Министерство здравоохранения УкраиныХарьковский национальный медицинский университет

МЕДИЦИНСКАЯ ИНФОРМАТИКА.УЧЕБНИК ДЛЯ СТУДЕНТОВ 2 КУРСА МЕДИЦИНСКИХ ВУЗОВ.

В 2 частях

Часть 2

Харьков ХНМУ 2017

Laboratory Practice

on Biophys-ics.

УДК 681.3.06 (075)ББК 5.73фя73

М42

Рецензенты: Артамонова Н.О., к.б.н., с.н.с. отдела научного анализа и

мониторинга интеллектуальной собственности ГУ "Институт медицинской радиологии им. С.П.Григорьева АМНУ.

Чайников С.И., к.т.н. проф. кафедры системотехники Харьковского национального университета радиоэлектроники.

Авторы: М.А. Бондаренко, Е.В. Высоцкая, Н.А. Гордиенко, О.В. Зайцева, Т.Р. Кочарова, В. Г. Книгавко, С.Н. Лад, О.П. Мещерякова, Н.П. Полетова, Е.Б. Радзишевская, Л.М. Рисованая, А.С. Солодовников, И.В. Шуба.

Утверждено ученым советом ХНМУ. Протокол № от

М42Медицинская информатика: учебник для студентов 2 курса медицинских ВУЗов: в 2 ч./ под ред. В. Г. Книгавко − Харьков, ХНМУ, 2017. – Ч.2. - 197 с.

В учебнике с позиций системного подхода изложены основы медицинской информатики. Представлены сведения об основах общей информатики, формальной логики в решении задач диагностики, лечения и профилактики заболеваний, использовании теории принятия решений в медицине, рассмотрены вопросы доказательной медицины. Обсуждаются проблемы биологической, медицинской и физиологической кибернетики, кратко излагаются сведения о медицинской аппаратуре и системах замещения утраченных функций. Достаточно широко представлены вопросы, касающиеся медицинских экпертных систем. Изложены сведения об этических и правовых принципах управления информацией в системе здравоохранения. Первая книга учебника содержит материалы, относящиеся к первому и второму разделам курса, вторая – к третьему и четвертому. Учебное пособие предназначено для студентов медицинских вузов.

УДК 681.3.06 (075) ББК 5.73фя73

©Харьковский национальний медицинский университет, 2016

2

ТЕМА 8«ФОРМАЛЬНАЯ ЛОГИКА В РЕШЕНИИ ЗАДАЧ ДИАГНОСТИКИ,

ЛЕЧЕНИЯ И ПРОФИЛАКТИКИ ЗАБОЛЕВАНИЙ»

План:1. Введение.2. Знания и их представление в системах искусственного интеллекта

2.1. Понятие «знания»2.2. Виды знаний, их свойства2.3. Модели представления знаний

3. Логические модели3.1. Формальные системы3.2. Логика исчисления высказываний3.3. Логика исчисления предикатов

ВведениеСовременные информационные технологии (ИТ) все в большей

степени помогают сближению медицины с точными науками, в частности с математикой. Информационные технологии позволяют автоматизировать процессы диагностики, прогнозирования и выбора лечения, дают возможность определить ряд закономерностей в течение болезни, сопоставляя одновременно множество ее признаков, обеспечивают эффективную обработку (переработку) большого количества информации.

В настоящее время медицине известно уже более 10 тысяч болезней и около 100 тысяч симптомов, способных проявляться в различных сочетаниях. В связи с таким огромным потоком информации с каждым годом процесс постановки диагноза усложняется, что порождает врачебные ошибки. Здесь на помощь врачу приходят информационные технологии в качестве, например, систем искусственного интеллекта (СИИ).

Под искусственным интеллектом понимается способность автоматических или автоматизированных систем брать на себя функции интеллекта человека, например, принимать оптимальные решения на основе анализа внешних воздействий и с учетом ранее полученного опыта. Можно выделить несколько направлений, в которых развиваются СИИ: экспертные системы, интеллектуальные игры, распознавание образов, робототехника, общение с эвм на естественном языке.

Искусственный интеллект (ИИ) – быстро развивающееся направление современной информатики. Основной целью исследований, выполняемых в ии, является разработка компьютерных систем, способных выполнять функции, которые свойственны интеллекту человека (понимание языка, логический вывод, использование накопленных знаний, обучение, планирование действий и т.д.).

В настоящее время область практического применения интеллектуальных систем все более смещается в сферу трудно

3

формализуемых задач, для которых характерны следующие особенности:

Задача не может быть определена в числовой форме (требуется символьное представление);

Алгоритмическое решение задачи неизвестно (хотя возможно и существует) или не может быть использовано из-за ограниченных ресурсов (памяти компьютера, быстродействия);

Цели задачи не могут быть выражены в терминах точно определенной целевой функции или не существует точной математической модели задачи.

Все это как раз характерно для задач медицинской диагностики, лечения и профилактики заболеваний.

