Експертні та інтелектуальні системи в медицині та фармації

Експертні та інтелектуальні системи в медицині та фармації Лекція 6

Основні розділи лекції 1. Штучний інтелект 1. 1. Історія розвитку й проблеми штучного інтелекту 1. 2. Напрямки роботи в області ШІ (Нейрокібернетика та Кібернетика чорного ящика) 1. 3. Основні області завдань ШІ 2. Експертна система (ЕС) 2. 1. Поняття експертної системи 2. 2. Структура експертної системи 2. 3. Методика (етапи) розробки ЭС. 2. 4. Характеристики експертної системи 2. 5. Найбільш відомі ЕС

1. 1. Історія розвитку штучного інтелекту Ø Ø Здавна людина робила безліч спроб змоделювати свою подобу, та її зусилля були безуспішними, тому що це дуже складне завдання. Перелом відбувся в середині XX століття. Йому сприяли 2 події: Вінер заклав основи кібернетики, поява ЕОМ.

В кінці 50 -х років ХХ століття з’явилася нова область інформатики – штучний інтелект. Вона займалась розробкою програм, які здатні розв’язувати так звані «людські» задачі. Розв’язання задач такого напрямку пов’язане з нетривіальними логічними умовиводами і пошук результатів, як правило, зводиться до перебору й аналізу великої кількості можливих варіантів. Саме до такого класу належить більшість медичних завдань.

1. 2. Напрямки роботи в області ШІ Роботи в області ШІ можна розбити на 2 напрямки: Ø Нейрокібернетика Ø Кібернетика чорного ящика

Нейрокібернетика. Основна ідея: будь-який мислячий пристрій повинен якимось чином відтворювати структуру людського мозку. Ця наука орієнтована на апаратне моделювання. Мозок людини складається з порядку 1021 нейронів, зв'язаних між собою. Є успішні спроби моделювання безлічі нейронів - нейронні мережі. Перші успіхи були вражаючими. Був зроблений перший об'єкт - персептрон - деяка матриця нейронів, що могла розпізнавати 2 стани (наприклад падає світло чи ні).

Можна виділити 3 способи реалізації нейромереж: 1) апаратний (плати й т. д. ); 2) програмний (нейромережа моделюється в пам'яті комп'ютера); 3) гібридний - середнє між 1 й 2. У наш час нейрокібернетика розвивається в напрямку нейрокомп’ютеров і головним завданням є розпізнавання образів.

Нейронні мережі є нелінійними системами, що дозволяють набагато краще класифікувати дані, ніж це роблять зазвичай використовувані лінійні методи. У додатку до медичної діагностики вони дають можливість значно підвищити специфічність методу, не знижуючи його чутливості.

Кібернетика чорного ящика. Не має значення, як влаштований мислячий пристрій, головне, щоб на задані вхідні подразнення він реагував так, як людський мозок. Коли спробували зайнятися дослідженням алгоритмів людського мозку зрозуміли, що це дуже складно. Науці не відомо, як мислить людина, як вона приймає рішення.

В основному рішення проблеми відбувається за допомогою моделі лабіринтного пошуку (пошук по дереву рішень). Але це дерево може бути надто великим. Виникає проблема його зберігання й пошуку потрібного шляху, іноді деякі вітки можуть бути невідомими. Застосовуються евристики.

Евристика - правило, теоретично не обґрунтоване, але таке, що дозволяє скоротити перебір у дереві рішень На основі евристик з'явилося евристичне програмування - розробка стратегій, дій на основі заздалегідь заданих відомих евристик. З'явилося поняття експертна система (ЕС) або система, заснована на знаннях. В 7080 р. цей напрямок почав розвиватися, в 90 -х досяг свого піку. Експертні системи використовуються в медицині та діагностиці.

1. 3. Основні області завдань ШІ ¡ ¡ Розробка й створення ЕС - основний напрямок у всій області ШІ. Вимагає рішення двох завдань: а) розробка моделей подання знань, б) створення баз знань. Ігри й творчість. Наприклад, шахи, карткові ігри, програми створення казок, музики й т. д. Розробка природно-мовних інтерфейсів. Розпізнавання образів (не тільки зорових, але й, наприклад, ситуацій).

