Sunteți pe pagina 1din 9

Lucrare de laborator N 6

Cercetarea Sistemelor Expert

Scopul lucrării: Studierea Sistemelor expert .

Noţiuni teoretice.

Caracteristicile sistemelor de asistare a deciziilor


medicale

Natura asistenţei
Sistemele de asistare a deciziilor medicale se înscriu în problematica generală
a intervenţiei medicale: prezicere (medicină pre-dictivă), prevenire (medicină
preventivă), vindecare (medicină curativă) şi, atunci cînd acest lucru nu este
posibil, uşurarea situaţiei pacientului (asistenţă medicală). Pentru aceasta trebuie
să se aprecieze situaţia individuală a pacientului (diagnostic şi prognostic) şi să
se evalueze strategiile posibile. Pornind de la această problematică, se disting în
general, două tipuri de sisteme de asistare a luării deciziilor medicale:
• Sistemele care permit o evaluare mai bună a stării pacienţilor. Acestea
privesc în special adoptarea unei decizii de ordin diagnostic sau prognostic
şi au drept obiectiv diminuarea incertitudinii în ceea ce priveşte situaţia
actuală sau viitoare, a pacientului. Aceste sisteme trebuie să ţină cont de
multiple cunoştinţe medicale (epidemiologie, semiologie, fiziopatologie,
anatomie etc).
• Sistemele care caută să propună cea mai bună strategie (ce anume trebuie
făcut). Ce examene complementare trebuie efectuate? Ce reguli de viaţă
trebuie indicate? Ce medicamente trebuie recomandate şi ce intervenţii
trebuie propuse? Cum să fie informat pacientul cu privire la starea sa?
Aceste sisteme trebuie să integreze şi aspecte financiare şi etice.
In practică, sistemele care au fost elaborate sunt cel mai adesea sisteme
mixte. Este, de fapt, dificil să se realizeze o separare a aspectelor terapeutice de
problemele de diagnostic, iar pe de altă parte este foarte folositor să se
definească şi informaţiile complementare utile (cu privire la pacient sau la
cunoştinţe).

Modul de intervenţie
Sisteme pasive
Cea mai mare parte a sistemelor de asistare a deciziilor medicale
funcţionează în modul pasiv. Medicul trebuie să solicite în mod explicit sistemul,
descriind cazul pacientului şi aşteaptă un sfat din partea acestuia. În funcţie de
informaţiile furnizate şi de tipul de consiliere aşteptat, pot fi considerate două
modalităţi de abordare:
 în cadrul sistemului de consultare, utilizatorul furnizează informaţii cu
privire la starea pacientului; în schimb, sistemul oferă un sfat diagnostic
sau terapeutic. Astfel, MYCIN, dezvoltat de E.Shortliffe şi colab., de la
Universitatea din Stanford, este un exemplu tipic de sistem de consultare
(Shortliffe, 1976).
 în cadrul unui sistem critic, utilizatorul furnizează date cu privire la starea
pacientului şi a strategiei (terapeutice, de investigare) considerată de
medic. Sistemul face apoi o critică a propunerilor prezentate de
practician. Sistemul ATTENDING, dezvoltat de P.Miiler de la
Universitatea Yale, este un bun exemplu în acest sens (Miller, 1986a).
Aplicarea acestui sistem în domeniul anesteziei permite, de exemplu, să
se facă o analiză critică a planului prezentat de medicul specialist pentru
un pacient dat (tipul de anestezic, inducerea anesteziei, administrarea
etc).

Sisteme semi-active
În cadrul unui sistem semi-activ, solicitarea sistemului de asistare a deciziei
medicale se efectuează în mod automat. Obiectivul este de a se furniza
informaţii şi reguli de comportare, precum şi cunoştinţe acceptate în general.
Sistemul joacă în acest caz cel puţin un rol de „balustradă de sprijin", sau de
„cîine de pază" (watch-dog system). în această categorie pot fi clasificate:
 Sistemele automate de rapel (reminders) care supraveghează atitudinea
personalului de îngrijire (McDonald, 1976). Aceste sisteme permit
evitarea prescrierii investigaţiilor inutile, erorile de prescriere a
medicamentelor (erori de posologie, contraindicaţii medicamentoase,
interacţiuni semnificative etc). Ele facilitează respectarea de către echipa
de îngrijire a protocoalelor prestabilite etc.
 Sistemele de alarmă permit să se atragă atenţia asupra unei schimbări în
starea pacientului. Poate fi vorba fie de semnalarea unor valori anormale
(parametri biologici sau fiziologici) sau a unor modificări anormale
(creşterea sau scăderea brutală a unor parametri).