Системы, основанные на знаниях, не отвергают и не заменяют традиционных подходов к решению формализованных задач. Они отличаются тем, что ориентированы на решение трудно формализуемых задач. Интеллектуальные системы особенно важны там, где наука не может создать конструктивных определений, область определений меняется, ситуации зависят от контекстов и языковая (описательная) модель доминирует над алгоритмической.

Знания и их представление в системах искусственного интеллекта

Одним из наиболее сформировавшихся направлений ии является «представление знаний» (knowledge representation) – структурирование знаний с целью формализации процессов решения задач в определенной предметной области.

С понятием базы знаний мы уже сталкивались при обсуждении консультативно-диагностических систем в разделе «современные информационные технологии в медицине».

Понятие «знания»Представление знаний и поиск решений образуют ядро ии.

Существуют различные определения понятия «знания». Однако, многими исследователями признается, что знания – это сложноорганизованные данные, хранимые в памяти СИИ и включающие в себя сведения об объектах, их окружении и отношениях между ними, процессах взаимодействия объектов во времени и пространстве, правилах осуществления логического вывода. Важным элементом этого определения является указание на то, что знание – это информация, на основе которой выполняется логический вывод.

Виды знаний, их свойстваМожно выделить следующие виды знаний.Фактические и стратегические знания. Фактические знания еще

называют текстовыми, имея в виду достаточную их освещенность в учебниках и специальной литературе. Например, студенты-медики при изучении детских болезней узнают, что рахит (гиповитаминоз Д) – это

4

дефицит в организме витамина д экзогенного происхождения. Стратегические знания (стратегия принятия решения в данной области) основывается на индивидуальном опыте специалиста (эксперта), накопленном в результате многолетней практики. Эта категория знаний нередко играет решающую роль при построении индивидуальных программ. Сюда относятся такие знания, как «способы удаления бесполезных гипотез», «способы разрешения противоречий» и т.д. Например, лечение рахита у детей различной степени сложности: рыбий жир, различные дозы витамина Д2, ультрафиолетовое облучение и т.д.

Декларативные и процедурные знания. Под декларативными знаниями подразумевают знания типа «а это в» и они характерны для баз данных. Это, например, такие факты, как «в час пик на улице много машин», «зажженная плита - горячая», «скарлатина – инфекционное заболевание»… фактически, декларативные знания характеризуют то, над чем надо проводить действия.

К процедурным знаниям относятся сведения о способах преобразования декларативных знаний, или оперирования, т.е. Действия для получения результата.

Деление знаний на фактические и стратегические указывает на источник их появления, а классификация «декларативные-процедурные» характеризует знания с точки зрения х активности.

Знания характеризуются рядом свойств, отличающих их от традиционных моделей данных. Перечислим эти свойства.

Внутренняя интерпретируемость. При хранении знаний в памяти СИИ, наряду с традиционными элементами данных, хранятся и информационные структуры, позволяющие интерпретировать содержимое соответствующих ячеек памяти. Иными словами, при хранении структурированных данных (таблицы) в памяти ии хранится также «шапка таблицы» (протоструктура информационных единиц). Строки таблицы называются «информационной единицей», а столбцы – «слотами».

Структурированность. Знания состоят из отдельных информационных единиц, между которыми можно установить классифицирующие отношения: род – вид, класс – элемент, тип – подтип, часть – целое и т.п.

Связность. Между информационными единицами предусматриваются связи различного типа: причина – следствие, аргумент – функция. Данные связи определяют семантику и прагматику (практику) предметной области. Семантика – раздел лексикологии, занимающийся изучением значений слова, оборота речи.

Семантическая метрика (шкалирование). На множестве информационных единиц, хранимых в памяти, вводятся некоторые шкалы (отношения), позволяющие оценить их семантическую близость (т.е. силу ассоциативной связи между ними). Это позволяет находить в информационной базе знания, близкие к уже найденным. Например, течение болезни – острое, подострое, хроническое.

5

Активность. С помощью данного свойства подчеркивается принципиальное отличие знаний от данных. Выполнение тех или иных действий в СИИ инициируется состоянием базы знаний. При этом предполагается, что появление новых фактов и связей может активизировать систему, т.е. Не процедурные знания активизируют декларативные, а, наоборот, та или иная структура декларативных знаний оказывается активатором для процедурных. Иными словами, выполнение тех или иных действий в системе искусственного интеллекта инициируется текущим состоянием информационной базы.

Модели представления знанийЦентральным вопросом построения систем, основанных на

знаниях, является выбор формы представления знаний. Представление знаний – это способ формального выражения знаний о предметной области в интерпретируемой компьютерными методами форме. Соответствующие формализмы, обеспечивающие указанное представление, называют моделями представления знаний.

Модели представления знаний также можно условно разделить на декларативные (описательные) и процедурные (алгоритмические). В декларативных моделях знания представляются в виде описаний объектов и отношений между объектами без указания в ясном виде, как эти знания обрабатывать. Такие модели предполагают отделение описаний (деклараций) информационных структур от механизма вывода, оперирующего этими структурами. В процедурных моделях знания представляются алгоритмами (процедурами), которые содержат необходимые описания информационных элементов и одновременно определяют способы их обработки.