¡ Навчання й самонавчання. Включає моделі, методи й алгоритми, орієнтовані на автоматичне нагромадження знань на основі аналізу й узагальнення даних. Можливі різні методи, зокрема, на основі прикладів. ¡ Інтелектуальні роботи. Спочатку були роботи, що працюють по жорсткому алгоритму. Зараз робототехніка включає багато інших наук - і розпізнавання образів, і евристики й багато чого іншого. Розробляються високоінтелектуальні роботи.

2. 1. Поняття експертної системи Одним з найбільш визначних практичних досягнень в області штучного інтелекту є розробка експертних систем. Експертна система (ЕС) – операційна система, яка використовує знання спеціалістів про деяку конкретну вузьку спеціалізовану предметну область і яка в межах цієї області здатна приймати рішення на рівні експерта–професіонала.

2. 2. Структура експертної системи ЕС складається з наступних основних компонентів Øвирішувача (інтерпретатора); Øробочої пам'яті (РП), називаною також базою даних (БД); Øбази знань (БЗ); Øкомпонентів придбання знань; Øпояснювального компонента; Øдіалогового компонента.

База даних (робоча пам'ять) призначена для збереження вихідних і проміжних даних розв'язуваної в сучасний момент задачі. Цей термін збігається за назвою, але не за змістом з терміном, використовуваним в інформаційно-пошукових системах (ІПС) і системах керування базами даних (СУБД) для позначення всіх даних (у першу чергу довгострокових), збережених у системі. База знань (БЗ) у ЕС призначена для збереження довгострокових даних, що описують розглянуту область (а не поточних даних), і правил, що описують доцільні перетворення даних цієї області.

Вирішувач, використовуючи вихідні дані з робочої пам'яті і знання з БЗ, формує таку послідовність правил, що, будучи застосованими до вихідних даних, приводять до рішення задачі. Компонент придбання знань автоматизує процес наповнення ЭС знаннями, здійснюваний користувачем-експертом. Пояснювальний компонент пояснює, як система отримала рішення задачі (чи чому вона не отримала рішення) і які знання вона при цьому використовувала, що полегшує експерту тестування системи і підвищує довіру користувача до отриманого результату. Діалоговий компонент орієнтований на організацію дружнього спілкування з користувачем как у ході рішення задач, так і в процесі придбання знань і пояснення результатів роботи.

Бажаною рисою ЕС є здатність системи пояснити свою лінію міркувань у вигляді, безпосередньо зрозумілому тому, хто задав питання. ЕС працює в режимі порадника. Часто треба знати, на підставі чого ухвалене рішення. Для цього ввели підсистему пояснення. Існує поняття «порожня ЕС» - ЕС, база знань якої порожня.

Виділяються 3 отримання знань: ¡ ¡ ¡ основні галузі придбання знань (БЗ строго визначена) - найпростіший варіант; 2) набуття знань (поруч із експертом - инженер по знаннях, що допомагає експертові зрозуміти й сформулювати рішення); 3) формування знань - робота тільки інженера по знаннях.

2. 3. Методика (етапи) розробки ЕС. В даний час склалася визначена технологія розробки ЕС, що включає наступні шістьох етапів: ідентифікація, концептуалізація, формалізація, виконання, тестування і досвідчена експлуатація.

На етапі ідентифікації визначаються задачі, що підлягають рішенню, виявляються мети розробки, визначаються експерти і типи користувачів. На етапі концептуалізації проводиться змістовний аналіз проблемної області, виявляються використовувані поняття і их взаємозв'язки, визначаються методи рішення задач. На етапі формалізації вибираються і визначаються способи представлення усіх видів знань, формалізуються основні поняття, визначаються способи інтерпретації знань, моделюється робота системи, оцінюється адекватність цілям системи зафіксованих понять, методів рішень, засобів представлення і маніпулювання знаннями. На етапі виконання здійснюється наповнення експертом бази знань. У зв'язку з тим, що основою ЕС є знання, даний етап є найбільш важливим і найбільш трудомістким етапом розробки ЕС. Процес придбання знань розділяють на витяг знань з експерта, організацію знань, що забезпечує ефективну роботу системи, і представлення знань у виді, зрозумілому ЕС. Процес придбання знань здійснюється інженером по знаннях на основі аналізу діяльності експерта за рішенням реальних задач.

