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

М. Д. Кац

Часть 2

2. Возможности ИМИБС для разработки формальных (компьютерных)
методов дифференциальной диагностики трудно различимых заболеваний
Для построения системных математических моделей любого объекта (процесса, системы, явления) в рамках интеллектуальной технологии разработан новый дискретный метод математического моделирования, названный методом мозаичного портрета (ММП) [3].

Во всех известных методах дискретной математики трудо╦мкость построения математических моделей (затраты времени на решение задачи) экспоненциально зависит от е╦ размерности, т.е. реальные задачи дифференциальной диагностики с количеством симптомов более 15 практически неразрешимы. С помощью ММП решена самая массовая и практически важная задача прикладной математики - построение математической модели "ч╦рного ящика" с практически любым количеством входных параметров (100 и более) за приемлемое время (с полиномиальной зависимостью затрат времени на решение задачи от е╦ размерности). При использовании ММП для построения математической модели дифференциальной диагностики исходной информацией служит таблица экспериментальных данных, в которой зафиксированы результаты наблюдения за больными с болезнями, относящимися к группе из N заболеваний, внутри которой необходимо осуществить дифференциацию. ММП позволяет на основании этой таблицы, каждая строка которой содержит информацию о значениях входных параметров (данные анамнеза, осмотра, клиники, инструментальных и лабораторных исследований и т.п.) и верифицированном диагнозе у одного больного, с помощью формализованных процедур построить системную математическую модель, которая для каждой из N дифференцируемых болезней содержит соответствующее только ей подмножество симптомкомплексов (дифференциальных синдромов). Построение мозаичной модели (ММ) осуществляются с помощью следующих формализованных процедур: перехода от измерения параметров больного в численных шкалах к дискретным, за счет формального разделения диапазона вариаций значений каждого из параметров на поддиапазоны и присвоения каждому поддиапазону соответствующего кода; поиска таких сочетаний кодов, которые встречаются у больных с одной болезнью, и не встречаются ни у одного больного с другими заболеваниями.

Эти сочетания интерпретируются как дифференциальные синдромы, присущие соответствующим болезням. Мозаичная модель состоит из N дизъюнкций, каждая из которых содержит дифференциальные синдромы одной из N дифференцируемых болезней. Подавляющее большинство этих синдромов состоят из 3-╦х и более симптомов и практически все они являются принципиально новыми, не известными медицинской науке. Формальная диагностика с помощью мозаичной модели осуществляется следующим образом: информация о значениях параметров нового больного кодируется кодом, принятым при построении ММ; в кодированной строке ищутся сочетания кодов, соответствующих дифференциальным синдромам каждой из болезней; если у больного встречаются синдромы только одной болезни - ставится соответствующий диагноз; в случае, если диагностика проводится между болезнями, переходящими друг в друга (например, "язвенная болезнь желудка - раковая болезнь желудка", "гепатит - цирроз печени - рак печени и т.п.) более л╦гкий диагноз ставится только при полном отсутствии у больного синдромов более тяж╦лой болезни. Наличие хотя бы одного синдрома более тяж╦лого заболевания (при множестве синдромов более л╦гкого заболевания) позволяет зафиксировать начало переходного процесса в более тяж╦лую форму и может быть использовано для ранней диагностики опасных для жизни заболеваний (раковой болезни, хронической почечной недостаточности и др.). При соответствующей организации исходных данных ММП может быть использован для разработки методов диагностики опасных для жизни заболеваний в латентном периоде. Полученная с помощью ММП мозаичная (синдромная) модель может быть использована для реализации формальной (компьютерной) процедуры дифференциальной диагностики внутри группы близких по проявлениям болезней.

При разработке модели дифференциальной диагностики могут быть также использованы параметры, традиционно не применяемые при решении данной задачи. В алгоритме построения мозаичной модели заложена формализованная процедура оценки информативности каждого из параметров по отношению к каждой из дифференцируемых болезней, с помощью которой можно отсеять несущественные для решения конкретной задачи параметры. Например, при построении модели дифференциальной диагностики "язвенная болезнь желудка - раковая болезнь желудка" помимо традиционных в таблицу экспериментального материала было включено 12 признаков, которые никогда ранее для диагностики этих болезней не использовались. При построении модели оказалось, что 11 из них малоинформативные, а 12-ый - электрическая позиция сердца - является существенным симптомом, и вошел во многие дифференциальные синдромы, например: язвы (если боли уменьшаются после вызывания рвоты, длительность заболевания более года, электрическая позиция сердца полувертикальная, содержание палочкоядерных нейрофилов около 6% и содержание лимфоцитов > 24%, то у больного язвенная болезнь желудка); и рака (если аппетит не сохранен, электрическая позиция сердца неопределенная и содержание альбуминов около 51,2% от общего количества белка, то у больного раковая болезнь желудка). Модели дифференциальной диагностики, построенные с помощью интеллектуальной технологии исследования, обладают большой избыточностью - для каждой из дифференцируемых болезней выделяется большое количество синдромов, содержащих различные сочетания симптомов. Поэтому эти модели могут быть построены при наличии практически любых ограничений на используемые для диагностики признаки. Например: исключить инвазивные параметры (гастроскопия с прицельной биопсией, пункции из печени, спинного мозга и т.п.); исключить дорогостоящие тесты и методы исследования; использовать преимущественно признаки из каких-либо определ╦нных групп (например, анамнеза и электрокардиографии при дифференциальной диагностике кардиологических заболеваний) и др.