Конкретные модели, применяемые на практике, представляют собой комбинацию декларативных и процедурных представлений. Наиболее распространенными являются следующие модели представления знаний:

логические модели; продукционные модели; сетевые модели; фреймовые модели.

Логические модели реализуются средствами логики предикатов (подробнее описано далее в п.3). В этом случае знания о предметной области представляются в виде совокупности логических формул. Тождественные преобразования формул позволяют получать новые знания. Достоинством логических моделей представления знаний является наличие четкого синтаксиса и широко принятой формальной семантики, а также теоретически обоснованных процедур автоматического вывода. Основным недостатком данных моделей является невозможность получения заключений в областях, где требуются правдоподобные выводы, когда результат получается с определенной оценкой уверенности в его истинности.

6

Тем не менее, логические модели выступают в качестве теоретической основы описания самой системы представления знаний и постепенно расширяют свои возможности. Поэтому в дальнейшем этим моделям уделяется значительное внимание.

В продукционных моделях знания представляются набором правил вида “если А, то В”, где условия правила а являются утверждением о содержимом базы фактов, а следствие в говорит о том, что надо делать, когда данное продукционное правило активизировано.

Продукционные модели представления знаний благодаря естественной модульности правил, наглядности и простоте их создания широко применяется в интеллектуальных системах.

Семантические сети являются частным случаем сетевых моделей представления знаний. Формально сетевые модели задаются в виде

H = < I, C1, C2, …, Cn, Q >,где I – множество информационных элементов, хранящихся в узлах сети; C1 , C2 ,…, Cn – типы связей между информационными элементами; Q – правило, которое устанавливает соответствие между множеством типов связей и множеством информационных элементов сети.

Сетевые модели представления знаний различаются между собой типами используемых связей (отношений). Если в сети используются иерархические связи (класс-подкласс, род-вид и т.п.), то сеть называется классифицирующей. Если связи между информационными элементами представляются функциональными отношениями, позволяющими вычислять значения одних информационных элементов по значениям других, то сети называют функциональными (вычислительными). Если в сети допускаются связи различного типа, то ее называют семантической сетью.

Семантическая сеть представляет собой направленный граф, в котором вершинам соответствуют объекты (сущности) предметной области, а дугам (или ребрам) – отношения, в которых находятся эти объекты. Вывод в семантических сетях может выполняться на основе алгоритмов сопоставления, путем выделения подграфов с определенными свойствами.

К достоинствам семантических сетей относят: большую выразительную способность, наглядность графического представления, близость структуры сети к семантической структуре фраз естественного языка. Недостатком представления знаний в виде семантических сетей является отсутствие единой терминологии. Данная модель представления знаний находит различное воплощение у разных исследователей.

Фреймовые модели представления знаний используют теорию организации памяти, понимания и обучения, предложенную Марвином Минским. Фрейм (от англ. Frame – рамка, каркас, остов) – структура данных, предназначенная для представления стереотипных ситуаций. Фрейм состоит из слотов (slot – гнездо, щелка, паз). Значением слота

7

могут быть числа, выражения, тексты, программы, ссылки на другие фреймы. Совокупности фреймов образуют иерархические структуры, построенные по родовидовым признакам, что позволяет наследовать значения слотов. Такое свойство фреймов обеспечивает экономное размещение базы знаний памяти. Кроме этого, значения слотов могут вычисляться с помощью различных процедур, т.е. Фреймы комбинируют в себе декларативные и процедурные представления знаний. Фреймовые модели можно понимать как сетевые модели представления знаний, когда фрагмент сети представляется фреймом с соответствующими слотами и значениями. С фреймовыми моделями связаны модели представления знаний на основе сценариев и объектов.

Логические моделиОсновной формой представления знаний признается

логическая модель. Логическая база знаний строится в исчислении предикатов — то есть в логической системе, в основе которой лежит понятие «предикат». Предикат — это функция, которая может принимать одно из двух значений: «истина» или «ложь». Для баз знаний, построенных на предикатах, разработаны алгоритмы, позволяющие путем рассуждений, выполняемых компьютером, извлекать новые знания. В основе логических моделей представления знаний лежит понятие формальной системы. Основным аппаратом при работе с логическими моделями является аппарат алгебры логики. Задача алгебры логики – оптимизация логических выражений, т.е. приведение выражений к виду, содержащему наименьшее число аргументов или операций над ними.

Формальные системыФормальная система (ФС) задается четверкой

M= { T, P, A, R },где T – множество базовых элементов; P – множество синтаксических правил; A – множество аксиом; R – множество правил вывода. Выясним суть элементов, образующих ФС. Синтаксис – раздел грамматики, изучающий способы соединения слов в словосочетания и предложения. Аксиома – истина, не требующая доказательств; самоочевидное логически необходимое суждение, лежащее в основе доказательства научных истин (“целое больше своей части”).

Множество Т состоит из конечного или бесконечного числа элементов различной природы. Элементы множества Т – алфавит ФС, на основе которого строятся все остальные составные части ФС. На множество Т никаких ограничений не накладывается. Важно только, чтобы для Т существовала процедура проверки принадлежности некоторого элемента множеству Т.

