ИСПОЛЬЗОВАНИЕ ИНТЕЛЛЕКТУАЛЬНОЙ МЕТОДОЛОГИИ
ИЗУЧЕНИЯ ⌠БОЛЬШИХ СИСТЕМ■ ДЛЯ РАЗРАБОТКИ
ВЫСОКИХ МЕДИЦИНСКИХ ТЕХНОЛОГИЙ

М. Д. Кац

Часть 1

1. Анализ состояния проблемы
Диагностика была, есть и в будущем останется наиболее важной задачей медицины, а достигаемая в определенные исторические периоды точность диагностики в основном определяет соответствующий уровень медицинской науки. Как и любая наука, медицина в своем развитии проходит этапы накопления фактов и установления простейших зависимостей.

Таковыми являются вероятностные зависимости "симптом-болезнь". И хотя число проявлений человеческого организма (признаков, которые могли бы быть использованы для диагностики) практически бесконечно, научные работы по выявлению все новых и новых из них ведутся непрерывно.

Поскольку многие простые симптомы уже известны, а для более сложных, использующих инструментальные и лабораторные методы, разработаны методики их измерения, дальнейший поиск новых симптомов идет в направлении попыток использования для диагностики все более сложных и, соответственно, более дорогих и менее доступных для массового использования тестов.

Ранее и теперь прогресс в дифференциальной диагностике связывается с внедрением в медицинскую практику высокоинформативных методов исследования. Между тем вся история медицины свидетельствует, что появление новых приборов лишь частично решает достаточно узкую проблему, но создает много новых проблем. Например, с появлением такого высокоинформативного прибора как электрокардиограф, кардиологи получили возможность дополнительно анализировать громадный объем новой информации о больном.

Но его использование так и не решило проблемы над╦жной дифференциальной диагностики большинства кардиологических заболеваний. И дело совсем не в том, что информации, получаемой с помощью ЭКГ недостаточно для точного диагноза. Информации как раз более чем достаточно.

Дело в том, что:

• в общем случае невозможно найти отдельные симптомы, с помощью которых можно было бы осуществлять корректную дифференциальную диагностику внутри групп близких по проявлению заболеваний;
• психофизиологические способности человека в восприятии абстрактной информации существенно ограничены. Он не способен к е╦ анализу и получению соответствующих выводов - выделению системных зависимостей (симптом-комплексов), характерных для каждой из дифференцируемых болезней, т.е. из-за деревьев не видит леса.

Принципиальные трудности при дифференциальной диагностике возникают не из-за дефицита необходимой информации, а из-за отсутствия соответствующих объективных методов ее структуризации - выделения симптом-комплексов (дифференциальных синдромов), которые встречаются у больных с одной из дифференцируемых болезней и ни разу не встречаются у больных с другими заболеваниями.
Традиционное использование симптомов для вероятностной диагностики (метод Байеса), пригодно для статистики, определяющей на множестве больных точность диагноза, но никак не для определения конкретной болезни у конкретного индивидуума.

С прагматических позиций дальнейшие работы по поиску новых информативных признаков неэффективны, т.к. приводят к нерациональному использованию труда специалистов и тех минимальных средств, которые выделяются на исследования.

Решение проблемы замены вероятностной диагностики детерминированной может быть получено только в том случае, если будет решена основная задача искусственного интеллекта - формальное получение новых системных знаний (специфичных симптом-комплексов) из экспериментальных данных.

При этом отпад╦т необходимость в поиске новых симптомов. При обследовании больного (данные анамнеза, физикальных исследований, лабораторных и инструментальных методов, клиники и т.д.) собирается огромный объем исходной информации (в настоящее время в арсенале медицины находится более 300 показателей, измеряемых преимущественно в численных шкалах). Если каждый их этих показателей измерять только в простейших шкалах наименований ("да-нет" или "больше-меньше"), то количество исходной информации составит 2300 бит, что значительно больше, чем число элементарных частиц во всей видимой части Вселенной.

В связи с огромной сложностью человеческого организма, характеризующегося практически бесконечным количеством проявлений болезни, большого влияния индивидуальности больного на симптоматику и клинику болезни, а также ограниченностью знаний специалистов, медицинская диагностика в настоящее время является не наукой, а скорее искусством немногих высококвалифицированных профессионалов. "Диагностика, по-видимому, основывается на любопытной смеси догадок, предчувствий, прямых наблюдений, практического опыта... Назовите что-то еще, они этим тоже пользуются" [1].

Однако в сложных случаях даже высокая квалификация не является гарантией от ошибочных заключений. Имеется определенная аналогия между медицинской диагностикой и диагностикой технических средств. Несмотря на значительно меньшую сложность задач технической диагностики их решение без использования математических моделей по принятой в настоящее время в науке парадигме считаются не только некорректным, но даже и неприличным. В медицинской же диагностике математические модели практически не используются. С появлением ЭВМ и развитием прикладной математики начался бум работ, связанных с попытками формализовать процесс диагностики с помощью математических моделей. В основном результаты этих работ не оправдали ожиданий, а редкие удачи были связаны либо с относительной простотой задачи - дифференцировались болезни, достаточно удаленные друг от друга в пространстве симптомов, либо с неадекватным ее упрощением. В результате чего появлялись модели, в лучшем случае "распознающие болезни не хуже среднего врача". Это и неудивительно, т.к. из-за дефицита априорной информации о структуре математической модели, отсутствия формальных методов структурной идентификации и корректных методов оценки коэффициентов модели по экспериментальным данным, моделирование сложных систем с помощью современных математических методов пока еще является искусством [2].