Большим достоинством ММП является возможность постоянно повышать точность диагностики за счет использования обратной связи - "дообучения" модели на надежно верифицированных ошибках формальной диагностики. Информацией о больных, при диагностике которых была допущена ошибка, дополняются исходные данные (естественно с правильным диагнозом) и производится 2-ой цикл построения модели. Последовательная корректировка модели приводит к существенному повышению е╦ точности (в пределе до 100%). Поскольку экспертные диагностические системы и ИМИБС используют один и тот же язык алгебры логики, на котором любая гипотеза формулируется в виде высказывания: "если..., то...", а экспертные системы аккумулируют (или должны это делать) все известные знания в данной предметной области, то при наличии экспертной и интеллектуальной систем, построенных для решения одной и той же задачи: их пересечение (общие гипотезы) представляет собой известную априори тривиальную информацию; логическая разность между высказываниями экспертной и интеллектуальной систем - дезинформацию (ложную информацию); логическая разность между высказываниями интеллектуальной и экспертной систем - новые, неизвестные специалистам системные знания. Т.е. разработанный с помощью ИМИБС метод дифференциальной диагностики может быть запатентован, а созданный на его основе программный продукт может занять место соответствующей экспертной системы на рынке медицинских систем.

С помощью ИМИБС разработаны:
1 Совместно с военно-медицинской академией (г.Санкт-Петербург) - метод прогноза осложнений (недостаточность кровообращения, фибрилляция желудочков, разрыв миокарда, кардиогенный шок, без осложнений) инфаркта миокарда в остром периоде по информации о состоянии больного, собираемой в первый день его пребывания в стационаре [4]. Точность прогноза 85-90%. В случае прогноза нескольких возможных осложнений превентивная терапия корректировалась пут╦м исключения лечебных воздействий, которые неблагоприятны для любого из прогнозируемых осложнений. За счет целенаправленной превентивной терапии прогнозируемых осложнений летальность от крупноочагового инфаркта миокарда сократилась на 36%, а от мелкоочагового - на 45%. На основании мозаичной модели разработан программный пакет "Прогноз осложнений инфаркта миокарда в остром периоде", в котором реализуются следующие функции: ввод исходной информации о состоянии больного (данные анамнеза, осмотра, электрокардиографии - всего 39 параметров), с помощью клавиатуры (ответы на появляющиеся на экране вопросы); прогноз возможного осложнения инфаркта миокарда; в случае прогноза нескольких осложнений оценивается вероятность реализации каждого из них; выдача рекомендаций по превентивной терапии прогнозируемого осложнения (осложнений) и соответствующей симптоматической терапии с учетом совместимости лекарственных препаратов и лечебных процедур. вывод информации по запросу о дифференциальных синдромах, на основании которых поставлен прогноз; ввод в базу данных информации о больном, прогнозируемых осложнениях, синдромах, на основании которых был выдан прогноз и рекомендуемом лечении.
2 Совместно с Военно-медицинской академией (г.Санкт-Петербург) - простой, экспрессный и неинвазивный (без использования гастроскопии с прицельной биопсией) метод дифференциальной диагностики "Язвенная болезнь желудка - раковая болезнь желудка". Экспериментальная проверка эффективности использования для диагностики синдромной математической модели, проведенная на группе из 120 новых больных, показала, что для 112 из них (93,3%) формальный диагноз совпал с окончательным. Для 8 больных по медицинским данным диагноз "рак желудка" был признан ошибочным. Такой диагноз был поставлен, несмотря на то, что состояние каждого из этих больных характеризовалось всего одним-двумя синдромами рака и множеством синдромов язвы. Эти больные были взяты под наблюдение. Через некоторое время (от тр╦х месяцев до года) у всех 8 больных раковая болезнь была обнаружена. Таким образом, экспериментально было установлено, что с помощью формальной модели решается также задача ранней диагностики раковой болезни.
3 Совместно с Харьковским областным ожоговым центром - метод прогноза последствий ожоговой болезни. Клиническая проверка эффективности использования предложенного метода прогноза последствий ожоговой болезни, проведенная на 55 больных (31 - без последствий, 11- инвалидность, 13 - летальный исход), показала, что для 46 больных (в 83% случаев) заблаговременный прогноз совпал с окончательным диагнозом. Немаловажным является тот факт, что из 9-ти случаев ошибочного прогноза только в 2-х было предсказано более легкое последствие.
4 Совместно с Военно-медицинской академией (г.Санкт-Петербург) - метод дифференциальной диагностики "гипертоническая болезнь 2 стадии - хронический гломерунефрит с артериальной гипертензией" по результатам биомикроскопического исследования конъюнктивы глазного яблока. Проверка эффективности формальной диагностики проводилась для 33 новых больных, которым предварительно по данным анамнеза, клинических, лабораторных и инструментальных исследований квалифицированным консилиумом был поставлен диагноз. Оказалось, что для 26 больных (в 79% случаев) формальный диагноз совпал с выводами квалифицированного консилиума.
5 Совместно с Харьковским областным ожоговым центром - метод дифференциальной диагностики различных патогенезов пневмонии у обожженных ("шоковое легкое", аспирационная, ателектатическая, токсико-септическая, гипостатическая и бронхогенная пневмонии). Внедрение этого метода позволило: осуществить раннюю (в 1-ые сутки развития болезни) диагностику (в 91% случаев ранний диагноз совпал с окончательным); существенно дифференцировать терапию и повысить эффективность лечения.
Летальность сокращена на 14.6%; к жизни и труду возвращено 7% неперспективных для выздоровления больных с крайне тяж╦лой ожоговой травмой, перенесших по несколько форм пневмонии; на 11.4% сокращена средняя продолжительность пребывания в стационаре [5].