Sisteme active
2
Un sistem activ este un sistem care, prin declanşarea sa automată, este capabil
să furnizeze un sfat adaptat cazului unui pacient dat. Acest sistem poate să ia
decizii în mod automat, fără să fie necesară intervenţia practicianului. Poate fi
vorba, de exemplu, de prescrierea unor examene complementare (recomandarea
automată a unor bilanţuri pornind de la protocolul de îngrijiri), a unor tratamente
(control automat al unei perfuzii pornind de la un sistem „în circuit închis"), a
supravegherii (controlul inteligent al parametrilor unui ventilator, unui monitor
de dializă sau unui pace-maker), sau de asistarea unor proceduri chirurgicale
(vezi cap. 11).

Natura cunoştinţelor
Decizia presupune aplicarea la un caz clinic a cunoştinţelor specifice din
domeniu (vezi figura 1). Informaţiile care intră în procesul de decizie sunt de cel
puţin trei feluri (vezi capitolul 4): a şti cum să pui întrebări sau cum să linişteşti
pacientul), de gesturi medicale (de exemplu, a şti cum să examinezi un pacient),
a şti cum să procedezi sau cum să te comporţi, precum şi a şti cum să recunoşti şi
să foloseşti cazurile similare. Aceste diferite tipuri de cunoştinţe se regăsesc în
procesul de decizie. Cunoştinţele academice, ca şi cele rezultate din experienţă
condiţionează culegerea datelor şi calitatea observaţiei. Experienţa permite
validarea şi ameliorarea cunoştinţelor academice. înregistrarea dosarelor
medicale (diagnosticul pus şi decizia adoptată) este indispensabilă pentru
învăţarea automată şi validarea regulilor de adoptare a deciziilor, ca şi pentru
căutarea cazurilor similare (Chute, 1992).

Bazele metodologice ale sistemelor de asistare a deciziilor


Asistarea deciziilor beneficiază de o gamă largă de metode. în afara
algoritmurilor simple se mai descriu diferite alte modalităţi de abordare ale
acestor sisteme. Fiecare dintre ele poate să facă apel la modalităţi particulare de
raţionament (fîg..2).

Figura 1 - Bazele luării deciziilor medicale.

3
• Elemente de observaţie care vor fi prezentate sistemului de asistenţă pentru a
determina inferenţele (vezi capitolul 4).
• Cunoştinţele academice (ştiinţa), conţinute de obicei în cărţi şi reviste de
specialitate.
• Experienţa dobîndită în cadrul exercitării activităţii medicale, în care caz
poate fi vorba de atitudini practice (de exemplu,

Figura 2 - Abordarea problemei de asistare a deciziilor.

Inteligenţa artificială şi sistemele experte


Inteligenţa artificială (IA) este „studiul ideilor şi tehnicilor care permit să
transforme calculatoarele în instrumente inteligente" (Winston, 1992). Se
urmăreşte un dublu obiectiv:
 un obiectiv pragmatic, acela de a face calculatoarele mai folositoare
 un obiectiv teoretic, de a înţelege mai bine mecanismele inteligenţei.
Inteligenţa artificială se află ia confluenţa a diferite discipline: informatică,
lingvistică, psihologie cognitivă, epistemologie. Unul din efectele secundare
cele mai importante a fost dezvoltarea sistemelor experte, definite ca programe
informatice care folosesc cunoştinţe specializate şi mecanisme de inferenţă
pentru a obţine, într-un anumit domeniu, performanţe cu un nivel ridicat.
Cunoştinţele sunt furnizate, în general, sub formă de reguli sau de „cadre" (vezi
cap.4). Baza care conţine cunoştinţele sau baza de cunoştinţe este separată de
baza care conţine datele problemei de analizat, sau baza de fapte şi de sistemul
de gestionare al inferenţelor, sau motorul inferenţelor (figura 3).

