• Гідрологія і Гідрометрія
• Господарське право
• Економіка будівництва
• Економіка природокористування
• Економічна теорія
• Земельне право
• Історія України
• Кримінально виконавче право
• Медична радіологія
• Методи аналізу
• Міжнародне приватне право
• Міжнародний маркетинг
• Основи екології
• Предмет Політологія
• Соціальне страхування
• Технічні засоби організації дорожнього руху
• Товарознавство продовольчих товарів

Застосування експертних систем у медицині

Експертні системи — це програмні комплекси, що акумулюють досвід спеціалістів у деякій предметній області з метою його (досвіду) тиражування для консультацій менш кваліфікованих користувачів. Розробка ЕС — це галузь інформатики, що активно розвивається та спрямована на використання ЕОМ для обробки інформації у тих галузях науки та техніки, де традиційні математичні моделі моделювання малопридатні, де важливі смислова та логічна обробка інформації, досвід експертів. Експертні системи досить молоді—перші системи такого роду з'явилися у США в середині 70-х років. Натепер у світі нараховується декілька тисяч промислових ЕС, що дають поради при керуванні складними пунктами диспетчерів, постановці медичних діагнозів, пошуку несправностей у електронних пристроях тощо. Зараз легше назвати області, де ЕС не використовуються, ніж ті, де вони вже використовуються.

Головна відмінність ЕС від інших програмних засобів — це наявність бази знань, у якій знання зберігаються у вигляді записів на деякій мові представлення знань (МПЗ), що дозволяє легко змінювати та доповнювати базу знань у формі, що зрозуміла спеціалістам — розробникам ЕС. У звичайних програмах знання зашиті у алгоритм і тільки програміст (автор програми) може їх корегувати (якщо згадає, як побудована його програма).

До останнього часу саме різні МПЗ були центральною проблемою при розробці ЕС. Зараз існують десятки мов або моделей представлення знань. Найпоширеніші з них: продукції, семантичні мережі, фрейми, обчислення предикатів 1-го порядку, ОО мови програмування тощо. Для цих моделей існує відповідна математична нотація, розроблені системи програмування, що реалізують ці МПЗ. Вибір конкретної моделі визначається структурою знань у конкретній предметній області. Спочатку необхідно визначити цю структуру. Конкретизація елементів знань та їх взаємозв‘язків відбуваються у безпосередньому контакті зі спеціалістами предметної області — експертами. Цей процес називається здобуттям знань, а розробники ЕС, що займаються саме здобуттям та структуруванням знань, називаються інженерами по знаннях.

Одразу визначимо ті предметні області, де має сенс виділяти знання. Це області, де переважає емпіричне знання, де накопичення фактів випереджає розвиток теорії (медицина, геологія, фінанси тощо). Такі добре структуровані області як математика, фізика, теоретична механіка, мають у своїй основі розвинений математичний апарат для опису своїх закономірностей, що дозволяє проводити машинне моделювання з використанням традиційного алгоритмічного програмування (без виділення рівня знань). Знання важливі там, де визначення розмиті, поняття змінюються, ситуації залежать від багатьох контекстів, де є велика невизначеність, нечіткість інформації. Загалом, знання — це основні закономірності предметної області, що дозволяють людині вирішувати конкретні виробничі, наукові та інші задачі, тобто факти, поняття, взаємозв‘язки, оцінки, правила, евристики (фактичні знання), а також стратегії прийняття рішень у цій області (або стратегічні знання).

1. Приклади застосування експертних систем у медицині

Одна з найбільш ранніх і відомих медичних EC MYCIN фрагментарно розглядалася у попередніх розділах. Тут будуть стисло розглянуті деякі EC медичного призначення, ті, що стали вже класичними, і сучасні.

EC стеження за станом післяопераційних хворих

Система VM призначена для стеження за станом післяопераційних хворих, яким необхідний апарат штучного дихання. Система визначає тип апарата штучного дихання і режими його роботи у залежності від розвитку захворювання та реакції організму на терапевтичні дії. Система реалізує роботу з даними, то змінюються в часі (динамічна система). Представлення системи про час обмежені тільки поточним і попереднім станами.

Знання в системі представлені у вигляді таких типів правил: переходу, ініціалізації, стану та лікування. Система постійно отримує нові покази приладів і запускає в дію всі свої правила.

Правила переходу визначають моменти зміни стану хворого, колі необхідно змінити порядок стеження за ним. Моменти зміни стану визначаються за виходом показників за заздалегідь установлені межі.