3. Возможности ИМИБС для разработки формальных (компьютерных) методов выбора оптимальной стратегии лечения конкретных болезней с уч╦том индивидуальных особенностей больного
В классе задач дискретного программирования разработан метод ситуационного программирования [3,6], с помощью которого при наличии мозаичной модели болезни и ситуации, задаваемой соответствующими поддиапазонами значений параметров, характеризующих индивидуальность больного (цвет глаз, группа крови, резус-фактор и т.д.) и течение болезни (жалобы больного, данные осмотров, лабораторных и инструментальных методов исследования, клиника, и т.д.) можно определить параметры необходимых лечебных воздействий, обеспечивающих максимальную эффективность лечебного процесса. Разработанный с помощью ИМИБС метод выбора оптимальной стратегии лечения конкретной болезни, учитывающий индивидуальные особенности конкретного больного, так же может быть запатентован, а созданный на его основе программный продукт может занять место соответствующей экспертной системы на рынке медицинских систем.

4. Общечеловеческие проблемы использования продуктов высоких медицинских технологий
"ДиТ" (в публикации "Философский камень 21 века", 10/2001, с.26) писала о том, что в случае нахождения полиномиального алгоритма быстрого решения NP-полной задачи новый импульс получат исследования в области искусственного интеллекта, теоретической генетики, химического синтеза и фармацевтики. И вот такой алгоритм для решения универсальной задачи - построения дискретной математической модели "ч╦рного ящика" разработан. Оказалось, что он является ничем иным, как алгоритмом решения самой главной проблемы искусственного интеллекта - проблемы формального получения новых знаний из экспериментальных данных. Одно из первых применений алгоритма - конкретные работы в области медицины: разработка методов и программных продуктов для дифференциальной диагностики трудно различимых заболеваний и прогноза осложнений болезни. Результаты этих работ подтвердили высокую эффективность используемого подхода и показали, что широкомасштабное использование ИМИБС для разработки прикладных продуктов высоких медицинских технологий - программных пакетов, реализующих компьютерные методы дифференциальной диагностики трудно различимых заболеваний, прогноза осложнений и исходов болезни, оптимизации лечения и т.п. будет способствовать повышению качества жизни и увеличению средней е╦ продолжительности для народа Украины, а в случае коммерческой реализации этих пакетов за рубежом - повышению качества жизни и увеличению средней е╦ продолжительности для всех народов Земли.