Множество синтаксических правил Р позволяет строить из элементов Т синтаксически правильные совокупности базовых элементов. На множество синтаксических правил также не

8

накладывается особых ограничений. Требуется только, чтобы существовала конструктивная процедура, которая позволяла бы за конечное число шагов дать однозначный ответ на вопрос, является ли данная совокупность элементов из Т синтаксически правильной. Такие совокупности называют правильно построенными формулами (ППФ).

Среди всех ППФ выделяют некоторое подмножество аксиом А. При этом должна существовать процедура, позволяющая для любой ППФ решить вопрос, является ли она аксиомой данной ФС.

Наконец, R – это конечное множество отношений между ППФ, называемых правилами вывода.

Рассмотрим два класса ФС, широко используемых в системах искусственного интеллекта: исчисление высказываний и исчисление предикатов. Исчисление предикатов представляет собой развитие исчисления высказываний и включает его полностью, как составную часть. Данные системы используют модель дедуктивного вывода, т.е. вывода, при котором из заданной системы посылок с помощью фиксированного набора правил формируются частные заключения.

Логика исчисления предикатов (логическая связь между утверждениями)

Высказыванием называется предложение, содержание которого можно оценить как истинное или ложное. В естественных языках высказывания выражаются последовательными предложениями. Например, «сегодня ясная погода», «пять меньше трех» и т.п. Будем обозначать высказывания прописными латинскими буквами A, B, C,…X, Y, Z и называть их пропозициональными символами (лат. рroposito – предложение, высказывание). Пропозициональные символы могут принимать два значения: истина (И) и ложь (Л). Значения И и Л называются значениями истинности. В алгебре логики они принимают, соответственно значения 1 и 0.

На основе заданных высказываний с помощью логических связок (союзов) образуются сложные высказывания. Указанные связки выражаются в естественном языке словами «И», «ИЛИ», «ЕСЛИ…, ТО…», «неверно, что а» и называются, соответственно, конъюнкция, дизъюнкция, импликация и отрицание. Для обозначения данных связок используются специальные символы, соответственно: , ,, ¬. Каждую логическую связку можно рассматривать, как операцию, которая из простых высказываний образует сложное высказывание.

Рассмотрим подробнее указанные, а также некоторые другие логические функции, являющиеся их комбинациями.

В алгебре логики отрицание переменной Х, или инверсия, представляет собой логическое не и обозначается (или ¬Х).

Дизъюнкция является логическим сложением, представляет собой логическое или и для двух аргументов записывается следующим образом:

F1 (X, Y) = XY = X+Y.Функция F1 – функция дизъюнкции двух аргументов.

9

Функция истинна, когда истинны Х или Y. Конъюнкция является логическим умножением, представляет собой логическое И и для двух аргументов записывается следующим образом:

F2 (X, Y) = XY = X Y.Функция F2 – конъюнкция двух переменных. Функция истинна,

когда обе переменные истинны. Следующая логическая операция – функция Пирса (F3)

обозначается «стрелкой Пирса» и описывает логическую функцию «ИЛИ-НЕ». Эта функция определяется в два этапа: сначала выполняют дизъюнкцию входных переменных, а потом над результатом первого этапа выполняют операцию не ( Y). Функция Пирса истинна, когда обе переменные ложны.

Функция Шеффера (F4) обозначается «штрихом Шеффера» и описывает логическую операцию (И-НЕ). Эта функция также реализуется за два этапа: сначала выполняют конъюнкцию входных переменных, а потом операцию не . Функция ложна только тогда, когда обе переменные истинны.

Функции дизъюнкции, конъюнкции, Пирса и Шеффера в общем случае являются функциям произвольного числа аргументов.

Дизъюнкцией n аргументов называется логическая функция, которая обращается в нуль только в том случае, когда все аргументы равны нулю, т.е. на наборе 0,0,..0,0, и в единицу на всех остальных наборах, когда хотя бы один аргумент равен единице.

Конъюнкцией n аргументов называется логическая функция, которая обращается в единицу только в том случае, когда все аргументы равны единице, т.е. на наборе 1,1,..1,1, и в нуль во всех остальных случаях.

Аналогично определяются функции Пирса и Шеффера n аргументов. Функция Пирса обращается в единицу только на наборе 0,0,..0,0, а на всех других наборах равняется нулю. Функция Шеффера обращается в нуль только на наборе 1,1,.. 1,1, а на всех других наборах равняется единице.

Функция F5 называется функцией эквивалентности или равнозначности и для ее обозначения используется символ «»: ХY и читается «X равнозначно Y». Эквивалентность – сложное высказывание, имеющее значение «истина», когда оба составляющих его высказывания истинны или оба ложны.

Функция F6 - функция неравнозначности (функция сложения по модулю два). Функция истинна, если истинно либо только X, либо только Y. Эта функция обозначается как XY.