За допомогою правил ініціалізації установлюється новий контекст, тобто нові значення, які очікуються.

Після встановлення контексту правила стану визначають нову поведінку системи, поки контекст не зміниться. Незважаючи на те, що покази приладів постійно змінюються, система виконує зміну контексту тільки тоді, коли це буде достатньо обґрунтовано за правилами переходу.

Правила лікування визначають потрібні режими роботи апарату штучного дихання.

Приклади правил експертної системи VM.

Правило 1: якщо серцевий ритм є прийнятним, і частота пульсу не змінилася більше ніж на 20 ударів/хв протягом 15 хвилин, і середній артеріальний тиск є прийнятним, і середній артеріальний тиск не змінився більш ніж на 15 мм рт.ст. протягом 15 хвилин, і кров'яний тиск систоли є прийнятним, то гемодинаміка є стійкою.

Правило 2: якщо хворий переведений з VOLUME на CMV, або хворий переведений з ASSIST на CMV, то очікується, що: прийнятний середній тиск повинен бути в межах 75... 110, прийнятний серцевий ритм - 60... 110, вміст С02 у видиху -28...42.

Правило 1 стосується хворих, що знаходяться на різних режимах штучного дихання (VOLUME, CMV ASSIST і Т-РІЕСЕ), правило 2 - всіх хворих, що знаходяться на режимі контрольованої примусової вентиляції (CMV).

Правило 1 ілюструє, як керуюча система стежить за станом хворого, застосовуючи терміни, значення яких міняється залежно від клінічного контексту (наприклад, "прийнятне"). Правило 2 показує як система використовує свої сподівання в деякому контексті, щоб точно визначити значення термінів (наприклад, "прийнятний середній артеріальний тиск").

EC аналізу причин гіпертонії

Постановка задачі. Від гіпертонії страждає близько 10% населення Землі. Причини підвищення артеріального тиску дуже різноманітні - більше ЗО основних захворювань. Складність діагностики цих захворювань полягає в тому, що вони можуть стосуватися компетенції фахівців з різних галузей медицини: нефрології, ангіології, урології тощо. Тому створення EC, яка містила б знання кращих спеціалістів з різних галузей медицини, зв'язаних з гіпертонією, надає суттєву допомогу в підвищенні рівня діагностики вказаних захворювань.

Система МОДИС призначена для діагностики різних форм симптоматичної гіпертонії.

Система МОДИС може використовуватись як у поліклініках загального профілю, так і в спеціалізованих клініках. Очевидно, що рівень доступної інформації про хворого в цих закладах різний. В поліклініці терапевту доступна інформація більш загального характеру: скарги хворого, дані зовнішнього огляду, історія хвороби та результати загальних аналізів. Таким чином, на основі інформації загального характеру ЕС повинна звузити коло можливих захворювань і вибрати з них найбільш імовірні. ЕС дає рекомендації до яких спеціалістів звернутися хворому, скерувати на спеціальні дослідження.

При використанні ЕС у спеціалізованих клініках доступна більш детальна інформація, тобто дані спеціальних досліджень (наприклад, аортографії або внутрішньовенної урографії). В цьому випадку ЕС повинна поставити більш точний аналіз.

Основні концепції, з якими працює експерт у даній системі, - це захворювання, їх форми і групи, симптоми, дані лабораторних досліджень тощо. Для їх опису використовуються знання трьох видів:

описові знання, які використовуються експертом для опису відношень між поняттями. Наприклад, таке поняття, як систолічний тиск, пов'язане в експерта з додатковою інформацією. Так, він знає, що систолічний тиск може знаходитися в межах від 50 до 350, знає, що систолічний тиск завжди більший від діастолічного тощо;

знання про те, як експерт виводить нові твердження на основі аналізу деякої інформації. Експерт використовує ці знання для постановки діагнозу. Характерним прикладом цього виду знань є таке діагностичне правило: "Якщо хворий молодого віку і у нього спостерігаються пароксизми тиску, а результати гормональних досліджень крові показують збільшений більш ніж у два рази вміст катехоламінів, то у хворого, найімовірніше, феохромоцита";

знання про те, як експерт вибирає найперспективніші шляхи пошуку. Ці знання, подані у вигляді правил, дозволяють експерту не розглядати малоймовірні гіпотези, а тільки найбільш імовірні. Такі знання належать до метарівня, оскільки визначають деяку схему використання знань першого і другого рівнів. Приклад такого правила: "Якщо хворий має суттєві зміни в аналізах сечі, то насамперед потрібно підозрювати нефрологічну природу гіпертонії".

