Интеллектуальные системы в клинической медицине. Синтез плана лечения на основе прецедентов

Критерий предпочтения для  выбора правил на шаге 4 определяется характером решаемой задачи. В качестве такого критерия может выступать комбинация различных элементарных критериев, таких как требование максимального  числа положительных примеров, описываемых  правилом, минимального числа используемых атрибутов, максимальной оценки степени  общности, т.е. отношения числа положительных  примеров, покрываемых правилом, к  числу всех примеров, минимальных  затрат на измерение значений атрибутов  и т.п. Кроме того, можно использовать критерии выбора атрибутов такие как энтропия, информационная функция полезности и т.д. Алгоритм позволяет также строить множество правил с различными отношениями между отдельными правилами. 

Проиллюстрируем работу алгоритма  на простом примере построения правил определения тяжести обострения протрузии межпозвонкового диска на уровне L5-S1 позвонков. Пациенту выполнено МРТ – исследование и назначено консервативное лечение. Разумеется, пример будет носить модельный характер и предназначен исключительно для иллюстрации процесса обнаружения правил - рассмотрение примеров реального уровня сложности требует больших объемов вычислений и возможно только с применением современных вычислительных средств. 

В качестве обучающей выборки  возьмем примеры тяжести обострения протрузии межпозвонкового диска на уровне L5-S1 позвонков: в таблице 3 примеры 1-3 соответствуют тяжёлому обострению, примеры 4-7 – не тяжелому обострению. Каждый пример задан набором признаков и их значений. 

Для простоты возьмём семь признаков (хотя в реальности их должно быть не менее девяти): анталгический наклон туловища, интенсивность болевого синдрома по шкале болевого аудита (от 0-120), Ахиллов рефлекс, чувствительность в промежности, чувствительность по дерматому S1, сила в стопе (разгибание), мочеиспускание.

Признаки примеры	Анталгический наклон туловища	Интенсивность болевого синдрома по шкале болевого аудита (от 0-120) > 60 это край	Ахиллов рефлекс	Чувствитель-ность в промежности	Чувствитель-ность по дерматому S1	Сила в стопе (разгибание)	Мочеиспускание
П1	есть	41- 120	Отсутст-вует	изменена	изменена	парез	затруднено
П2	есть	41- 120	норма	норма	изменена	парез	затруднено
П3	есть	41- 120	норма	изменена	изменена	норма	норма
П4	нет	0- 20	норма	не изменена	не изменена	норма	норма
П5	нет	21- 40	Отсутст-вует	не изменена	изменена	норма	затруднено
П6	нет	41- 69	Отсутст-вует	изменена	изменена	парез	затруднено
П7	есть	> 60	норма	норма	изменена	норма	норма

Каждая строка соответствует  одному вектору значений признаков. Предположим, критерий предпочтения рекомендует  выбирать правила, охватывающие максимально  возможное число положительных  примеров, а условия правил могут  пересекаться друг с другом. Программа, ведущая к выявлению правил из приведенных примеров, будет состоять из следующих шагов:

Выбрать первый опорный пример: П1. 

Для построения опорного множества  примера П1 (т.е. множества максимально общих описаний П1), начать с построения множества всех описаний П1, которым не удовлетворяют отрицательные примеры. 

Для этого обобщим какой либо признак опорного примера, например, Ахиллов рефлекс. При <Ахиллов рефлекс> = отсутствует v норма, правило R1 таково:

ЕСЛИ: (Анталгический наклон туловища = есть) & (Интенсивность болевого синдрома по шкале болевого аудита = 41-120) & (Ахиллов рефлекс = (отсутствует v норма)) & (Чувствительность в промежности = изменена) & (Чувствительность по дерматому S1 = изменена) & (Сила в стопе (разгибание) = парез) & (Мочеиспускание = затруднительно),

ТО Обострение тяжелое

Далее займёмся атрибутом Чувствительность в промежности и попытаемся его обобщить. Получим в результате правило:

R1 таково: ЕСЛИ: (Анталгический наклон туловища = есть) & (Интенсивность болевого синдрома по шкале болевого аудита = 41-120) & (Ахиллов рефлекс = (отсутствует v норма)) & (Чувствительность в промежности = (изменена v норма) & (Чувствительность по дерматому S1 = изменена) & (Сила в стопе (разгибание) = парез) & (Мочеиспускание = затруднительно)

ТО Обострение тяжелое 
 
Результатом обобщения атрибута Сила в стопе (разгибание) будет правило:

R1 таково: ЕСЛИ: (Анталгический наклон туловища = есть) & (Интенсивность болевого синдрома по шкале болевого аудита = 41-120) & (Ахиллов рефлекс = (отсутствует v норма)) & (Чувствительность в промежности = (изменена v норма) & (Чувствительность по дерматому S1 = изменена) & (Сила в стопе (разгибание) = (парез v норма)) & (Мочеиспускание = затруднительно)

ТО Обострение тяжелое

Попытки дальнейшего обобщения  этого описания приводят к тому, что ему начинают удовлетворять  и отрицательные примеры. Например, обобщение атрибута Мочеиспускание  приводит к правилу:

R1': (Анталгический наклон туловища = есть) & (Интенсивность болевого синдрома по шкале болевого аудита = 41-120) & (Ахиллов рефлекс = (отсутствует v норма)) & (Чувствительность в промежности = (изменена v норма) & (Чувствительность по дерматому S1 = изменена) & (Сила в стопе (разгибание) = (парез v норма)) & (Мочеиспускание = затруднительно v норма), покрывающее пример 7, который не относится к тяжелому обострению протрузии межпозвонкового диска на уровне L5-S1. Поэтому правило R1' мы вынуждены отбросить. Однако, оставшееся правило R1 покрывает примеры 1 и 2. Остался «неохваченным» пример 3.

Возьмем П3 в качестве следующего опорного примера и попытаемся его  обобщить. 

Процесс обобщения, начиная  с признака Ахиллов рефлекс примера П3, приводит к уже полученному правилу R1, поэтому займемся обобщением с последнего атрибута, который не был обобщен ранее, и получим правило

R2: ЕСЛИ (Анталгический наклон туловища = есть) & (Интенсивность болевого синдрома по шкале болевого аудита = 41-120) & (Ахиллов рефлекс = (отсутствует v норма)) & (Чувствительность в промежности = изменена) & (Чувствительность по дерматому S1 = изменена) & (Сила в стопе (разгибание) = (парез v норма)) & (Мочеиспускание = затруднительно v норма)

ТО Обострение тяжелое.

Итак, поскольку неохваченных примеров больше не осталось, то два  правила:

R1: ЕСЛИ: (Анталгический наклон туловища = есть) & (Интенсивность болевого синдрома по шкале болевого аудита = 41-120) & (Ахиллов рефлекс = (отсутствует v норма)) & (Чувствительность в промежности = (изменена v норма) & (Чувствительность по дерматому S1 = изменена) & (Сила в стопе (разгибание) = (парез v норма)) & (Мочеиспускание = затруднительно),

ТО Степень обострения = Тяжелое

R2: ЕСЛИ (Анталгический наклон туловища = есть) & (Интенсивность болевого синдрома по шкале болевого аудита = 41-120) & (Ахиллов рефлекс = (отсутствует v норма)) & (Чувствительность в промежности = изменена) & (Чувствительность по дерматому S1 = изменена) & (Сила в стопе (разгибание) = (парез v норма)) & (Мочеиспускание = затруднительно v норма),

ТО Степень обострения = Тяжелое 

3. Особенности использования систем правил для диагностики и планирования лечения на основе прецедентов

 

В этом разделе рассмотрим синтез плана лечения или иначе - лечебно-диагностической последовательности правил - по прецедентам. 

Неформально, прецедент (например, хранящийся в базе данных), имеет  вид: 
<ОПИСАНИЕ СОСТОЯНИЯ> <РЕШЕНИЕ>. Например, если речь идет о диагностике, то описание состояния включает множество симптомов, признаков, инструментальных данных, данных анамнеза, а решение - диагноз. Если речь идет о лечении, то в качестве решения выступает лечебное мероприятие или их последовательность. Ситуация (состояние), для которой ищется решение, называется обычно проблемной ситуацией или проблемой и её неформальное описание имеет вид <ПРОБЛЕМА><РЕШЕНИЕ?> 

Опишем кратко предлагаемый нами метод синтеза плана лечения  на основе прецедентов (САС метод). Основными  фазами метода являются: а) идентификация  текущего состояния пациента б) поиск  подходящего прецедента и в) использование  найденного прецедента для выработки  последовательности лечебно-диагностических мероприятий. Эта последняя задача называется иногда задачей адаптации (имеющегося решения к новой проблеме). 

3.1. Поиск подходящего прецедента

Для этого вначале рассмотрим понятие близости прецедентов. Для  уточнения понятия близости обычно используются некоторые метрики. 

Однако особенность рассматриваемых  здесь задач состоит в том, что для уточнения понятия  близости требуется не только метрическая  характеристика близости прецедентов, но и некоторая другая их характеристика, которая позволяет сделать вывод  о степени соответствия структур прецедентов. Для этой цели мы введем понятие согласования структур прецедентов. Согласование можно рассматривать как количественную характеристику близости структур прецедентов. 