Теоретический анализ результатов работ по математическому моделированию "больших" систем (к которым относятся и медицинские диагностические системы), проведенный в теории сложности, показал, что при количестве переменных (симптомов) более 8-и для численных и более 15-и для дискретных методов, возникают практически непреодолимые методические и вычислительные трудности.

Несоответствие между возможностями известных методов математического моделирования и сложностью реальных диагностических задач медицины, привели к необходимости поиска обходных путей. Одним из таких путей, интенсивно развиваемых в настоящее время, является создание экспертных систем. Экспертная система - это вычислительная система, в которую включены формализованные знания специалистов в некоторой конкретной предметной области, и которая в пределах этой области способна принимать экспертные решения (решать задачи так, как это делал бы человек-эксперт) [1].

Эффективность работы экспертной системы в первую очередь зависит от количества и качества информации, включенной в ее базу знаний. Это и является слабым местом экспертных систем, т.к. во-первых, база знаний формируется на основании субъективных представлений экспертов, знания которых ограничены, а во-вторых, специалисты не способны формализовать свои знания в виде четких правил. Более того, многие из них вообще не дают себе отчета, каким именно правилам они следуют. Необходимо также отметить, что психофизиологические возможности человека не позволяют даже самому талантливому специалисту в соответствующей предметной области выделить зависимости какого-либо события более чем от двух независимых параметров (например, дифференциальные синдромы какой-либо болезни, содержащие более двух симптомов). Очевидно, что после того, как будут затрачены большие средства, построено множество самых разнообразных медицинских экспертных систем и проведен объективный анализ их эффективности, окажется то, что было известно априори, по определению: при решении относительно простых задач дифференциальной диагностики (тех, которые достаточно успешно решаются специалистами с помощью неформализованных подходов) точность диагноза, достигаемая с помощью экспертных систем и эксперта, будет близка и достаточна; при решении же наиболее важных и сложных задач дифференциальной диагностики - разделении близких по проявлениям заболеваний, прогнозе осложнений болезни и др., точность диагноза, достигаемая с помощью экспертных систем и эксперта, будет близка, но существенно недостаточна. В настоящее время все известные методические подходы к решению задачи дифференциальной диагностики достигли предела своих возможностей, и дальнейший прогресс в этой области требует принципиально новых решений. Второй после диагностики важнейшей задачей медицины является задача выбора оптимальной стратегии лечения с учетом индивидуальности больного. Даже при точно установленном диагнозе выбор оптимальной стратегии лечения является довольно сложной задачей, решение которой на интуитивном уровне даже высококвалифицированного специалиста не всегда корректно. Процесс принятия решения о назначении лечения должен опираться на математическую модель соответствующей болезни и формализованные методы, позволяющие с учетом параметров, характеризующих индивидуальность и клиническую картину данного больного, синтезировать соответствующую оптимальную стратегию лечения. К сожалению, кроме известного лозунга "лечить не болезнь, а больного", сколько-нибудь серьезные методические работы, связанные с оптимизацией выбора лечебных воздействий для конкретного больного на основании математической модели диагностируемой у него болезни, не известны.

Существенный прогресс в области медицинских технологий диагностики и оптимизации лечения, превращение их из интуитивного искусства немногих талантливых профессионалов (которые, кстати, в сложных случаях также могут ошибаться) в строгую науку с высоким уровнем формализации, может быть достигнут только в случае, если будет решена основная задача искусственного интеллекта - получение новых системных знаний из экспериментальных данных с помощью полностью формализованных процедур. Разработка высоких медицинских технологий возможна только в том случае, если на основании формально полученных системных знаний будут решены следующие методические и вычислительные проблемы: формального построения детерминированных математических моделей дифференциальной диагностики внутри групп близких по проявлениям заболеваний. (Точнее поиска симптом комплексов, характерных для каждой конкретной дифференцируемой болезни и не встречающиеся у больных с другими болезнями, входящими в изучаемое подмножество близких по проявлениям заболеваний); формального построения детерминированных математических моделей конкретных болезней, описывающих зависимость результатов лечения от показателей, характеризующих индивидуальность больного, болезнь и используемые лечебные воздействия; формального выбора оптимальной стратегии лечения при заданных значениях показателей, характеризующих индивидуальные особенности и проявления болезни у конкретного больного.

Все эти проблемы могут быть решены с помощью разработанной в Украине интеллектуальной методологии изучения ⌠больших систем■ (ИМИБС).

Ukrainian "Naturalist" magazine