Метод послідовного статистичного аналізу Вальда

Нерідко для подальшого уточнення діагнозу в програмі застосовують метод послідовного статистичного аналізу Вальда. Суть цього методу проста. Припустимо, що залишились тільки два можливих діагнози X₁ та X₂ . Проведемо додаткове обстеження, при якому у хворого виявлено симптом C_a , що при хворобі X₁, зустрічається з ймовірністю P(C_a|X₁), а при хворобі X₂ імовірністю P(C_a|X₂). Обчислимо оцінку так званого відношення правдоподібності Q₁ :

(19)

Значення Q₁ порівнюємо із значеннями верхнього А і нижнього В критичних значень:

де р – ймовірність помилки, при якій хворому із захворюванням X₁ , ставиться діагноз X₂ , a q – ймовірність помилки, при якій хворому із захворюванням X₂ ставиться діагноз X_{1 .} На практиці значення р і q задають в межах від 0,01 до 0,1. Як правило, pq, що обумовлено нерівнозначністю помилок при діагностиці. При порівнянні Q з А та В можливі такі варіанти:

• Q > А, тоді встановлюється діагноз X₁ ;

• Q < В, тоді встановлюється діагноз X2 ;

• В < Q < А, тобто не досягнуто жодного з критичних значень.

Таку послідовну процедуру продовжують шляхом додаткових обстежень. Припустимо, що при додатковому обстеженні у хворого виявлено симптом C_b , що при хворобі X₁ зустрічається з імовірністю P(C_b|X₁) , а при хворобі X₂ – з імовірністю P(C_b|X₂) . Обчислимо нову оцінку правдоподібності Q₂:

(20)

Результат знову порівнюємо з A i B . Якщо не досягнуто жодного з порогів, процедуру додаткових обстежень продовжують. Якщо при повному використанні всієї наявної діагностичної інформації жодного з порогів не вдалося досягти, роблять висновок, що наявних даних недостатньо для розв’язання діагностичної задачі.

Множення відношень ймовірностей часто замінюють додаванням їх логарифмів. Логарифм відношення ймовірностей симптомів, помножений на 100 і округлений до цілих, називають діагностичним (прогностичним) коефіцієнтом (ДК):

(21)

Природно, що і критичні значення представляють відповідними логарифмами:

ДК(А) = 10² logA, ДК(В) = 10² logВ.

Діагностичні коефіцієнти входять до диференціально-діагностичних формул, що складаються часто з урахуванням градацій симптомів. За даними про конкретного пацієнта визначають сукупність значень градацій симптомів, що характеризують його стан, підставляють їх у діагностичну формулу і знаходять відповідь. Порівнюючи її з граничними значеннями, роблять діагностичні висновки.

Програмні пакети комп’ютерної діагностики та прогнозування перебігу захворювань, що ґрунтуються на розглянутих вище та деяких інших алгоритмах, добре зарекомендували себе у практичній медицині, наприклад, в акушерстві та гінекології, невідкладній та серцевій хірургії, пульмонології, рентгенології, радіології та онкології.

Визначення й архітектура систем знань

Принципово нові досягнення в технології обробки інформації, прикладній математиці і кібернетиці пов’язані з створенням особливих людино-машинних систем, що призначаються для накопичення й обробки в комп’ютері знань, необхідних для вирішення складних практичних задач. Подібні системи одержали назву систем знань (knowledge based system), а дисципліна, що займається дослідженням, розробкою і застосуванням таких систем, стала називатися інженерією знань.

Системи знань надають можливості вирішувати важливі задачі в різних областях науки і техніки, вирішення яких раніше було доступно тільки людині з великим досвідом і інтуїцією. Це стало можливим завдяки успіхам у розвитку досліджень із штучного інтелекту. До найбільш важливих практичних результатів цих досліджень, що серйозно вплинули на розвиток прикладних систем знань, можна віднести розробку методів представлення знань і логічного виводу (прийняття рішень), а також дослідження в області БД. У цілому системи знань являють собою новий якісний етап в еволюції систем обробки інформації.

Знання відображають нашу уяву про предметну область (ПрО) і виражають систему понять, відносин і залежностей між поняттями. Прикладами понять можуть служити електричний провідник, число; прикладами відносин між поняттями провідник і число є опір, сила струму і напруга; приклад залежності – закон Ома.

Якщо необхідно передати комп’ютеру деяку суму знань, то представляються насамперед об’єкти, далі співвідношення, що встановлюють необхідні зв’язки між об’єктами, і процеси, що визначають створення, руйнування, трансформацію й інші види поведінки об’єктів. Знання складаються з даних про об’єкти, відносини й процеси. Об’єкти можна представляти структурами символьних даних; відносини – списками властивостей; процеси втілюються комп’ютерними програмами.

Знання можна поділити на процедурні і декларативні.

Процедурні знання – це знання, що відносяться до процедур обробки інформації, методів логічного виводу. Ці знання задаються послідовністю дій, що повинні бути зроблені, і послідовністю цілей, що повинні бути досягнуті.

Декларативні знання надходять у систему від експертів ПрО і включають факти або аксіоми і правила, що відносяться до цих фактів. Для декларативних форм характерна організація бази знань, при якій у ній зберігаються тільки описи об’єктів і їхніх семантичних відносин і відсутня інформація про те, як можуть бути використані дані описи. Процедурна форма заснована на описі знань про ПрО за допомогою процедур на будь-якій мові (наприклад, ЛІСП).

Переваги й недоліки мають як процедурні, так і декларативні способи подання знань. Найкращий підхід полягає в розгляді задач відразу з двох позицій, оскільки він використовує переваги обох цих способів.