
- •Часть 1. Философские проблемы биологии
- •§ 1. Феноменология живого
- •§ 2. К принципам организации биоразнообразия
- •§ 3. Место биологии и медицины в системе наук
- •§ 4. Холизм и редукционизм в истории биологии и медицины.
- •§ 5. Естественное направление природных процессов
- •§ 6. Процессы сопряжения и их трактовка
- •§ 7. Философские проблемы теории вероятности в биологии.
- •§ 8. Между генетикой-apriori и генетикой-aposteriori
- •§ 9. Проблема определения феномена жизни
- •§ 10. Теория аутопоэза у.Матураны и ф.Варелы
- •§ 11. Теория формативной причинности р.Шелдрейка
- •§ 12. Интервал Тьюринга и имитация жизни
- •Часть 2. Философские проблемы медицины
- •§ 1. Эволюция клинического мышления
- •§ 2. Философские проблемы медицинского диагноза
- •§ 3. Философские проблемы теоретического знания в биологии
- •§ 4. Категория «мера жизни» в биологии и медицине, диалектика
- •§ 5. Проблема базовой структуры в составе медицинского знания,
- •§ 6. Многокритериальность понимания здоровья и болезни: определение
- •§ 7. Связь критериев (не)благополучия и адаптивного подхода в
- •§ 8. Примеры приложения медицинской аксиоматики в клинической
- •§ 9. От количества к качеству в теории медицины
- •§ 10. Система аксиосоматического гомеостаза
- •§ 11. Экспертные системы в медицине: философия и принципы
- •§ 12. Биоэтика – наука о биоэтах
§ 11. Экспертные системы в медицине: философия и принципы
Медицину можно рассмотреть как прикладную оптимологию. Оптимология– наука об оптимизации, поиске наиболее оптимальных решений в различных областях. Главная задача медицины – оптимизировать деятельность организма человека, преодолеть разного рода неоптимальности его функционирования. Отсюда основная направленность в развитии медицинского знания – проведение в отношении к организму оптимизирующей деятельности и поиск разного рода критериев оптимальности в жизнедеятельности организма.
Как представляется, можно выделить два вида оптимизации: 1) компенсаторная– оптимизация как преодоление неоптимальности (имеющейся или возможной), 2)развивающая– оптимизация как усиление уже имеющейся оптимальности системы.
Специфика современной медицины как прикладной оптимологии может быть представлена в следующем виде: 1) делается преимущественный акцент на компенсирующей оптимизации, 2) принимаются во внимание не столько критериев оптимальности (V), сколько неоптимальности (-V).
С этой точки зрения, можно было бы выделять следующие основные тенденции развития медицины: 1) переход от качественных критериев (не)оптимальности к количественным (квантификация), 2) усложнение имеющихся критериев (не)оптимальности, учет все более тонких факторов, 3) восхождение от частных ко все более интегральным критериям (не)оптимальности.
Идея оптимальности может предполагать не только методологию, но и соответствующий вид реальности (онтологию). Онтология оптимальности предполагает существование объективных критериев (не)оптимальности, которые даются интуитивно и полуэксплицитно экспертам в данной предметной области. С нашей точки зрения, объективность критериев (не)оптимальности выражается в их заданности как тех или иных ценностных параметров в интегральной аксиосоматической онтологии живых существ.
Отсюда понятна важность более адекватной экспликации критериев оптимальности, которые позволяли бы уточнять интуицию эксперта, постоянно расширяя области экспликации имеющихся формальных приближений объективных критериев. Важная роль в этом процессе, с нашей точки зрения, принадлежит экспертным системам65.
Экспертная система(ЭС) может быть определена как программа, которая оперирует со знаниями в определенной предметной области с целью выработки рекомендаций или решения проблем. Разработка и моделирование ЭС – одно из основных направлений исследований в области искусственного интеллекта. По своим функциям ЭС должна воспроисзводить работу эксперта в данной области (например, врача), который способен проводить тот или иной вид экспертизы – оценивать события, решать проблемы, опознавать состояния и т.д.
Основные признаки ЭС:
- обладание знаниями,
- выделение конкретной предметной области,
- способность решать задачи из этой области.