Функция F7 - носит название импликации от X к Y, обозначается XY и читается «если X, то Y» или «Х влечет Y». Результат операции равен «лжи» только в том случае, если Х равен «истине», а Y – «лжи». Во всех остальных случаях – «истина» («…только из правды не следует ложь, все остальное возможно»).

10

Простейшие составные высказывания, образованные с помощью логических операций (функций), задаются таблицей истинности, приведенной ниже.

Сложные высказывания, составленные из исходных высказываний (обозначаемых пропозициональными символами) и знаков логических операций, называют формулой. Так высказывание «если 30 делится на 2 и на 3, то 30 делится на 6» можно записать в виде формулы АВС. Данная формула будет соответствовать не только конкретному высказыванию, упомянутому выше, но и множеству всех других высказываний, имеющих подобную структуру. Поэтому исчисление высказываний не рассматривает конкретное содержание высказываний, а занимается анализом и синтезом формул и изучением отношений между формулами.

Теперь, вернувшись к началу рассмотрения формальных систем, можно сказать, что множество базовых элементов т исчисления высказываний состоит из:

1) пропозициональных переменных - А, В, С,...;2) логических констант – «истина» (И) и «ложь» (Л);3) символов логических операций – , , , (двойная

импликация),;4) скобок - (, ).

Х Y F1 (+) F2 (&) F3 () F4 () F5 () F6 () F7 ()XY

(или)XY(и)

(или-не)

(и-не)

XY XY XY

Выражение через конъюнкцию, дизъюнкцию

и отрицание

X or Y

Ф-я дизъюнк-ции

X and

YФ-я конъюн-кции

not X and not Y

Ф-я Пирса

not X ornot YФ-я

Шеффера

(not X and not Y) or (X and Y)

Ф-я рав-

нознач-ности

(X and not Y) or (not X and Y)Ф-я не-

равнозна-чности

(not Xor Y)Ф-я

импли-кации

Л Л Л Л И И И Л ИЛ И И Л Л И Л И ИИ Л И Л Л И Л И ЛИ И И И Л Л И Л И

ППФ исчисления высказываний определяются с помощью следующих правил:

1) всякая пропозициональная переменная есть ППФ;2) логические константы И и Л - это ППФ;3) если Ф1 и Ф2 ППФ, то , , Ф1 Ф2, Ф1 Ф2, Ф1 Ф2 –также

ППФ;4) других правил образования ППФ нет.

11

Правила 1) и 2) определяют элементарные формулы, а правило 3) указывает, как из элементарных формул строить новые формулы.

Две формулы называют равносильными (эквивалентными), если они принимают одинаковые значения на всех наборах входящих в них переменных (интерпретациях). Для обозначения равносильности применяется знак , например, Ф1 Ф2.

Отношение равносильности позволяет выражать одни логические операции через другие. Закон инверСИИ (правило де Моргана) устанавливает связь между конъюнкцией и дизъюнкцией:

, .

Отметим, что данные записи не являются формулами исчисления высказываний, так как знак не входит в множество Т. Эти записи представляют собой высказывания о формулах логики, выраженные на метаязыке, на котором изучается логика.

Исчисление предикатов (логическая связь между элементами утверждений)

Исчисление предикатов – это общее название формальных систем, служащих для формализации логических умозаключений, в которых учитывается:

- логическая структура суждений (то есть, каким образом данное суждение получено из других с помощью логических операций);

- субъектно-предикатная структура суждений, то есть связь между субъектом суждения (о чем говорится в данном суждении) и предикатом (что говорится о субъекте).

Ккак уже упоминалось, n-местным предикатом Р(х1, х2,…хn) называется логическая функция от любого числа аргументов, принимающая значение «истина» или «ложь».

Аргументы х1, х2,…хn называют предметными переменными, а их конкретные значения – предметными постоянными. Функциональную букву р называют предикатным символом. При постановке вместо предметной переменной хn некоторой предметной константы а n-местный предикат Р(х1, х2,…а) от хn уже не зависит. Если все переменные предикаты заменить соответствующими предметными константами, то получается 0-местный предикат, т.е. Высказывание.

Например, трехместный предикат Р(х1, х2, х3) = «х1, есть произведение х2 на х3» переходит в высказывание при подстановке х1=6, х2=2, х3=3. Значение этого высказывания – «истина».

Рассмотрим пример. Свойство города быть столицей некоторого государства в

соответствующей предметной области может быть представлено одноместным предикатом столица с соответствующим значением аргумента. Например, столица («Москва»), столица («Киев»), столица («Ташкент») и т.д. В то же время столица («Мерефа») не попадет в базу знаний, так как мерефа не является столицей.

12

Отношения между объектами представляются многоместными предикатами. Например, двухместный предикат столица_страны может использоваться для указания, столицей какого государства является данный город: столица_страны(«Москва», «Россия»), столица_страны(«Киев», «Украина»), столица_страны(«Ташкент», «Узбекистан») и т.д. Можно ввести отношение между городами и континентами, в которых они находятся, например, город_континента(«Киев», «Европа»), город_континента («Мерефа», «Европа»), город_континента(«Ташкент», «Азия») и пр. Все подобные предикаты с теми значениями аргументов, при которых им задается значение «истина», включаются в базу знаний и называются фактами.