2. 4. Характеристики експертної системи ¡ ¡ ¡ ¡ обмежена певною сферою експертизи; здатна міркувати при сумнівних даних; здатна пояснити ланцюжок міркувань зрозумілим способом; факти і механізм виводу чітко відокремлені між собою; ЕС будується так, щоб була можливість поступового нарощування системи; На виході вона видає пораду (чітку, не таблицю); ЕС економічно вигідна (основна вимога).

Перші ЕС - медична MYCIN й DENDRAL для додатків у хімії з'явилися в середині 70 -их років. Вже перші ЕС виявилися корисними. Медична система MYCIN успішно вписалася в клінічну практику, допомагаючи у виборі ліків. Ця ЕС давала більш точні приписи для лікування, ніж лікар-терапевт, що призначає ліки з широким спектром дії. Ідеологію ЕС можна виразити формулою: знання+висновок=система. ЕС припускає взаємодію блоків.

2. 5. Найбільш відомі ЕС Ø MYCIN - діагностика й призначення курсу лікування при інфекційних церебральних захворюваннях, включає близько 500 правил; Ø INFERNO - медична діагностика; Ø CASNET - діагностика й прогнозування плину глаукоми; Ø PIP - діагностика захворювань нирок; Ø DENDRAL, - ідентифікація молекулярних структур в органічних з'єднаннях;

Ø Ø Ø LHASA, SECS, - пошук методів лабораторного синтезу відомих речовин; PROSPECTOR - пошук корисних копалин; EURISCO - застосовувалася у військових іграх, програмування ЕОМ і завданнях нейтралізації хімічного забруднення;

Ø Ø AM - формування математичних понять; R 1 - конструювання обчислювальних систем, має близько 1200 правил; MOLGEN - планування й проектування; HEARSAY-II - розпізнавання усного мовлення.

Література 1. 2. 3. 4. 5. 6. 7. 8. Андрейчиков А. В. , Андрейчикова О. Н. Интеллектуальные информационные системы: Учебник. –М. : Финансы и статистика, 2004. – 424 с. Бондарев В. Н. , Аде Ф. Г. Искусственный интеллект. – Севастополь: Сев. НТУ, 2002. -615 с. Гаврилова Т. А. , Хорошевский В. Ф. Базы знаний интеллектуальных систем. Учебник. — СПб. : Питер, 2000. Галуев Г. А. Интеллектуальные среды нового поколения: состояние проблемы и перспективы решения // Искусственный интеллект. – 2004. - № 3. – С. 523 -533. Григорьев А. В. Пути создания интеллектуальных САПР при различных уровнях квалификации экспертов // Искусственный интеллект. – 2005. -№ 3. -= С. 758 -763. Джарратано Д. , Райли Г. Экспертные системы: принципы разработки и программирование. – М. : Вильямс, 2007. – 1152 с. Джексон П. Введение в экспертные системы: Пер с англ. – М. : Вильямс, 2001. -624 с. Джозеф Джарратано, Гари Райли «Экспертные системы: принципы разработки и программирование» : Пер. с англ. — М. : Издательский дом «Вильямс» , 2006. — 1152 стр. с ил.

9. 10. 11. 12. 13. 14. Зайченко Ю. П. Основи проектування інтелектуальних систем. Навчальний посібник. – К. : Слово, 2004. – 352 с. Питер Джексон Введение в экспертные системы = Introduction to Expert Systems. — 3 -е изд. — М. : «Вильямс» , 2001. — С. 624. — Рассел С. , Норвиг П. Искусственный интеллект : современный подход, 2 -е и зд. : Пер с англ. – М. – Вильямс. 2006. – 1408 с. Рідкокаша А. А. , Голдер К. К. Основи систем штучного інтелекту. Навчальний посібник. – Черкаси: “Відлунняплюс”, 2002. – 240 с. Субботін С. О. Подання й обробка знань у системах штучного інтелекту та підтримки прийняття рішень. Навчальний посібник – Запоріжжя ЗНТУ, 2008. -341 с. Уотермен Д. "Руководство по экспертным системам: Пер. с англ. под ред. В. Л. Стефанюка. - М. : "Мир", 1989: - 388 стр. с ил.