Представлення знань. Знання в системі МОДИС зберігаються у вигляді правил. Ліва частина правил (предикати) записується у формі, близькій до природомовної, наприклад "Якщо характер підвищення артеріального тиску пароксизмальний". Предикати в лівій частині правил можуть з'єднуватися логічними операціями диз'юнкції, кон'юнкції і заперечення.

Для запису правих частин правил використовуються процедури. Так правило з правою частиною типу "..., то у хворого феохромоцита" можна подати у вигляді процедури "зробити висновок: у хворого феохромоцита", а правило виду "..., то розглядати нефрологічну групу захворювань" у вигляді " активізувати нефрологічну групу".

Функціонування системи. Робота ЕС МОДИС починається зі збору початкової інформації, до якої належать анкетні дані хворого, його скарги, історія хвороби, симптоми та лабораторні аналізи. На екрані дисплея, перед яким сидить користувач, з'являються запитання і можливі відповіді на них.

Якщо запитання або відповіді незрозумілі, користувач може отримати додаткову інформацію. Відповіді, які вводить користувач, перевіряються системою і, якщо виявлені суперечності, ЕС сигналізує про це.

На етапі збору початкової інформації система задає користувачу біля ЗО запитань. Потім користувачу задаються запитання для аналізу гіпотез. Для пошуку рішень система висуває, підтверджує і заперечує гіпотези. В середньому один діагностичний сеанс триває 5-10 хвилин. Остаточний висновок, який дає система, є сукупністю елементарних рішень за окремими гіпотезами і формується системою в процесі аналізу дерева рішень. Характерним висновком для ЕС МОДИС можна вважати такий: "У хворого, найімовірніше, феохромоцитома. Потрібно провести гормональні аналізи крові та сечі з метою визначення там вмісту катехоламінів. Потрібна консультація нефролога".

Експертна система визначення терміну нанесення ушкоджень у судово-медичній діагностиці

В описана експертна система для спектрофотометричної діагностики біотканин у судово-медичній експертизі. Перевага такого підходу до визначення терміну нанесення тілесних ушкоджень полягає в тому, що не використовуються руйнуючі (інвазивні) методи та суб'єктивні оцінки характеристик.

На основі даних спектрофотометричної комп'ютерної системи проводиться діагностика прижиттєвості нанесених травм у трупів та термін їх нанесення до смерті.

Перша версія системи (СЕД1) базувалась на логічних правилах і мала структуру, характерну для більшості традиційних ЕС, побудованих на правилах.

У наступній версії системи розглядалися більш складні задачі діагностики, зокрема, використання кольору в процесі діагностики. Вона була реалізована на основі апарату нечіткої логіки у вигляді окремої підсистеми, що дістала назву системи експертної неінвазивної оптичної діагностики (СЕНОД+). Ця підсистема виконувала ті самі функції, що й підсистема на основі логічних правил (СНЕД-1). Вибір підсистеми залежить від використання нечітких даних для визначення діагнозу.

Крім нечіткої логіки в системі використовується також імовірнісно- статистичний підхід. У процесі формалізації задачі та Ідентифікації авторамивиявлено, що множина діагнозів (типів судово-медичних висновків для встановлення прижиттєвості та давності нанесення синців) у судово-медичній експертизі складає 7 видів.

На першому етапі відбувається визначення діагнозу: синець нанесений після смерті - <2у чи до смерті - <22. У випадку останнього на другому етапі роботи ЕС проводиться визначення терміну його нанесення за такою шкалою:

■синець, нанесений безпосередньо перед смертю — в1;

синець, нанесений за 5 хв. - 1 год. до смерті – в2;

синець, нанесений за 1 - 6 год. до смерті – в3;

синець, нанесений за 6 - 24 год. до смерті – в4;;

синець, нанесений за 24 - 48 год. до смерті – в5;

синець, нанесений за 48 год. і більше до смерті – в6;

У процесі логічного встановлення діагнозу системою беруться до уваги такі фактори та їх показники. При визначенні прижиттєвості нанесення травми домінуючий колір синця - показник у, який лежить у межах від 1 до З, відносний показник коефіцієнта дифузного відбивання Рq на трьох довжинах хвиль, який відповідає кількісним показникам гемоглобіну та його похідних і характеризує стадію запального процесу: x1 – Рq460 нм — білірубін; х2 – Рq460 нм — гемоглобін; х3 – Рq460нм - метгемоглобін.

