритмов, не понимая их логику, врач не может доверять им. Если для врача чужда логика правил решения задачи, то он не может вносить в них коррективы. Перед ним ставится дилемма: либо безоговорочно доверять «машине», либо игнорировать ее советы. Для того чтобы врач пользовался результатами, они должны быть согласующимися с его системой представлений и интуицией.
Ухудшение работы алгоритмов со временем. С течением времени формальные правила могут ухудшить свою работу, то есть может возрасти число ошибок из-за появления новых способов лечения, изменения контингента больных, изменчивости болезни и т. д.. Поэтому время от времени формальные правила надо проверять и при необходимости корректировать.
Трудности переноса алгоритмов в другие клиники. Многие трудности здесь связаны с различием медицинских школ. Эти различия могут относиться и к принципам лечения больных, предпочтениям лекарственных препаратов и к системам понятий, применяемым для описания больных, профессиональному языку врачей. Значение может иметь различие контингентов больных, особенности протекания заболевания на конкретной территории в
Статья
зависимости от экологического или климатического фона.
При внедрении полученных результатов возникают и трудности совсем иного рода. Это доведение результатов до состояния коммерческого продукта, что требует особого вида выполняемых работ и сотрудничества научных работников и промышленных предприятий. Сложность функционирования биосистем и большой объем информации, содержащейся в электрофизиологи-ческих сигналах, не дает однозначно связывать значения параметров сигналов с диагностическими заключениями. Поэтому ведется поиск комплексных показателей, зависящих от ряда измеряемых элементарных признаков, комбинации признаков, позволивших бы повысить достоверность результатов.
Современная медицина и биология используют технические средства получения информации об исследуемых объектах. Исследования биообъектов характеризуются рядом особенностей, связанных со спецификой биомедицинских сигналов.
В общем случае сигнал рассматривается как физический процесс или явление, несущее сообщение о каком-либо событии или состоянии объекта. В технике сигнал рассматривают как процесс изменения во времени физического состояния какого-либо объекта. Сигналы, возникающие в биообъектах в процессе их деятельности и под влиянием внешних воздействий могут быть [ 1 ]: электрические, распространяющиеся в 2-проводных линиях и в волноводах; электромагнитные, распространяющиеся в свободном пространстве или в различных средах; механические (акустические), распространяющиеся в упругих средах; тепловые, распространяющиеся в теплопроводящих средах; другие. Биосигналы характеризуются свойствами: неоднозначностью связей между параметрами и медико-биологическими характеристиками, что вызвано сложностью объекта измерения; трудно учитываемым влиянием на результат измерения индивидуальных особенностей; невозможностью точного повторения при измерениях; сложностью формы сигналов; необходимостью проведения измерения без нарушения целостности объектов.
Анализ показывает, что нет единого подхода к классификации биосигналов и медицинской аппаратуры, накопленные результаты экспериментальных исследований [2] показывают отсутствие единого подхода к обработке результатов. Подробно рассматриваются свойства биоматериалов и сред [3, 4], но имеется систематизация узкоспециальной аппаратуры для медицинских обследований [5-7]. Используется несколько оснований для классификации биосигналов. Все медицинские параметры, подлежащие измерению, обычно подразделяют на две группы: измеряемые непосредственно и измеряемые опосредованно (вычисляемые). К первым относится температура тела. Ко вторым -параметры, которые невозможно измерить непосредственно. Классификация, опубликованная в [6], делит биосигналы на механические (линейные и угловые перемещения, скорость, ускорение, давление, частота механических колебаний), физические (температура, освещенность, влажность), химические (концентрация и состав веществ) и физиологические (кровенаполнение). Иные из них являются постоянными в течение значительных временных интервалов, а иные быстро меняются в течение короткого времени. Большинство биоэлектрических сигналов даже в норме не является строго периодическими последовательностями. Нередко наличие в биоэлектрическом сигнале строгой периодичности соответствует опасным патологиям [8]. Отдельный класс представляют собой высокочастотные излучения [2]. Большинство биоэлектрических сигналов состоят из повторяющихся импульсов или их комбинаций, в общем случае непериодических - квазипериодические и хаотические [9]. При этом вид регулярности процессов надо конкретизировать (регулярность периода, формы и т. п.). Имеющиеся классификации биосигналов не позволяют выработать единый подход к проектированию средств диагностики.
В биомедицинских измерениях в качестве образцовых сигналов используются искусственные модели или участки реальных сигналов. Причем последние представляют собой либо среднестатистические кривые, либо участки зарегистрированных сигналов, являющиеся типичными представителями классов заболеваний. Эти участки выбираются врачами-экспертами [10].