Для этой цели следует ввести функции согласования – локальную и глобальную. 

Локальную функцию согласования можно рассматривать как меру сравнимости  элементов е₁ и е двух прецедентов (для простоты каждый элемент можно полагать состоящим из имени признака и его значения).

Если элементы е₁ и е несравнимы, то локальная функция согласования на них не определена. 

Если Е – множество элементов, упомянутых выше, то локальная функция согласования λ: E x E → R такова, что λ( е, е₁ ) = r ∈ R. 

Содержательно, сравнимость  элементов е и е₁ означает, что они принадлежат одному и тому же типу или домену и тогда λ( е, е₁ )> 0 может рассматриваться как сопоставимость е₁ с e; λ( е, е₁ ) = 0 означает, что один из элементов не является существенным, а λ( е, е₁ ) < 0 указывает, что е и е₁ несопоставимы. 

Используя локальную функцию  согласования, можно определить глобальную функцию согласования Λ: П(Е) x П(Е) → R, где П(Е) – множество прецедентов, определенных на элементах из Е, R- множество рациональных чисел; Λ(π_i, π_j) > Λ(π_i, π_k) свидетельствует о том, что прецеденты π_i и π_j более согласованы, чем прецеденты π_i и π_k. Отрицательные значения этой функции интерпретируются как рассогласование прецедентов. 

Если ввести функцию φ - композиции, где φ может быть, например, линейной формой локальных функций согласования λ_ij, коэффициенты которой g_ij являются весами соответствующих значений локальных функций, то глобальную функцию согласования Λ можно выразить через локальные следующим образом:

 
(i=1,...,n, j=1,2,...,m) 
где q₁,…,q_n- элементы прецедента π₁ , а e₁,…,e_m – элементы прецедента π₂.

Собственно, релевантность  прецедента некоторому элементу характеризуется  частичной функцией релевантности  ρ: E x П(Е) → R, так что r = ρ(q,π), где q ∈ Е– элемент, π ∈ П(Е) - прецедент. Глобальную функцию релевантности, характеризующую релевантность прецедента π₂ прецеденту π₁ будем для простоты считать линейной формой частичных функций релевантности:

rel (π₁ , π₂) = φ (ρ (e₁, π₂), …, ρ (e_n, π₂)), где e₁ , …,e_n – элементы π₁.  
 
Таким образом, поиск подходящего прецедента включает две фазы: 
- поиск для проблемного прецедента π₁ множества наиболее согласованных с ним прецедентов П⁺; 
- выбор из множества П⁺ наиболее релевантного для π₁ прецедента π₂. 

На следующем шаге следует  выполнить адаптацию найденного (или найденных) релевантных проблеме π₁ прецедентов.

 

3.2. Адаптация прецедентов

Существует значительное число методов адаптации, используемых в различных исследованиях. Для задач клинической медицины эти методы развиты, пожалуй, в наименьшей степени. Тем не менее, большую часть имеющихся подходов можно отнести к одному из трех классов: подстановочная адаптация; трансформационная адаптация, генеративная адаптация. 

Подстановочная адаптация  является наиболее простым видом  адаптации, предполагающим, что искомый  прецедент очень близок к проблемному  состоянию пациента. Тогда адаптация  сводится лишь к замене некоторых  параметров в решениях найденных  прецедентов. Такой метод адаптации  применяется в задачах идентификации  и прогнозирования. 

Трансформационная адаптация  предусматривает реорганизацию  элементов решений и позволяет  добавлять и удалять эти элементы в соответствии с определенными  условиями. Обычно системы трансформационной  адаптации содержат фиксированное  множество операторов адаптации  и трансформационных правил. 

В задачах выбора схемы  лечения методы адаптации имеют  свои существенные особенности, отличающие их от иных применений этого подхода. 

Авторами настоящей работы разработан и экспериментально реализован эффективный метод адаптации, который  описан здесь на примере диагностики  и лечения пациентов с болью  в спине. Начнем с изложения принципиальных особенностей метода. 

Они состоят в том, что  если существуют различающиеся прецеденты лечения некоторой нозологической формы конкретных больных (больной  Х и больной Y), то для поиска схемы  лечения другого больного (больной Z) с аналогичным диагнозом и  близким состоянием (в смысле метрики, описанной выше), следует выполнить  следующие адаптационные действия:

А) на основе схемы лечения пациентов Х, и Y построить общую схему лечения данной нозологической формы всех больных с близкими (в смысле введенной метрики) состояниями (действие абстрагирования);

Б) взяв за основу построенную абстрактную схему (п. А)), и используя персональные особенности больного Z, влияющие на выбор лечебных мероприятий, построить схему лечения больного Z (действие конкретизации).