1

Теоретическая часть к теме: «Клинические системы поддержки

принятия решений. Средства прогнозирования. Моделирование системы

поддержки принятия решений»

Вступление

Компьютерные программы приспособлены для решения только определенного круга задач.

Расширить или изменить этот круг можно только путем внесения в программу соответствующих

инструкций программиста. Но такое усовершенствование требует много времени и всегда

существует вероятность дополнительных ошибок. Развитие технологий искусственного

интеллекта (программных средств, которые могут в определенных границах имитировать на

компьютере некоторые черты мышления человека) обусловили появление нового класса

программных средств, способных к самообучению и накоплению новой, полезной информации.

Именно к этому классу принадлежат экспертные системы, которые широко применяются в

медицине для поддержки принятия решений, при решении разнообразных проблем диагностики,

прогнозирования, лечения, управления, обучения и т.д.

Экспертные системы — это программные пакеты, которые преобразовывают знания

высококвалифицированных специалистов в конкретных предметных областях и способны на их

основании давать рекомендации или решать поставленную задачу с объяснениями в понятной

форме.

Существует много видов экспертных систем, среди которых можно выделить следующие:

 экспертные системы интерпретации данных, которые определяют содержание данных, в

частности данных медицинских наблюдений и опытов;

 экспертные системы диагностики, во время которой определяется характер отклонения

состояния объекта от нормы и на этой основе его причисляют к соответствующей

категории.;

 экспертные системы мониторинга, ориентированные на непрерывную интерпретацию

данных в реальном времени и сигнализацию о выходе тех или других параметров за

допустимые границы, в частности, экспертные системы медицинского мониторинга в

палатах реанимации;

 экспертные системы прогнозирования логически строят вероятностные заключения о

будущем ходе событий из ситуаций, которые сложились, с учетом всех обстоятельств. В

медицине с их помощью прогнозируют течение болезни при разных схемах лечения,

определяя наилучшую для конкретного больного;

 экспертные системы обучения определяют погрешности при изучении какой-то

дисциплины, собирая при этом и анализируя данные про «слабые места», а потом дают

необходимые объяснения и рекомендации, которые определяют, какие упражнения нужны

для улучшения подготовки будущего врача;

 экспертные системы планирования определяют оптимальные планы действий объектов,

способных выполнять некоторые функции;

 экспертные системы проектирования готовят документацию на создание объектов с заранее

определенными свойствами, которые содержат даже готовые черчения и соответствующее

описание.

За степенью интеграции экспертные системы различают таким образом:

 автономные экспертные системы, которые работают непосредственно в режиме

консультаций с пользователем без применения каких-то традиционных методов обработки

данных (расчеты, моделирования и др.);

 гибридные экспертные системы, которые содержат стандартные пакеты прикладных

программ обработки, СУБД, электронные таблицы и средства управления ними.

 Понятно, что гибридные экспертные системы значительно более сложные, но их

возможности оправдывают затраты на их разработку и обслуживание.

2

Моделирование экспертных систем

При создании экспертной системы группа, которая состоит из экспертов и инженеров по

знанию, собирает факты, правила и эвристические правила. Собранные данные и знания дальше

включаются в программу искусственного интеллекта.

Экспертные системы могут функционировать в двух режимах работы: режиме обучения и

режиме работы.

При работе в режиме обучения ЭС находится в активном диалоге с экспертом. При этом

происходит заполнения баз данных и знаний как на основании информации, которая вводится

самым экспертом, так и на основании его ответов на вопрос, которые ЭС сама активно задает

эксперту. Последний режим работы, когда эксперт оказывается в роли опрашиваемого,

обусловленный тем, что экспертная система, как накопитель эмпирического опыта в предметной

области, "видит" ту необходимость связи фактов и знаний, которые может быть упущена самым

экспертом.

В режиме работы ЭС выполняет те функции, для которых она создается из

потребительской точки зрения.

Функции экспертных систем:

 Экспертиза проектов.

 Оценка квалификации специалистов.

 Постановка диагноза.

 Оценка эффективности лечения.

 Назначения схемы лечения.