Таблиця 1.1.

Формалізовані значення факторів після введення якісних нечітких термів

Для кожного з визначених термінів часу нанесення ушкоджень існує своя комбінація значень відносного показника, тому пріоритет надається саме йому. Формалізовані знання експерта показані в табл. 1.1. Колір синця розподілений на три групи, які властиві кожному з виділених діагнозів, причому група І - червоний колір з фіолетовим, 2 - червоно-пурпурний, пурпурний, фіолетово-пурпурний, 3 - жовто-зелений, жовтий. Це допустимо і спрощує процес виводу діагнозу. В процесі формування бази знань фактори x3, y1-y3, які впливають на систему прийняття рішення і на формування кінцевого висновку, розглядаються як лінгвістичні змінні.

Знання у вигляді якісних термів та їх значень для лінгвістичних змінних xi і уi показані в табл. 1.2 і 1.3.

Якісні терми для лінгвістичних змінних y1-y3

Таблиця 1.2.

Якісні терми для лінгвістичних зміннихx1-x3

Таблиця 1.3.

Задача судмедекспертної діагностики ЕС полягає в тому, щоб множині значень виміряних показників x1-x3 та y1-y3 знайти відповідність діагнозу посмертного чи прижиттєвого нанесення травми a1-a3, і у випадку останнього визначити точний термін його нанесення b1-b6

Для оцінки лінгвістичних змінних x1-x3 вводиться система якісних термів, яка складається з чотирьох рівнів. Оскільки закон розподілу розглянутих випадкових величин наближається до нормального, то якісні терми для x1-x3 будуть такі (Рq розподіляються на шкалі, яка має 8 значень). Така шкала показана на рис. 1.1

Рис. 1.1. Шкала якісних нечітких термів для логічних змінних х1-х3 (діапазони показника Рц)

Замість формування матриці правил до табл. 8.6 заносяться введені нечіткі якісні терми. Для виведення діагнозу ЕС достатньо розв'язати такі рівняння:

Для формування функції належності формалізовані знання для лінгвістичних змінних xi та уi – записуються в таблицях 1.4 та 1.5.

Таблиця 1.4.

Дані про знання для лінгвістичних змінних y1-y3

Таблиця. 1.5

Дані про знання для лінгвістичних змінних x1-x3

На основі табл. 1.4 та 1.5 визначають функції належності нечітких термів ДН, Н, НС, С, ВС, В, ДВ:

Наведені формули переписуються з урахуванням табл. 1.1

Аналогічно формуються рівняння для

Для формування функцій належності з використанням наведених логічних рівнянь необхідно визначити множину функцій належності нечіткихтермів: Один ізможливих варіантів показаний на рис. 1.2

Рис. 1.2. Функції належності нечітких термів

Запис функцій належності в аналітичному вигляді для семи розглянутих раніше діагнозів буде мати такий вигляд:

Експертна система іридодіагностики

Проблеми використання Байєсівської стратегії в іридодіагностичних ЕС. Часто виникає питання, чому замість методу Байєса в медичних ЕС використовуються менш ефективні методи, наприклад, табличні алгоритми. В ця ситуація розглядається на прикладі іридодіагностики. Назвемо основні причини використання в іридодіагностиці малоефективних табличних алгоритмів замість більш ефективних алгоритмів, що використовують метод Байєса:

статистична залежність між іридоознаками;

необхідність знання апріорних ймовірностей P(Уj) захворювань Уj;

неоднорідність та неповнота даних;

наявність зовнішніх та внутрішніх завад.

Суть методу іридодіагностики. Метод іридодіагностики, оснований на сигнальній функції екстерорецепторів райдужної оболонки ока, є одним із найбільш інформативних і достовірних методів раннього виявлення генетичних і патологічних порушень в організмі. Цей метод характеризується відсутністю будь-яких протипоказань (за винятком епілепсії, як відносного протипоказання у зв'язку з провокуючою приступ дією світла), повною безпекою і нетравматичністю.