Разработчики медаппаратуры всю совокупность методов и приборов, относящихся к медицинской электронике, подразделяют по областям их применения]. Такая классификация имеет преимущество в том, что аппараты, относящиеся к одной области, сходны по устройству. Наиболее известной из отечественных классификаций медтехники можно считать схему А. Р. Ливенсона [5], в которой систематизация диагностических приборов основывается на виде энергии, передаваемой от пациента к прибору -электрическая, механическая, тепловая, химическая энергия.
Медприборы подразделяются по эксплуатационным признакам: характер взаимодействия - на диагностические и терапевтические; число измеряемых параметров - на специализированные, комбинированные и универсальные. Несмотря разнородность измеряемых параметров состояния объекта исследования результаты измерений объединяются в ряд однородных групп по типу данных; возможна обработка результатов измерений с учетом источника и без учета источника их поступления; классификация по типу сигналов позволяет разработать схему устройства на базе функциональных модулей.
Несмотря на е число и разнородность измеряемых параметров состояния объекта исследования, результаты измерений объединяются в ряд однородных групп по типу данных. Это динамические и квазистатические сигналы, экспертные оценки и ретроспективная информация, динамическое и статическое графическое и видеоизображение, климатические параметры. Параметры объекта или ситуации характеризуются набором векторов:
^ (X) = {X, 7, 7р, Е, ДЕ, О, дО, V, К, X}, (1)
где (X) - состояние объекта в момент времени X; X -
вектор значений динамических параметров; 7 - вектор значений статических параметров; 7р - значения стандартных параметров
динамических сигналов; Е - вектор кодированных экспертных
оценок; ДЕ - вектор изменений экспертных оценок; О - вектор
кодированных субъективных оценок; ДО - вектор изменений
субъективных оценок; V - видеоданные; К - вектор значений климатических параметров; X - эталонное время системы.
Заключение. Предложенная структуризация измеряемых сигналов для получения параметров объекта исследования в биомедицинской системе позволяет разрабатывать устройства сбора информации для диагностических систем на основе небольшого количества специализированных функциональных модулей, использование которых облегчает проектирование и последующую модернизацию системы.
Литература
1. Грязнов М.И., Гуревич М.Л., Рябинин Ю.А. Измерение параметров импульсов.- М.: Радио и связь, 1991.
2. Березовский В.А., Колотилов Н.Н. Биофизические характеристики тканей человека.- Киев: Наукова думка, 1990.
3. Березовский В.А., Колотилов Н.Н. Биофизические характеристики тканей человека.- Киев: Наукова думка, 1990.
4. Семенов Н.В. Биохимические компоненты и константы жидких сред и тканей человека.- М.: Медицина, 1971.
5. Ливенсон А.Р. Электромедицинская аппаратура: 5-е изд., перераб. и доп.- М.: Медицина, 1981.
6. Жуковский В.Д. Медицинские электронные системы.- М.: Медицина, 1976.
7. Кардиомониторы. Аппаратура непрерывного контроля / Под ред. А. Барановского, А. Немирко.- М.: Радио и связь, 1993.
8. Гласс Л., Мэки М. От часов к хаосу: Ритмы жизни / Пер. с англ./ Под ред. Е. Е. Селькова.- М.: Мир, 1991.
9.Мун Ф. Хаотические колебания.- М.: Мир, 1990.
10. Злочевский М.С. Критерии и особенности качества средств автоматического анализа электрокардиосигналов. вып. 7.- М.: Информприбор, 1988.
УДК 615.84
АВТОМАТИЗИРОВАННАЯ СИСТЕМА ДИАГНОСТИКИ АНЕМИЙ НА ОСНОВЕ НЕЧЕТКОЙ ЛОГИКИ ПРИНЯТИЯ РЕШЕНИЙ И АЛГОРИТМОВ ГЕНЕТИЧЕСКОГО ТИПА
Н.А. КОРЕНЕВСКИЙ, С.А. ФИЛИСТ, Е.С. ЧЕРНЫХ*
Анемии занимают видное место в структуре заболеваний. Железо-, витамин-Вп-дефицитные, гемолитические, апластиче-ские анемии - таков порядок форм анемий по встречаемости. Несмотря на то, что анемия - часто встречающееся гематологическое нарушение, число диагностических ошибок велико. Стандартные алгоритмы клинического обследования больных с различными формами анемий, как правило, обеспечивают их
* 305040, г. Курск, ул. 50 лет Октября, 94, ГОУ ВПО «КГТУ»; тел./факс: (4712) 50-48-20; Е-шаП: [email protected]
