Экспертные медицинские системы
Врач во время работы (приема пациента, проведения операции, выписки рецепта и т.д.) должен сделать определенное заключение, ведущее к конкретным действиям, на основании фактов, полученных из наблюдений, ответов на вопросы, лабораторных анализов, измерения давления, пульса, температуры и других показателей.
При этом он руководствуется знаниями, полученными при обучении, чтении специальной литературы, собственным опытом, интуицией, советами коллег. Для облегчения принятия решения создаются и широко распространяются компьютерные экспертные медицинские системы, выполняющие роль интеллектуального справочника, предлагающего варианты вопросов к пациенту, основываясь на полученной до этого информации. Вводимая информация может быть не только текстовая, но и графическая, в виде кардиограмм, рентгенограмм и т.д. Система анализирует все параметры, учитывая историю болезни пациента, хранящуюся в базе данных, и предлагает врачу свой вариант диагноза и возможных действий. При этом она основывается на базе знаний квалифицированных специалистов, которая создавалась при разработке программы. Поэтому такую систему правильнее назвать «справочник-консультант». Конечно, окончательное решение принимает врач.Поскольку эта сфера применения очень ответственна, существующие экспертные системы используют достаточно сложные алгоритмы, снижающие вероятность неверных действий, поэтому здесь трудно рассчитывать на универсальность и многопрофиль- ность. Профессиональные медицинские пакеты очень специализированы. Например, программы экстренной диагностики и неотложной терапии, диагностики болей в области сердца, предупреждения осложнений беременности, анастезиологии и т.п.
В то же время компьютерные системы, и основанные на теории методов распознавания образов, и интеллектуальные (чаще говорят экспертные) медицинские системы должны опираться в своем создании на следующих критериях:
> достоверность и внутренняя непротиворечивость полученных о пациенте данных;
> устойчивость к большому числу дифференцируемых нозологических форм, в том числе гетерогенных по своей природе и/или клиническим проявлениям;
> интерпретация данных на основе медицинских знаний, характеризующихся отсутствием специфических проявлений идентифицируемых заболеваний;
> учет ассоциирующих симптомов в неявном виде, учитываемых врачом;
> принятие решения в условиях недостатка информации о проявлениях болезни у конкретного больного;
> объяснение и обоснование полученного системой решения;
> переоценка решений, высказанных в предыдущей консультации, в случае повторного обследования больного.
Медицинская направленность компьютерных диагностических систем определяется поставленными задачами и следующими уровнями применения:
1) предварительная диагностика на долабораторном этапе обследования с построением дифференциального ряда;
2) диагностика с выбором оптимального метода исследования для последующей окончательной нозологической идентификации патологии;
3) нозологическая диагностика с постановкой (обоснованием) конкретного диагноза на основе имеющейся информации (клинической и параклинической);
4) ориентировочная диагностика с оценкой тяжести состояния как основа для принятия решения (управления уровнем помощи) при угрожающих состояниях.
В отношении выбора методологии для построения автоматизированной системы наибольший интерес в настоящее время представляет класс экспертных систем (ЭС), опирающихся на теорию искусственного интеллекта. Это объясняется тем, что такие системы включают базу специальных знаний в конкретной проблемной области и предоставляют возможность ознакомления с протоколом результатов распознавания медицинской ситуации и логического объяснения предлагаемого системой решения.
Рассмотрим отдельные системы, наиболее интересные в медицинском плане (все они функционируют в тех или иных учреждениях России и СНГ). В дальнейшем изложении будем ориентироваться в основном на отечественные разработки в этой области, учитывая существенно важный аспект учета особенностей российских медицинских научных школ и реализации систем на естественном для нас русском языке.
В качестве примера начнем рассмотрение с созданной в Московском НИИ педиатрии и детской хирургии автоматизированной системы для синдромной диагностики неотложных состояний у детей «ДИН». Эта ЭС содержит информацию о 42 синдромах, которые представляют собой список диагностических предположений-гипотез. Поскольку выбор лечения во многом определяется прогнозом возможных осложнений, в системе описаны взаимосвязи синдромов, определяемые причинно-следственными, временными и ассоциативными отношениями.
Причинно-следственные связи предполагают информацию о синдромах, которые могут быть причиной данного синдрома или, наоборот, являться его следствием. В последнем случае речь идет о прогнозировании возможных осложнений, обусловленных наблюдающимся у ребенка в данный момент синдромом. Временные связи позволяют восстанавливать информацию о предшествующих синдромах, которые могли послужить причиной того состояния, которое имеется в данный момент, что особенно важно для тех случаев, когда ребенок поступает в отделение реанимации без анамнеза. Ассоциативные связи позволяют учитывать:— на фоне каких состояний мог развиться данный синдром;
— фоном для каких синдромов он может служить;
— с какими синдромами он может сочетаться, т.е. какие синдромы могут встречаться у ребенка одновременно.
Врач получает информацию о ведущем синдроме или синдромах (с указанием степени или стадии заболевания), имеющихся на данный момент у ребенка, а если желает, то и весь список гипотетических состояний, рассмотренных системой в процессе постановки диагноза.
Системы, ориентированные на вопросы неотложной диагностики и интенсивной терапии, создают новые возможности для повышения эффективности лечения при критических состояниях, находятся в прямой связи со снижением инвалидизации и смертности детей.
Несомненный интерес для диагностики, классификации и коррекции терапии острых расстройств кровообращения у детей представляет программный комплекс «Айболит», созданный в Центре сердечно-сосудистой хирургии имени А.Н.Бакулева и активно применяемый при оперативных вмешательствах и выборе послеоперационного лечения в условиях реанимационного отделения. В нем используются математические модели, методы имитации. Начальные оценки свойств делаются на основании обработки данных больных, получаемых в процессе мониторного контроля нарушений кровообращения. Система работает в режиме диалога «врач — ЭВМ», в реальном режиме времени, обрабатывая данные, получаемые с медицинской аппаратуры, контролирующей состояние жизненно важных систем организма.
Информационная и экспертно-диагностическая система «ДИНАР» для реанимационно-консультативного центра
(РКЦ), разработанная Санкт-Петербургской педиатрической медицинской академией и Свердловской ОДКБ при участии сотрудников Института биофизики УроРАН, позволяет обеспечить дистанционное наблюдение за больными с угрожаемыми состояниями, определение ведущего патологического синдрома и степени тяжести, помощь при выборе лечения, принятие тактического решения с учетом распределения централизованных ресурсов медицинского обеспечения.
Экспертная система «ДИНАР» используется как автоматизированное рабочее место врача-диспетчера РКЦ. Диагностический блок обеспечивает автоматизированный опрос (анамнез жизни и заболевания, динамика клинических проявлений) и определяет оптимальное тактическое решение. Справочный блок предоставляет врачу РКЦ необходимую для принятия тактического решения информацию (о лечебных учреждениях, по фармакологии и диагностике угрожающих состояний, схемы лечения основных неотложных состояний). В банке данных накапливаются сведения о консультированных системой больных. Опрос врача-абонента осуществляется на первом этапе по жестко заданному дереву вопросов, на втором — по алгоритму автоматического выбора списков вопросов, а на последующих этапах реализован более свободный принцип задания вопросов.
Посиндромный подход к диагностике угрожающих жизни состояний новорожденного, при котором по выраженности отдельных синдромов оценивается состояние основных систем организма, реализован в Российском государственном медицинском университете.
8.6.