4
Figura 12.3- Arhitectura generală a unui sistem expert

Sistemele expert folosesc sisteme logice clasice sau care permit să se ţină
seama de incertitudini, punînd în funcţiune raţionamente euristice. MYCIN este
prima dintr-o lungă listă de aplicaţii dezvoltate în anii '70 şi '80 (Shortliffe,
1976, Fieschi, 1986, Winston, 1992, Miller, 1982).
Sistemele expert îşi găsesc principala utilizare în rezolvarea problemelor
bine individualizate, care corespund domeniilor medicale specializate în care
lipsa soluţiilor algoritmice şi disponibilitatea experţilor cunoscuţi fac posibilă
constituirea şi aducerea la zi a bazelor de cunoştinţe (vezi fig. 12.4). Ele sunt
limitate de complexitatea constituirii şi apoi a menţinerii bazelor de cunoştinţe.
Aceste cunoştinţe, de obicei multiple (anatomice, fiziologice fizio-patologice
etc.) şi adesea inconstante, ba chiar contradictorii, nu se pretează cu uşurinţă la
o sistematizare pe reguli sau pe obiecte structurate, impusă de sistemele expert.
în absenţa unui organ senzorial, sistemul expert porneşte de la o informaţie deja
pre-interpretată de către utilizator. Din acest motiv, sistemului expert îi este
dificil să integreze o cunoştinţă peste cunoştinţa pe care o are (meta-cunoştinţă)
şi să îşi dea seama că aceasta se află în afara domeniului său (aşa-numitul
micro-univers) de expertiză. Mecanismele de raţionament limitate (de ex.
deducţia şi abducţia) nu corespund în mod necesar celor folosite de specialişti,
care sunt mai mult asociative şi intuitive.

5
Indicaţii
• Expertiza riscă să se piardă
• Expertiza este rară
• Expertiza este utilă în numeroase situaţii
• Expertiza este utilă într-un mediu ostil
• Consecinţele deciziilor sunt importante (utilitate, eficienţă etc.)
Fezabilitate
• Sarcini cognitive
• Cunoştinţe specializate
• Nu există soluţii algoritmice
• Sarcini de complexitate moderată
• Cunoştinţe relativ statice
• Există experţi recunoscuţi
• Experţii sunt mai buni decît amatorii
Limite
• Cunoaşterea este multiplă
• Cunoaşterea este infinită
• Cunoaşterea este adesea contradictorie sau inconstantă
• Computerul este orb, are nevoie de intermediar
• Este dificil să se ia din limitele micro-universului sistemelor expert
• Raţionamentele sunt limitate (deducţie, abducţie)
• Validarea cunoştinţelor este dificilă

Figura 4. - Indicaţii, fezabilitate şi limite ale sistemelor experte (adaptat


după Waterman, 1986).

Reţele neuronale şi sisteme conexioniste

În timp ce primele sisteme conexioniste au fost concepute, în anii 1940-


1950, dezvoltarea lor şi apariţia posibilităţilor de aplicare practică sunt de dată
mult mai recentă (finele anilor '80), fiind legate de creşterea puterii
microprocesoarelor care permit să se simuleze comportarea, apoi a reţelelor de
microprocesoare care permit să se realizeze primele sisteme materiale (maşini
conexioniste).
Arhitectura sistemelor conexioniste este inspirată direct din structura şi
funcţionarea creierului, de unde şi numele de reţea neuronală care se foloseşte
de obicei pentru a ic desemna. în figura 12.5 este ilustrată una din arhitecturile
posibile ale unei astfel de reţele. Reţeaua este constituită din noduri, sau neuroni
formali Uj, legate între ele prin arcuri. Propagarea se face pornind de la unităţi
de intrare care formează un strat de intrare, pentru a ajunge, prin intermediul
unuia sau al mai multor straturi de neuroni ascunşi, la unităţi de ieşire care
formează stratul, sau pătura de ieşire. Gradul de stimulare al unui neuron este
suma stimulilor (greutatea conexiunilor coj;) neuronilor aferenţi. Dacă această
sumă depăşeşte un anumit prag 0; de activare, neuronul va stimula neuronii
eferenţi cu care este conectat. Calculul greutăţilor de conectare şi al pragurilor
6
de stimulare se realizează experimenta', pornind de la cazurile prezentate la
nivelul stratului de intrare.

Unităţi de intrare Unităţi ascunse Unităţi de ieşire


Figura 5 - Arhitectura generală a unui reţele neuronale.