5. Экономические аспекты широкомасштабного
применения продуктов высоких медицинских технологий
В настоящее время сложилась очень благоприятная ситуация для коммерческой реализации прикладных продуктов высоких медицинских технологий. Объ╦м внешнего рынка огромен - практически каждому медицинскому учреждению в любой стране мира необходимы: пакеты для дифференциальной диагностики внутри тех групп трудно различимых заболеваний, на лечении которых оно специализируется; пакеты для прогноза осложнений болезней, на лечении которых оно специализируется; пакеты для оптимизации лечения для каждой из болезней, входящих в эти группы. Кроме того, этот сегмент рынка характеризуется полным отсутствием конкурентоспособных аналогов. В публикации "ДиТ" Философский камень 21 века (10, 2001 г, с.26) минимальная оценка ежегодных продаж программной продукции, использующей полиномиальный алгоритма решения NP-полной задачи, была оценена суммой не менее чем на 8 млрд. $ в год. Широкомасштабная разработка продуктов высоких медицинских технологий на базе интеллектуальной технологии сложных систем и последующая коммерческая их реализация позволит заполнить пустующую нишу рынка высоких технологий и обеспечить такой энергодефицитной стране, как Украина, положительное сальдо внешнеторгового баланса - основу экономической и политической независимости страны.

Выводы
С помощью интеллектуальной технологии изучения сложных систем (ИМИБС) решена основная проблема искусственного интеллекта - получение новых системных знаний из данных с помощью формальных процедур.

В рамках (ИМИБС) разработаны корректные методы решения 2-ух универсальных и самых важных для практики NP - полных задач дискретной математики: построение эмпирической математической модели "ч╦рного" ящика с практически любым количеством входных параметров за полиномиальное от размерности задачи время; оптимизация изучаемого объекта с практически любым количеством входных параметров по его дискретной математической модели за полиномиальное от размерности задачи время.

С помощью ИМИБС решаются 2 основные проблемы медицины: превращение медицинской диагностики из преимущественно описательной в строгую науку с высоким уровнем формализации и компьютеризации; реализации лозунга "лечить не болезнь, а больного" пут╦м формализации процедуры выбора оптимальной стратегии лечения конкретной болезни, учитывающей индивидуальные особенности больного.
С помощью ИМИБС решаются наиболее важные задачи медицины, решение которых с помощью известных методов приводит к практически непреодолимым методическим и вычислительным трудностям. К таким задачам относятся: надежная компьютерная дифференциальная диагностика внутри различных групп трудно различимых (близких по проявлениям) заболеваний; эффективная ранняя диагностика опасных для жизни хронических заболеваний; эффективная диагностика опасных для жизни хронических заболеваний (например, раковой болезни) в латентном периоде; прогноз исходов и осложнений болезни по информации, получаемой в первые дни после ее проявления; корректный формальный скрининг при массовых профилактических обследованиях; исключение из диагностической практики инвазивных методов; сокращение расходов на диагностику за счет исключения из диагностической практики малоинформативных и дорогих тестов; выбор оптимальной превентивной терапии по результатам прогноза осложнений болезни; выбор одного из множества альтернативных вариантов операционного вмешательства по критериям отдаленных последствий.

При широкомасштабном внедрении программных продуктов, реализующих высокие медицинские технологии будут решены проблемы объективной и надежной диагностики и оптимизации лечения, что в конечном счете должно сказаться на: увеличении средней продолжительности жизни населения Украины; повышении качества жизни; сокращении затрат на лечение; превращении медицинской науки из преимущественно описательной в строгую с высоким уровнем формализации и компьютеризации. Конечным результатом работы является создание программных пакетов для дифференциальной диагностики и оптимизации лечения. Каждый из пакетов с помощью инсталляционной дискеты может быть установлен на компьютер в любой медицинской организации.

После патентования и защиты от копирования каждый пакет будут представлять собой законченный коммерческий продукт, который может продаваться негосударственным медицинским учреждениям Украины и медицинским учреждениям СНГ. После перевода сообщений пакетов и инструкций по работе с ними на английский и другие языки и соответствующей рекламной компании - последует их комерческая реализация за пределами СНГ.

Литература
1. Экспертные системы (под ред. Р.Форсайта) - Москва, Радио и связь, 1987.
2. Дородницин А.А. Проблема матмоделирования в описательных науках.- Кибернетика,1983, ╧4.
3. Кац М.Д. Разработка методов идентификации и субоптимизации для управления технологическими процессами малотоннажной химии. - Автореферат докт. диссертации, Харьков, 1992.
4. Яковлев Г.М., Ардашев В.Н., Кац М.Д., Галкина Т.А. Метод мозаичного портрета в прогнозировании инфаркта миокарда. - Кардиология, 1981, ╧6.
5. Цогоева Л.М., Пекарский Д.Е., Кудря С.Ф., Кац М.Д. Метод мозаичного портрета в диференциальной диагностике пневмонии у обожженных. - Клиническая хирургия, 1991, ╧3.
6. Кац М.Д. О построении ситуационной модели и ситуационном управлении химико-технологическими процессами. - Автоматизация химических производств, 1980, ╧5.

Ukrainian "Naturalist" magazine