Помимо фактов в базу знаний входят правила, с помощью которых и выводятся новые знания. Правила имеют смысл «если A1,…Ai,…, An, то B». Здесь Ai и B — предикаты, причем Ai называются посылками, А B — заключением. С помощью таких правил новые предикаты могут задаваться через введенные ранее. Например, предикат P(x), задающий свойство быть столицей европейского государства, может быть задан правилом, использующим ранее введенные предикаты:

Столица(x), Город_континента (x, «Европа»)Здесь х – это переменная, возможные значения которой –

города, включенные в предметную область. Смысл данного правила очевиден: если «x» является столицей и находится в европе, то «x» является столицей европейского государства.

Для того чтобы получить интересующие его сведения, пользователь должен предложить системе, работающей с базой знаний, некоторое задание, которое в ИИ обычно называется вопросом. Например, «является ли Москва столицей?», «является ли Киев столицей Украины?», «является ли Мерефа столицей?», «вывести список всех столиц», «вывести список всех столиц европейских государств».

Вопросы представляются в виде одного или нескольких предикатов. В нашем случае имеем: столица(«Москва»)?, столица_страны(«Киев», «Украина»)?, столица(«Мерефа»)?, столица(x)?, Р(x)?. Ответы на первый и второй вопросы будут «да», на третий – «нет», а на четвертый и пятый – списки всех городов-столиц и всех городов – столиц европейских государств, включенных в предметную область. Для формирования ответов система применит алгоритм построения логического вывода, который осуществляет перебор, то есть, возможно, многократный просмотр предикатов, включенных в базу знаний. В примере, который мы рассматриваем, для ответов на первые три вопроса системе достаточно проверить, имеются ли в базе знаний предикаты с аргументами, указанными в вопросах. Четвертый вопрос потребует формирования списка всех аргументов, с которыми предикат столица включен в базу знаний. Для этих действий понадобится однократный просмотр базы знаний. Сложнее формируется ответ на пятый вопрос. Дело в том, что предикат Р(х)

13

задан в базе знаний не фактами, а правилом. В этом случае алгоритм должен многократно выполнить следующую последовательность действий:

Найти очередное значение переменной x, с которым предикат столица(x) из первой посылки входит в базу знаний.

Проверить, входит ли предикат город_континента(x, «Европа») с найденным значением x в базу знаний.

Если второй пункт даст положительный результат, данное значение x включается в формируемый ответ, а выполненная последовательность действий считается логическим выводом этого значения.

В нашем примере в результате выполнения первого шага будут найдены значения x = «Москва», «Киев», «Ташкент» и т.д. Первые два значения попадут в ответ, поскольку для них второй шаг даст положительный результат. Значение «Ташкент» в ответ не попадет, так как в базе знаний не окажется предиката город_континента(«Ташкент», «Европа»).

Вопросы, вынесенные на семинар:1. Искусственный интеллект. Системы искусственного интеллекта.2. Знание как базовое понятие систем искусственного интеллекта.3. Способы классификации знаний:

- фактические и стратегические (классификация по источнику появления)

- декларативные и процедурные (классификация по функциональному назначению: описание действия или объекта, на который направлено действие)4. Свойства знаний (внутренняя интерпретируемость, структурированность, связность, семантическая метрика, активность).5. Модели представления знаний (логические, продукционные, семнтические сети, фреймы, нейронные сети) и их основные характеристики.6. Логические модели. Предикат. n-местный предикат. Высказывание как инициализированный предикат. Формальная система. Алгебра логики.

ТЕМА 9«СИСТЕМНЫЙ АНАЛИЗ В МЕДИЦИНСКИХ ИССЛЕДОВАНИЯХ»

План:1. Сущность и принципы системного подхода. Системный подход к явлениям жизни.2. Общие понятия теории систем и системного анализа.3. Системный анализ и основные его этапы. 4. Принципы системного анализа взаимодействия структур организма.5. Особенности системного анализа при решении медицинских задач.

14

Сущность и принципы системного подходаВозникновение и развитие системного подхода было

подготовлено прогрессом научных исследований. Изучая те или иные элементы живых систем, физиологи всегда интересовались их внутренней структурой, рассматривая ее как ключ к пониманию принципов функционирования системы в целом. При этом применялось последовательное расчленение сложной системы на более простые. Такой подход полагает более тонкую детализацию структуры изучаемого объекта. По отдельным элементам системы, их структуре и функциям предпринимались попытки понять всю сложность комплекса. Однако такой аналитический подход дал мало для понимания структуры и функции организма в целом, так как организм представляет собой сложную систему с вероятностной организацией, имеющую качественно новые, не совпадающие со свойствами отдельных своих элементов особенности.