Sistemele neuronale şi-au găsit primele aplicaţii practice în dezvoltarea


sistemelor de recunoaştere a formelor (recunoaşterea caracterelor, a vocilor,
contururilor dintr-o imagine etc). Ele se pretează bine la rezolvarea problemelor
de clasificare diagnostică în cazul în care există o bază de cazuri suficientă. În
astfel de cazuri, stratul de intrare al reţelei poate să fie asimilat simptoamelor,
iar stratul de ieşire, diagnosticelor.

Sarcina pentru lucrare de laborator:

1. Deschideţi pagina dedicată sistemelor expert online.

http://easydiagnosis.com/

2. La alegere Cercetatţi 3 Sisteme expert prin intermediul răspunsului la


intrebări şi salvaţi rezultatele obţinute.

3. Cercetaţi sistemul expert Home doctor medic.zip

4. Deschideţi pagina Sistemului expert SONARES.

http://sonares.ong.md/index.php?page=links

7
Cercetaţi aplicaţia Demo a sistemului (întrebările posible şi concluzia
Sistemului).

Întrebări de control:
1. Reprezentaţi structura schematică a sistemelor de clasificare monoaxială.
2. Reprezentaţi structura schematică a sistemelor de clasificare multiaxială.
3. Ce tip de clasificare este CIM (ICD în engleză), publicată de către
Organizaţia Mondială a Sănătăţii (OMS) [OMS 197], precum şi adaptarea
clinică a acesteia (ICD-9-CM).
4. Ce tip de clasificare este SNOMED.
5. Cum se numeşte tezaurul care a fost conceput pentru a produce automat
l`INDEX MEDICUS sau directoriul (repertoriul) de principalele publicaţii
ştiinţifice medicale
6. Cum se numeşte tezaurul dezvoltat de Biblioteca Nationala de Medicina din
Bethesda (SUA), propune să stabilească o legătură conceptuală între
necesitatea de informaţii, exprimată de către un utilizator şi diferite surse de
informaţii ca baze de date privind literatura de specialitate medicale, sisteme
de management al dosarelor medicale sau baze de cunoştinţe.

Conţinutul Dării de seamă.


- scopul lucrării,
- scurte noţiuni teoretice;
- structura compartimentelor cercetate;
- concluzii.

Bibliografie
1. STOICU-TIVADAR, Lacramioara Sisteme informatice aplicate
in servicii de sanatate. Timisoara, Politehnica, 2005, 260 p.
ISBN973-625-169-1
2. DEGOULET, Patrice; FIESCHI, Marius; MARCU, Ilie.
Informatica medicală.Bucureşti, Editura Medicală, 1999, 311
p..ISBN973-39-0381-7
8
3. SHORTLIFFE, Edward H., CIMINO, James J. Biomedical
Informatics Computer Applications in Health Care and
Biomedicine. Springer, 2014, 972 p. ISBN 978-1-4471-4474-8
4. TAN, Joseph Enciclopedia of Medical Informatics: Concepts,
Methodologies, Tools, and Applications. Hershey • New York,
2009, 2593 p. ISBN-13: 978-1605660509 , ISBN-10: 1605660507
5. ГАШНИКОВ, Михаил Валерьевич; ГЛУМОВ, Николай
Иванович; ИЛЬЯСОВА, Наталья Юрьевна; СОЙФЕР, Виктор
Александрович Методы компьютерной обработки
изображений. Учебное пособие для вузов. Москва,
Физматлит, 2003, 781 p..ISBN5-9221-0270-2
6. FONG, Bernard; FONG, A.C.M.; LI. C.K. Telemedicine -
Information Technologies in Medicine and Telehealth, John
Wiley & Sons, Ltd, 2011, 283 p. ISBN 978-0-470-74569-4
7. DARKINS, Adam William; CARY, Margaret Ann Telemedicine
and Telehealth Principles, Policies, Performance, and Pitfalls,
Springer Publishing Company, 2000, 328 p.
8. БЕЛЛМАН, Р.; АСАЧЕНКОВ, А. Л.; ШАЛЬНОВА, Н. А.
БЕЛЫХ, Л. Н. Математические методы в медицине.
Москва, Мир, 1987, 200 с..
9. TĂRÂŢĂ, Mihai, Informatică medicală, SITECH, Craiova.
2010, 568 pagini, ISBN 978-606-530-816-9, vol. I şi II,