В то же время ЭС не стоит понимать как адекватный заместитель человека-эксперта в соответствующей предметной области. Как показывает опыт, более эффективным оказывается сотрудничество человека и ЭС, нежели работа одной ЭС.
Перечень типовых задач, решаемых экспертными системами, включает в себя:
- извлечение информации из первичных данных (таких как сигналы, поступающие от разного рода детекторов, например, от электрокардиограммы, электроэнцефалограммы и т.д.);
- диагностика неисправностей (как в технических системах, так и в человеческом организме);
- структурный анализ сложных объектов (например, биохимических соединений);
- выбор конфигурации сложных многокомпонентных систем (например, распределенных компьютерных систем);
- планирование последовательности выполнения операций, приводящих к заданной цели (например, выполняемых промышленными роботами).
В чем состоит отличие ЭС от других компьютерных программ? Здесь, по крайней мере, можно было бы выделить следующие особенности:
- ЭС моделирует не столько физическую (или иную) природу определенной проблемной области, сколько механизм мышления человека применительно к решению задач в этой проблемной области,
- в ЭС есть база знаний и правила оперирования с нею,
- при решении задач основными являются эвристические и приближенные методы, которые, в отличие от алгоритмических, не всегда гарантируют успех (они приблизительны). Эвристика, по существу, являетсяправилом влияния (rule of thumb), которое в машинном виде представляет некоторое знание, приобретенное человеком по мере накопления практического опыта решения аналогичных проблем.
Если касаться отличия ЭС от других средств искусственного интеллекта, то здесь можно было бы отметить следующие особенности:
- ЭС направлены на решение реальных практических, а не исследовательских («игрушечных»), проблем (напр., использование ЭС для задач медицинской диагностики),
- ЭС должны работать за достаточно короткое время, сравнимое со временем работы реального эксперта (напр., постановка диагноза за часы-дни),
- ЭС должны включать в себя подпрограммы объяснения и обоснования полученного решения.
Синоним ЭС – «система, основанная на знаниях» (knowledge-based system), но могут быть последние без первых (например, в случае оперирования знаниями без проведения их экспертизы).
Можно сказать, что ЭС – это машинная имитация «предметного разума» (не вполне рационализированного разума в некоторой предметной области, напр., в медицине).
Под «инженерией знаний» (knowledge engineering) понимается процесс создания ЭС.
Можно говорить о следующих ссновных функциях ЭС:
- приобретение знаний - это передача потенциального опыта решения проблемы от некоторого источника знаний и преобразование его в вид, который позволяет использовать эти знания в программе. Осуществляется в процессе общения инженера по знаниям с экспертом и обычно представляет собой очень кропотливую процедуру (как правило, инженеру по знаниям удается формализовать не более 2-5 элементов знания (напр., эвристик)/день), в чем состоит одно из наиболее «узких мест» ЭС (повышенные трудности возникают из-за локальных языков («жаргона»), неявных, трудноформализуемых знаний в исследуемой предметной области, например, в медицине).
- представление знаний: в искусственном интеллекте создаются и разрабатываются разные языки представления знаний (representation languages). Обычно более эффективным является сочетание нескольких средств представления знаний (например, фреймы+продукции и т.д.).
- управление процессом поиска решений (метазнания, переключение с одних методов поиска на другие и т.д.),
- разъяснение принятого решения («прозрачность системы»).
Не во всяком случае возможно создание ЭС. В качестве основных условий создания ЭС можно было бы выделить следующие:
1) есть ли эксперт, который
- способен решить проблему;
- знает, как решается проблема;
- способен объяснить другому, как решается проблема;
- располагает временем, чтобы объяснить другому, как решается проблема;
- имеет достаточные побудительные мотивы к активному участию в этом предприятии.
2) не должны использоваться особенности органов чувств, которые еще не удалось воспроизвести,
3) областью применения ЭС не должна быть сфера «здравого смысла», т.е. общего знания всех людей, которое требует огромных ресурсов представления элементарных знаний.
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.
