Файл: Мельников, В. Г. Информационное моделирование в клинической медицине.pdf

потеза могла быть принятой, необходимо, чтобы она не проти­ воречила также и этой информации.

На четвертом шаге выполнения алгоритма каждая из полученных на предшествующем этапе гипотез проверяется по условию ее не­ противоречивости фрагментам лечебных воздействий. Если гипотеза не удовлетворяет условиям непротиворечивости, то она отбрасы­ вается.

Проверка на непротиворечивость включает в себя сравнение символов отдельных лечебных средств и их количественных зна­ чений, входящих в состав фрагмента лечебного воздействия, и символов алфавита X, составляющих соответствующий переход гипотезы. Если один и тот же символ лечебного воздействия со­ держится в обоих сравниваемых компонентах и их количественные значения совпадают, то гипотеза, в состав которой входит такой переход, должна быть оставлена для дальнейшего рассмотрения. В случае невыполнимости этого условия гипотеза отбрасывается.

Второе условие непротиворечивости касается самого при­ сутствия символа отдельного лечебного средства, зафиксирован­ ного во фрагменте, в одном из символов алфавита X, составляю­ щих соответствующий ему переход. Гипотеза, не содержащая такого символа на определенном переходе, исключается из рас­ смотрения.

На следующем шаге выполнения алгоритма осуществляется вычисление апостериорных вероятностей переходов. Если неко­ торому состоянию модели инфаркта миокарда предшествует более чем одно состояние, каждое из которых отмечено одним и тем же символом алфавита У, то в обратной модели такое состояние со­ поставляется с соответствующим количеством переходов, выбор которых при подаче на вход обратной модели упомянутого символа осуществляется в соответствии с вероятностями, приписанными каждому из таких переходов. Если обратный автомат получен на основе прямой модели, то этим вероятностям присваиваются раз­ ные значения. Но если какой-нибудь из таких переходов оказыва­ ется включенным в состав гипотезы, не удовлетворяющей условию непротиворечивости, это означает, что конкретный диагностируе­ мый процесс не мог идти по пути, включающем названный пере­ ход. При последующих постановках диагноза для данного больно­ го этот путь отбрасывается, а вероятности перехода, включенного в противоречащую исходным данным гипотезу, присваивается нулевое значение. В соответствии с этим вероятности оставших­ ся переходов пересчитываются так, чтобы их сумма по-прежнему была равна единице. Таким образом, модель как бы индивидуа­ лизируется применительно к конкретному больному.

Переоценка значений вероятностей неоднозначных переходов может проводиться на основе априорных данных, если таковые имеются. В этом случае новые значения вероятностей вводятся в ЭВМ вместе с вводом всей информации от обратной модели перед началом решения диагностической задачи.

Последним шагом алгоритма является вычисление относитель^ ной частоты повторения каждой из оставшихся гипотез, т. е. ги­ потез, не противоречащих исходным для решения задачи дан­ ным.

На этапе прогнозирования и управления определяется такая последовательность лечебных воздействий, применение которых по отношению к данному состоянию позволило бы получить задан­ ную последовательность состояний модели. Поиск такой последо­ вательности осуществляется посредством сопоставления модели ин­ фаркта миокарда с фрагментами заданных состояний и лечебных воздействий (управление). Сопоставление осуществляется с по­ мощью обратной модели инфаркта миокарда, т. е. обратного ко­ нечного автомата класса I . Функционирование такого автомата состоит в том, что если установить его в состояние, соответству­ ющее данному состоянию прямой модели, и подать на его вход по­ следовательность символов алфавита Y, то с выхода автомата можно получить последовательность символов алфавита X, ко­ торая, будучи приложенной ко входу прямой модели, позволит получить на ее выходе заданную последовательность символов ал­ фавита Y. Решение задачи не однозначно, поскольку различные лечебные воздействия могут привести к одному состоянию модели. Чтобы выделить все возможные последовательности, в обратном автомате класса I , так же, как в обратном автомате класса И, вводятся вероятные переходы, а «проигрывание» последователь­ ности элементов осуществляется многократно.

Способ решения задачи поиска лечебных воздействий (управ­ ление) во многом сходен с описанным выше способом решения диагностической задачи. Действительно, если в задаче диагнос­ тики использовался обратный конечный автомат класса I I , то здесь эту роль играет обратный конечный автомат класса I . Если в за­ даче диагностики исходными данными являлись фрагменты пред­ шествующих состояний и лечебных воздействий, то здесь эту роль играют фрагменты будущих состояний и лечебных воздействий (прогноз). Поэтому алгоритм решения задачи поиска лечебных воз­ действий аналогичен описанному выше алгоритму диагностики. Разница лишь в том, что в качестве начальных'состояний обратного автомата класса I выбираются состояния, соответствующие тем, которые завершали цепи элементов модели, найденные на этапе диагностики, т. е. гипотезы о текущем состоянии больного. При­ чем их выбор осуществляется по вероятностному критерию в соответствии с теми значениями вероятностей (относительно ча­ стоты появления), которые были найдены в результате решения диагностической задачи.

Результатом решения задач управления и прогноза в общем случае является некоторое множество управляющих гипотез с ве­ роятностными оценками. Врачу предоставляется право выбора той или иной из них в соответствии с его собственными соображе­ ниями.

114

Следует заметить, что достоверность получаемых решений почти целиком определяется полнотой и достоверностью постро­ енной модели инфаркта миокарда. Если в процессе работы с мо­ делью будут выявлены какие-либо неточности или понадобится внести в модель новые сведения, то это всегда можно сделать изменением или дополнением соответствующих переходов. При этом алгоритмы решения задач остаются без перемен и изменений.