У процесі огляду пацієнта лікар-іридолог, оцінюючи структурний стан райдужної оболонки та адаптильно-трофічні зміни, що відбуваються у ній в часі та просторі, маючи можливість оперативного огляду в одному полі зору проекційних зон усього організму, діагностує з достатньо високою точністю спадкові особливості пацієнта, функціональну та органну слабкість певних органів і систем, що дозволяє в кінцевому результаті зробити висновки про резервні можливості організму, скласти прогноз, тобто побудувати вектор майбутнього стану здоров'я організму обстежуваного. На основі поєднання різних іридознаків на райдужній оболонці іридолог діагностує місцезнаходження патологічного процесу і певною мірою його характер.

Статистична залежність ознак. Прості та зручні для розрахунків співвідношення (1.1) справедливі у передбаченні статистичної незалежності використовуваних ознак. У випадку статистично залежних ознак необхідно використовувати складніший вираз, складність якого полягає в необхідності знання багатомірних густин розподілу ймовірностей Р(Х1,Х2,...,Хi) та Р(ХІ,Х2,...,Хi/Уj]).

Методика оцінювання одномірних розподілів ймовірностей Р(Xi) і Р(Хi/Yj), які придатні лише для обчислень за формулами (1.1), тобто в передбаченні статистичної незалежності ознак. Однак у цьому випадку відзначається наявність статистичної залежності між ознаками - як наслідок, формули (1.1) не можуть бути використані.

У результаті аналізу статистичної залежності іридоознак можна зазначити, що:

між іридоознаками існує статистична залежність, яка має два основних механізми -"фізіологічний" і "математичний". У першому випадку залежність зумовлена або проявом одного і того самого захворювання у вигляді декількох ознак, або проявом ознак декількох залежних захворювань, в другому випадку це залежність між комплексною іридоознакою, утвореною сукупністю елементарних іридоознак, та елементарними іридоознаками, які входять до її складу;

на сьогодні найбільше вивчена залежність між різними іридоознаками та ознакою "колір райдужної оболонки", що, очевидно, пояснюється не стільки інформативністю ознаки "колір райдужної оболонки", скільки простотою та легкістю його оцінювання.

Можна назвати основні чинники фізичної природи статистичної залежності ознак:

каузальність (причинно-наслідкова залежність);

синхронізм

У першому випадку поява ознаки X зумовить іздеякою ймовірністю появу іншої ознаки Y. У другому випадку передбачають наявність третьої, прихованої від спостереження (латентної) або просто ігнорованої, події Z, каузально зв'язаної з ознаками X і Y, які в результаті такого зв'язку стають статистично залежними.

Для оцінки характеру та міри статистичної залежності ознак X і Y можна застосовувати поняття регресії і коефіцієнтів регресії. Регресією Y на X називається умовне математичне очікування (MO) випадкової величини (ВВ) Y для фіксованого значення Х=х:

E{Y(x)}=E{Y/X = x}.

Лінією регресії Y на X називається MO, що розглядається як функція змінної х. Аналогічно визначається регресія X на Y. Лінії регресії Y на X та Х на Y не збігаються. Регресія називається лінійною, якщо лінія регресії пряма. Для незалежних ВВ лінії регресії перетворюються в прямі, паралельні до координатних осей.

Якщо позначити колір райдужної оболонки символом X, а тип райдужної оболонки — символом Y, то можна розглядати значення умовної густини P(Y/X). Враховуючи суттєву нерівномірність цієї функції Y (для фіксованих значень X) можна наближено оцінити її середнє значення (математичне очікування) - йому відповідає максимум густини P(Y/X) як функції Y.

Характер статистичної залежності між ознаками може бути як лінійним, так і нелінійним. Для лінійної залежності використовується поняття "коефіцієнт кореляції"

rXY = Е{(Х - Е{ X})(Y - E{Y})} / axay,

де axay -середньоквадратичні відхилення ВВ X і У:

rXY =E{(X-E{X})(Y-E{Y})}/ axay.

У загальному випадку |rXY|<1 - Рівність rXY=0 має місце для некорельованих (і незалежних - у випадку нормально розподілених X та Y) ВВ, а |rXY|=1 — для лінійно залежних детермінованих ВВ.

Неповнота апріорних даних. Інша суттєва перешкода для використання формули Байєса полягає в необхідності знання апріорних імовірностей P(Yj) захворювань Yj. Якщо ця інформація відсутня, можна вважати всі гіпотези рівноймовірними, тобто P(Yj)=1/J, де У - кількість альтернативних захворювань.