Одновременно развивался и второй метод исследования – интегральный, который применялся в тех случаях, когда внутреннее строение системы и сложные взаимосвязи составляющих ее элементов не известны или известны недостаточно. При этом наблюдению доступны лишь ее «вход», через который поступает информация из внешнего мира и «выход» – через который система «выдает» реакции, вырабатываемые ею в результате некоторого неизвестного процесса переработки информации. Все основы учения об условных рефлексах были заложены в результате опытов, проведенных этим путем, который известен как проблема «черного ящика». Под «черным ящиком» понимается система, в которой внешнему наблюдателю доступны только входные и выходные величины, а внутреннее устройство не известно. При этом оказывается, что ряд важных выводов о поведении системы можно сделать, наблюдая лишь реакции выходных величин на изменение входных. Такой подход, в частности, открывает возможности объективного изучения систем, устройство которых не известно или слишком сложно для того, чтобы описывать их поведение, исходя из свойств и взаимосвязей частей этих систем. «Черный ящик» используется в современной медицине. Когда больной приходит к врачу, то на основании жалоб, анамнеза, осмотра и данных первичного обследования возникает предположение о вероятностном диагнозе. Таким образом, врач на основании информации, полученной при воздействии на систему под названием «больной» пытается составить представление о структуре и функционировании этой системы при патологии.

Системный подход в медицинских задачах используется как синоним понятия комплексный подход и представляет собой методологию научного познания мира, в основе которой лежит исследование объектов этого мира как систем.

Системный подход позволяет раскрыть и объяснить механизмы, обеспечивающие целостность объекта исследования, выявляя все

15

многообразие его связей и объединяя их под единой теоретической основой.

Принцип целостности объекта исходит из того, что целое (например, организм человека) обладает таким качеством, которым не обладает ни одна из его частей в отдельности, например, система кровообращения. Такое свойство называется эмерджентностью (от англ. «emergent» – неожиданно возникающий).

Системный подход требует рассмотрения изучаемого явления или процесса (например, пищеварения) не только как самостоятельной системы, но и как подсистемы некоторой суперсистемы более высокого уровня (организм человека). При системном подходе изучается максимально возможное количество связей для того, чтобы не упустить существенные связи и факторы и оценить их эффективность.

Любой объект исследования может быть представлен или как подсистема некоторой системы более высокого ранга (это приводит к проблеме выделения системы, установление ее границ), или как система по отношению к совокупности подсистем более низкого ранга, которые образованы из элементов (это приводит к проблеме выбора первичного элемента). Системный подход характеризуется одновременным, всесторонним, комплексным рассмотрения объекта изучения, будь то процесс, явление, факт, или информация.

Общие понятия теории систем. Системы и их свойстваТермин «система» употребляется в различных областях науки

и техники. Например, астрономы используют понятие «солнечная система», физиологи – «система пищеварения», математики – «система уравнений» и т.д. Общим во всех этих вариантах употребления слова «система» является то, что ему сопутствует понятие некоторой упорядоченности множества элементов, наличие связи между элементами.

Система – совокупность (множество) элементов, между которыми имеются связи (отношения, взаимодействия). Таким образом, под системой понимается не любая совокупность, а упорядоченная. Если собрать вместе (объединить) однородные или разнородные элементы (медоборудование, пациенты, врачи, медикаменты), то это будет не системой, а лишь более или менее случайным смешением.

Другими словами, под системой понимают множество взаимодействующих между собой элементов. Функционирование каждого элемента подчинено необходимости сохранения системы в целом. Отдельные элементы системы объединены между собой причинно-следственными связями. Это означает, что изменение одного или нескольких элементов, одной или нескольких связей между элементами влечет за собой изменение других элементов и связей. Например, патологическое изменение структуры желудка (гастрит) может вызвать патологию желчного пузыря, поджелудочной железы и других элементов желудочно-кишечного тракта. Элементы системы в

16

рамках системного подхода рассматриваются с учетом их «места» и функции внутри целого.

Еще одним примером может быть живая клетка. В материально-вещественном отношении клетка состоит из ряда химических соединений – белков, нуклеиновых кислот. Каждое из этих соединений по отдельности является неживым химическим веществом, которое не обладает всей совокупностью жизненных функций (проявлений). Но в результате определенного способа взаимодействия (обмена, замещения, регенерации) эти химические соединения образуют целостность, т.е. собственно клетку, которая владеет качественно более сложными свойствами по отношению к первичным ее составляющим: способностью к обмену веществ, росту, самовоспроизведению, раздражительностью.

Считать ту или иную совокупность элементов системой или нет, зависит во многом также от целей исследователя и точности анализа, которая определяется возможностью наблюдать и описывать систему. Например, для разработчика и врача кардиологический диагностический комплекс – это система, а для пациента – только средство диагностики.

Признаками, позволяющими отличить систему от «не системы» является:

1) система – это совокупность элементов, которые сами могут рассматриваться как системы. Любая исходная система является частью более общей системы. Например, электрокардиограф может рассматриваться как часть диагностических средств больницы или часть диагностических средств города и т.д. (т.е. элемент системы может сам быть системой);

2) для системы характерно наличие интегративных свойств, которые присущи системе в целом, но не свойственны ни одному из ее элементов в отдельности. Например, измерять артериальное давление может прибор, но не его отдельные элементы (т.е. каждый элемент системы по отдельности не обладает свойствами, присущими системе в целом);

3) для системы характерно наличие существенных связей между элементами, т.е. скопление разрозненных, несвязанных частей не является системой (т.е. элементы системы должны взаимодействовать между собой). Все три признака связаны между собой, и наличие одного из них влечет за собой наличие двух остальных.