Для реализации данного алгоритма разработаны программы для ЭВМ «ВЭСМ-4» и «БЭСМ-6». Для каждой из машин исполь­ зуется по две программы: «Программа обращения конечного ав­ томата» и программа «Диагноз — поиск управления». Первая про­ грамма позволяет по представленному в исходных данных описа­ нию функционирования автомата —модели инфаркта миокарда — получить описания функционирования многошаговых конечных автоматов классов I и И. Эти описания служат базовой информа­ цией для работы второй программы, исходными данными для которой являются ретроспективная и перспективная последова­ тельности фрагментов состояний и лечебных воздействий для кон­ кретного больного. Результат работы этой программы в общем случае — множество диагностических и управляющих гипотез.

Разработанные и отлаженные варианты программ позволяют решать задачи для модели, содержащей порядка 2000 («БЭСМ-4») и 10000 («БЭСМ-6») переходов.

Экспериментальные расчеты на ЭВМ проводились на материале разных историй болезни, в том числе тех, которые были исполь­ зованы при составлении модели. Исходные данные для первичной диагностики составляли взятые из историй болезни наборы симп­ томов, характеризующие состояние больного при поступлении его в клинику или в определенный день пребывания в клинике. В качестве цели управления задавались значения характеристик состояния больного, которые по существующим медицинским пред­ ставлениям сопутствуют его выздоровлению.

Совокупность последовательностей лечебных воздействий, вы­ даваемая ЭВМ, оценивалась по смыслу.

Кроме того, проводились эксперименты по вторичной и после­ дующим диагностикам состояния больного, когда по истории бо­ лезни задавалась ретроспективная временная последовательность симптокомплексов (длиной более единицы) и комплексов проведен­ ных лечебных мероприятий. Задание цели управления и оценка результатов решения в этом случае осуществлялись так же, как и в предыдущем.

Следует отметить, что во всех случаях ЭВМ выступала в роли советчика: окончательное решение принимал врач, беря за ос­ нову варианты, выдаваемые ЭВМ. Именно так и следует пред­ ставлять себе использование ЭВМ в медицинских задачах, так как в силу недостаточной изученности патологических процессов, их многовариантности и т. д. информационная модель не содержит полных сведений о характере протекания этих процессов. Поэтому

y47t очень важным является свойст­ во конечно-автоматной модели 0 :пополнять сведения, фиксируе­ мые ею, путем расширения ал-, фавитов х, у ж дополнения внут­ ренних состояний и связей меж­ ду ними за счет новых случаев

из медицинской практики. Было проведено две серии

экспериментов на массиве 59 ис­ торий болезни, использованных при построении информационной модели инфаркта миокарда, и на массиве 41 истории болезни, которые не вошли в модель (всего 100 историй болезни).

В первой серии экспериментов осуществлялась диагностика состояний машинной модели инфаркта миокарда по предъявляе­ мым модели диагностическим фрагментам.

Во второй серии экспериментов, исходя из определенных ис­ ходных состояний, производился поиск управления по предлагае­ мой модели цели управления. При этом в качестве исходных мо­ жет выступать одно состояние или последовательность из двухтрех состояний модели. При решении задач поиска управления одновременно осуществляется прогнозирование, т. е. оценка вари­ антов причинно-следственных цепочек.

На рис. 9 представлены результаты работы модели по диаг­ ностике состояния и прогнозированию течения инфаркта миокарда у больного К. (история болезни № 1915). Диагноз: острый мелко­ очаговый инфаркт миокарда (переднебоковой стенки левого же­ лудочка и межжелудочковой перегородки), гипертоническая бо­ лезнь.

Модели были предъявлены—в качестве диагностических—два фрагмента, отражающих состояния больного при поступлении в клинику и на шестой день пребывания в ней (последовательность диагностических фрагментов).-

Состояние при поступлении в клинику: сильные боли в области сердца в течение нескольких часов, температура до 37°, дыхание нормальное, частота сердечных сокращений до 150 в 1 мин, арте­

вый правильный ритм.

Получено два варианта решения задачи. В первом причинноследственная цепочка представлена четырьмя состояниями.

116

Первое состояние (у 502, день поступления в клинику): силь­ ная боль в области сердца в течение нескольких часов, темпера­ тура до 37°, дыхание нормальное, частота сердечных сокращений до 150 в 1 мин, артериальное давление превышает 140 ммрт. ст., гипертонический криз, пульсовое давление превышает 50 мм рт ст., границы сердечной тупости увеличены влево и вправо не­ значительно, тоны сердца глухие, синусовая тахикардия, коли­ чество лейкоцитов в крови до 8000, РОЭ до 15 мм;

л е ч е б н о е в о з д е й с т в и е ^ 262): изоланид, диба­ зол, индерал, папаверин, антикоагулянты непрямого действия.

Второе состояние (у 535): температура до 37°, дыхание нор­ мальное, частота сердечных сокращений до 150 в 1 мин, артери­ альное давление до 120 мм рт. ст., пульсовое давление до 50 ммрт. ст., границы сердечной тупости увеличены влево и вправо

мальное, частота сердечных сокращений до 90 в 1 мин, арте­ риальное давление до 120 мм рт. ст., пульсовое давление до 50 мм рт. ст., границы сердечной тупости увеличены вправо и влево

тин, папаверин, димедрол, витамин Вв , хлористый калий, ан­

базол, раунатин, папаверин, интенсаин, димедрол, витамин Be, хлористый калий, антикоагулянты непрямого действия.

117