Однак це може привести або до недостатньо високої вірогідності висновків (у випадку фіксованої кількості іридоознак, що спостерігаються), або буде вимагати збільшення обсягу спостережень (у випадку фіксованої досить високої вірогідності висновків).

Як приклад розглядається спроба використання у формулі Байєса статистичної інформації про деякі ознаки ниркової патології, зокрема такої інформації: "...Характерним для ниркової патології симптомом був лімфатичний розарій, який виявляли в обстежуваних хворих у 57% випадків... При захворюваннях легень, шлунково-кишкового тракту, серцево-судинної і нервової систем лімфатичний розарій виявляли рідше, ніж при захворюваннях нирок у 9-22% випадків... Вказана обставина дозволяє лікарю міркувати так: у випадку будь-якого виявлення лімфатичного розарію на райдужній оболонці можна передбачити, але в жодному разі не можна стверджувати, що у цього хворого є зміни стосовно нирок".

У розглянутому випадку не враховується частота зустрічі ниркової патології взагалі, безвідносно до будь-якої сукупності діагностичних ознак, отже апріорні ймовірності гіпотез Y1 ”є захворювання нирок" і Y2 ”немає захворювання нирок" можна прийняти однаковими: Р(Y1)-Р(Y2)=0,5.

Припустимо, що мають місце такі умовні ймовірності Р(Х/Yj):

Р(ХІ/Y1) = 0,57; Р(Х1/Y2) = 0,155,

Де X1означає "є лімфатичний розарій", а значення величини Р(Х1/Y2) = 0,155отримано як середнє арифметичне значення 0,09 і 0,22 (9-22%).

Згідно з (1.1),

(1.2)

Оскільки

(1.3)

З (1.2) випливає:

Аналогічно

Нерівність Р(Y1/X1) > Р(Y2/X1) відповідає виразу "можна передбачити наявність захворювання нирок", а той факт, що Р(Y1/X2)<1, відповідає фразі "ні в якому разі не можна стверджувати". Слова "ні в якому разі" — свідчення надзвичайної обережності автора: адже в 8 випадках з 10 твердження виявиться справедливим.

Далі можна врахувати апріорну інформацію у вигляді розподілу Р(Yj) та оцінити її вплив на вагомість висновків тепер. Вказано, що за результатами профілактичного огляду школярів у віці 12-17 років відомо, що патологіянирок має місце в 68% обстежених.

Якщо у виразі (1.2) прийняти, що Р(Yj)=0,68 та Р(Y2)=0,32, то отримаємо.

Отже, завдяки врахуванню апріорної інформації ймовірність висновку на користь гіпотези Y1=” є захворювання нирок" зросла на 0,1, а відносна надійність висновку, що характеризується відношенням Р(Y1/X1)/Р(Y2/X1) збільшилась з 4 до 9 разів, тобто більш ніж у 2 рази.

Виграш від використання апріорної інформації тим суттєвіший, чим більший її обсяг, тобто чим більш нерівномірний розподіл Р(Yj). Наприклад, за результатами другого профілактичного огляду, де середній вік обстежуваних складав 46,5 років, за допомогою аналогічних обчислень для Р(У1)=0,82 і Р(Y2)=0,18 отримуємо

Відношення Р(Y1/X1)/Р(Y2/X1) тепер приблизно рівне 16, тобто збільшилось порівняно з початковим у 4 рази.

На основі аналізу використання апріорної інформації у вигляді повторюваності різних захворювань можна зробити такі висновки:

врахування апріорної ймовірності суттєво впливає на вірогідність висновків;

апріорна інформація не стосується конкретного виду діагностування — це інформація загальномедичного характеру, яка зберігається в певних документах і відображає залежність Р(Yj) від багатьох факторів і умов (соціальних, територіальних, кліматичних, екологічних, санітарно- епідеміологічних тощо);

в процесі діагностики лікар практично завжди використовує апріорну інформацію на інтуїтивному рівні.

"Дефекти" даних. Під "дефектами" в цьому контексті розуміється неоднорідність і неповнота даних.

Прикладом неоднорідності даних є опис періодичності іридоознак як у кількісній (числовій), так і в якісній (вербальній) формі. Основні причини цього явища такі:

недостатнє дослідження ознак;

звичка практикуючих лікарів до вербального опису.

Неповнота даних може бути зумовлена або недостатньою мірою дослідження іридоознак, або недбалістю авторів публікацій.