Экспертная система – это "интеллектуальная" программа, которая выполняет функции

эксперта при решении какой-нибудь задачи в области его компетенции. ЭС, как и эксперт-человек,

в процессе своей работы оперирует с знаниями. Знания о предметной области, которые

необходимые для работы экспертной системы, определенным образом формализованы и

представлены в памяти в виде базы знаний, которая может изменяться и дополняться в процессе

развития системы.

ЭС возникли как значительный практический результат в применении и развитии методов

искусственного интеллекта (ИИ) – совокупности научных дисциплин, которые изучают методы

решения задач интеллектуального, творческого характера, с использованием ЭВМ.

Область ИИ имеет уже более чем 40-годовую историю развития. С самого начала в ней

рассматривался ряд довольно сложных задач, которые и до сих пор есть предметом исследований:

автоматическое доказательство теорем, машинный перевод с одной языка на другой,

распознавания изображений и анализ схем, планирования действий роботов, алгоритмы и

стратегии игр. С течением времени менялась точка зрения на методы решения этих задач.

50-е годы – моделирование работы человеческого мозга с помощью нейронных сетей. Однако,

разработка нейронных сетей уступила место другим методам ИИ и снова активизировалась лишь в

80-е года, когда были разработанные первые нейрокомпьютеры.

60-е годы – разработка общих методов эвристического поиска методов, основанных на эвристиках

(неформализованных правилах решения задач).

Конец 60-х – было выяснено, что эффективность метода решения задачи зависит в первую

очередь от конкретных знаний в исследуемой области, и лишь в последнюю – от общих стратегий

и схем логического вывода.

Этот принцип – один из важнейших принципов разработки ЭС. Чем более универсальную

систему ИИ планируется сделать, тем меньшей мощностью она будет владеть (способная будет

решать лишь очень простые задачи), и наоборот. Однако при этом система будет способная

решать только одну задачу.

Первой системой основанной на таком подходе система DENDRAL, разработанная в 1965

году в Стэнфордском университете. Система DENDRAL – высококвалифицированный эксперт в

области химии. Она решает задачу построения возможных химических структур по

экспериментальным данным об исследуемом веществе. Эта система в своей работе использует

базу знаний, которая содержит не общие эвристические правила, подобные приведенным выше, а

3

несколько десятков эвристик – специфические правила размышлений присущих химикам. Эта

система является новым этапом в развитии ЭС.

Проблемы, связанные с построением экспертных систем.

1. Постановка задачи.

Большинство заказчиков, планируя работу ЭС, склонны значительно преувеличивать

ожидаемые возможности системы. Заказчик желает видеть в ней самостоятельного, мыслящего

эксперта в исследуемой области, способного решать широкий круг задач. Поэтому, когда заказчик

формулирует задачу системе, она выходит слишком широкой, слишком громоздкой для системы.

И как следствие, система теряет свою продуктивную мощность. Поэтому целесообразно

ограничится не слишком сложной задачей в рассмотренной области, для решения которой нет

простого алгоритмического способа. Кроме того, важно, чтобы уже существовала сформированная

методика решения этой задачи "вручную" или какими-нибудь расчетными методами. Для

успешной разработки ЭС необходимая не только четкая и конкретная постановка задачи, но и

разработка подробного (хотя бы словесного) описания "ручного" метода ее решения. Если это

сделать тяжело, то дальнейшая работа по построению экспертной системы теряет смысл.

Проблема приобретения знаний.

Эта проблема возникает при передаче ЭС знаний, которыми владеют эксперты-люди. Для

того, чтобы научить компьютерную систему, необходимо формализовать, систематизировать эти

знания на бумаге.

Таким образом, для построения экспертной системы необходимо участие в ней особого

рода специалистов, которые владеют указанной совокупностью знаний и исполняющих функций

посредников между экспертами в предметной области и компьютерных системах. Они получили

название инженеры знаний.

Очень большая трудоемкость создания ЭС.

Нужно разработать средства управления базой знаний, логического вывода, диалогового

взаимодействия с пользователем и т.д. Объем программирования настолько большой, а

программы настолько сложные и не традиционные, что имеет смысла на предыдущем этапе

создавать системы демонстрационного прототипа.