Можно привести некоторые примеры медицинских ЭС:
1) Медицинская ЭСMYCIN разработана в Стэнфордском университете в середине 70-х годов для диагностики и лечения инфекционных заболеваний крови. MYCIN в настоящее время используется для обучения врачей.
2) Отечественная система ДИАГЕН для диагностики наследственных болезней, эксплуатировавшаяся свыше 15 лет в нескольких десятках медицинских учреждений России66. База знаний системы ДИАГЕН включала 1200 синдромов моногенной и хромосомной природы, проявляющихся клинически в детском возрасте и описываемых более, чем 1500 признаками.
2) Еще один пример отчественной ЭС - система «РЕПРОКОД»67. В основе этой ЭС лежит семантическая сеть симптомов, синдромов и нозологических единиц. 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. Используется следующий общий алгоритм:
- если сумма весовых значений симптомов, выполнившихся в данном меню, достигает заранее определенного экспертом порогового значения или превосходит его, то соответствующий симптомокомплекс считается реализовавшимся у данного пациента и помечается «галочкой»,
- если же «сумма весов» не превосходит порогового уровня, то симптомокомплекс считается не выполненным.
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.
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.
Эффективность работы ЭС в медицине прямо зависит от уровня развития теоретических знаний в медицине. До сих пор, тем не менее, медицина остается преимущественно описательной наукой. Возможна ли теоретическая медицина? С нашей точки зрения, образ теоретической медицины должен основываться на неклассическом типе рациональности, предполагающем концепты мер жизни, конструкции Эго-языка и аксиосоматических онтологий, как это было описано выше.
С нашей точки зрения, применение разного рода ЭС в рамках общепринятой методологии медицины не может оказаться достаточно эффективным средством диагностики и лечения. Нужен новый тип ЭС, согласованный со структурой аксиосоматических онтологий и Системы Аксиосоматического Гомеостаза (САГ).
ЭС в медицине, согласованные с описанным механизмом САГ, можно называть аксиосоматическими ЭС (АСЭС). Развитие теоретической медицины, по-видимому, будет существенно связано с развитием подобных ЭС. Эта задача тем более важна, что структуры аксиосоматической онтологии (ценностные структуры, аксиосоматический код) вряд ли окажутся в ближайшее время областью хорошо эксплицированного знания. Здесь по-прежнему будет играть большую роль интуиция экспертов. В то же время для создания АСЭС подобная интуиция должна быть восполнена первоначальными структуризациями аксиосоматической онтологии.
В связи с этим, перед создателями АСЭС можно поставить следующие основные задачи:
1) выявление потенциальных экспертов в области аксиосоматики (такого рода эксперты могут работать сегодня в области психоаналитической, психосоматической терапии, нейролингвистического программирования, биомедицинской этики, православной психотерапии и т.д.),
2) развитие аксиосоматического языка, способного унифицированно описывать структуры ценностей и соматических событий живого организма (представлять знания в этой области),
3) исследование возможной структуры аксиосоматического кода, развитие представлений о некоторых аксиосоматических инвариантах («аксиосоматонах»), способных транслировать себя как в ценностных, так и в соматических структурах,
4) подготовка инженеров по аксиосоматическим знаниям, способных общаться с экспертами в этой области и владеющих структурами аксиосоматического языка как возможной системы представления знаний в АСЭС,
5) исследование эвристических и приближенных методов, используемых экспертами в аксиосоматике, создание более формальных моделей в этой области,
6) тестирование и моделирование возможных механизмов мышления в области аксиосоматической методологии,
7) создание гносеологических вариантов АСЭС, направленных на проверку гипотез и получение фактов в области аксиосоматики (в этом случае экспертами выступят ученые-исследователи аксиосоматических онтологий).
Подобное направление развития теоретической медицины предполагает новый тип когнитивных технологий, имеющих существенно неклассическую ориентацию (включение субъектных структур в состав онтологических концептуализаций). Аксиосоматический характер медицинской онтологии обнаруживает существенное сродство с онтологией самих экспертных систем, когнитивная технологичность которых обладает тем же единством полюсов соматического-технологического и ценностно-когнитивного, что и структуры медицинского субъектно-нагруженного типа реальности.