Факториу що заважають. Стосовно методу іридодіагностики, фактори, що заважають (завади) можна умовно розділити на зовнішні та внутрішні.

До зовнішніх факторів відносяться неоднорідність складу пацієнтів (стать, вік, освіта, місце проживання, соціальний стан тощо), неоднорідність складу і стану лікарів (рівень кваліфікації, психофізіологічний стан лікаря в момент обстеження), неоднорідність умов обстеження (кліматичних, екологічних, санітарно-епідеміологічних тощо).

До внутрішніх факторів відносяться проблеми іридології як науки. Першою з цих проблем варто назвати неможливість диференціювання одними лише засобами візуального аналізу моменту появи захворювання — в більшості випадків тільки з урахуванням клінічних даних і, отже, тільки шляхом діалогу з пацієнтом іридолог може встановити, ознаки якого захворювання спостерігаються: минулого, теперішнього чи майбутнього.

Другою проблемою можна назвати ту обставину, що на сьогодні не створена універсальна іридологічна схема проекційних зон, яка задовольнила б усіх іридологів і, ймовірно, така схема ніколи не буде створена внаслідок принципових труднощів:

формування нервових шляхів у кожної людини індивідуальне, у зв'язку з чим кожний орган має не точну, а ймовірнісну проекцію;

можливість виникнення ознак, пов'язаних не з патологією органів, а з патологією провідних нервових шляхів, що досить складно надійно визначити;

можливість виникнення іридоознак, що пов'язані не з патологією органів, а класифікуються за типом відбитої рефлекторної іррадіації.

Використання продукції з елементами Байєсівської стратегії в іридодіагностиці Раніше було вказано, що використання Байєсівської стратегії прийняття рішень у її класичній формі має певні труднощі внаслідок кількох основних причин: статистична залежність ознак; неповнота апріорних даних; неповнота і неоднорідність іридологічної інформації; наявність факторів, що заважають.

Для вирішення проблеми статистичної залежності ознак пропонується два шляхи:

не враховувати її та проводити обчислення, виходячи з умови, що ознаки незалежні;

враховувати залежність ознак і проводити обчислення з відхиленнями від класичної формули Байєса, зберігаючи, однак, елементи байєсівської стратегії.

Прикладом реалізації другого варіанту є механізм виведення, що використовується в іридодіагностичній експертній системі ЕСІД, реалізація якої буде розглянута далі: за наявності i-ої ознаки у відповідності з формулою 1.1 здійснюють обчислення ймовірності j-ої гіпотези про наявність захворювання (в умовах рівномірності апріорного розподілу гіпотез для i-ої ознаки):

(1.4)

Ситуація Ji=I (i-ій ознаці відповідає тільки одна гіпотеза) вимушена, оскільки вона відображає ситуацію "пропусків" даних, коли оцінка умовних ймовірностей Р(Хi/Yj) відома лише для єдиної гіпотези.

За наявності декількох ознак використовується середня оцінка апостеріорних ймовірностей, отриманих у відповідності з виразом (1.4)

(1.5)

З урахуванням відхилень від Байєсівської стратегії, співвідношення (1.5) доцільно трактувати не як імовірнісну оцінку вірогідності гіпотези, а як результат "зваженого голосування" ознак. Співвідношення (1.4) дозволяє визначити часткові рейтинги гіпотез про наявність захворювань, а співвідношення (1.5) формує загальний, середній, рейтинг.

Ідея такого відхилення зустрічається в багатьох табличних діагностичних алгоритмах.

Читайте також:

1. Active-HDL як сучасна система автоматизованого проектування ВІС.
2. D – моделювання в графічній системі КОМПАС
3. D. СОЦИОИДЕОЛОГИЧЕСКАЯ СИСТЕМА ВЕЩЕЙ И ПОТРЕБЛЕНИЯ
4. Demo 7: Модель OSI (модель взаімодії відкритих систем)
5. I. Застосування похідної та інтеграла до роз’язування задач елементарної математики.
6. I. Органи і системи, що забезпечують функцію виділення
7. I. Особливості аферентних і еферентних шляхів вегетативного і соматичного відділів нервової системи
8. II. Анатомічний склад лімфатичної системи
9. II. Бреттон-Вудська система (створена в 1944 р.)
10. II. Найважливіші проблеми, що визначають розвиток місцевого самоврядування і є спільними для будь-яких урядових систем.
11. III етап. Системний підхід
12. III. центральная нервная система

Переглядів: 955