Примером системы является медицинская информационная система, представляющая собой комплекс математических и технических средств, которые обеспечивают сбор, хранение, обработку, анализ и выдачу медицинской информации в процессе решения медицинских задач.

Системой является также и организм человека. Если его рассматривать на органном уровне, то отдельными элементами являются органы. Все органы взаимосвязаны и образуют единое целое.

17

Свойства организма в целом не присущи отдельным его органам (они имеют свои свойства).

Подсистемой называют выделенное из системы подмножество взаимосвязанных элементов, объединенных некоторым целевым назначением.

Разделение системы на подсистемы, а подсистемы – на более мелкие, можно продолжать до тех пор, пока остаются элементы (минимум 2), объединенные общим признаком, целью.

Любая система может быть представлена как объединение (композиция) подсистем различных уровней и рангов.

Декомпозиция (разделение) системы на подсистемы может быть проведена по определенным признакам. Подробнее декомпозиция будет рассмотрена далее.

Деление системы на подсистемы по уровням называют иерархией.

Отдельным понятием теории систем является «структура».Структура системы – это частичное упорядочение элементов

системы и отношений между ними по какому-либо признаку. Иными словами, структура – все то, что вносит порядок во множество объектов, т.е. совокупность связей и отношений между частями целого, необходимых для достижения цели. Пример структур: извилины мозга, факультет, государственное устройство, кристаллическая решетка вещества, микросхема. Кристаллическая решетка алмаза – структура неживой природы; пчелиные соты и полосы зебры – структуры живой природы; озеро – структура экологической природы; партия (общественная, политическая) – структура социальной природы и т.д.

Структуры могут иметь различные типы: линейный (станции метро на одной (не кольцевой) линии в одном направлении; иерархический (структура управления вузом: «ректор – проректор – декан – заведующий кафедрой); сетевой (при организации работ при строительстве дома: некоторые работы, например, монтаж стен, благоустройство территории и др. можно выполнять параллельно); матричный (структура работников отдела НИИ, выполняющих работы по одной и той же теме). В биологии и медицине структура – это морфологически и функционально однородная часть системы, имеющая связи с другими структурами.

Структуры системы тесным образом связаны с внешней средой системы – совокупностью факторов, действующих на систему извне.

Одним из базовых понятий теории систем является понятие элемента системы.

Элемент системы – это часть системы, рассматриваемая в каждом конкретном исследовании как простейшая, имеющая связи с другими элементами. Таким образом под элементом системы понимают объекты, выполняющие определенные функции и не подлежащие дальнейшему расчленению (в рамках поставленной задачи).

Элемента в абсолютном виде и вне системы не существует. В этом прослеживается одно из проявлений гносеологического подхода:

18

элемент как неделимая часть может рассматриваться только применительно к конкретной модели системы. Если же рассматривать модель другой системы, то «элемент» предыдущей модели в этой модели уже не будет неделимым. Например, с точки зрения экономической модели общества, человек не может рассматриваться как элемент, а с точки зрения биологической модели человека – это сложная суперсистема, которая состоит из множества систем (нервной, опорно-двигательной, кровообращения).

Каждая система может быть представлена как элемент системы более высокого уровня. И в то же время элементы или группы элементов данной системы можно рассматривать как самостоятельные системы более низкого уровня. То есть речь идет об иерархии систем. Например, органы можно рассматривать как системы для элементов – клеток, а клетки, в свою очередь, можно считать системами, состоящими из элементов – молекул, атомов и т. д.

Живые организмы можно рассматривать на разном уровне и в разных плоскостях системного анализа. Так, структура, элементарная для формирования системы более высокого уровня, одновременно сама является системой, образованной из элементов предшествующего уровня (рис. 9.1).

Рис. 9.1. Схематическое изображение иерархии уровней организации живого, каждый из которых является и элементом, и системой.

Биологический объект в контексте решаемой проблемы может рассматриваться и как система, и как подсистема, и как структура.

Помимо деления систем по их сложности, они подразделяются на детерминированные и вероятностные.

Для полностью детерминированной системы возможно только одно состояние, вероятность которого равна единице. Такая система не

19

обладает гибкостью и не может адаптировать свои свойства к окружающим условиям.

Реальные системы являются вероятностно-детерминированными, а их разделение на вероятностные и детерминированные условно: к вероятностным относятся системы, у которых большинство возможных состояний имеют близкие значения вероятностей, причем сумма этих вероятностей достаточно велика (близка к единице); к детерминированным относятся системы, у которых вероятность одного из возможных состояний больше суммы вероятностей всех других состояний.

Методы, используемые для исследования вероятностных и детерминированных систем, в большинстве случаев различны. Например, для исследования детерминированных систем чаще всего применяют аппарат дифференциальных уравнений и теорию автоматического регулирования, а для исследования вероятностных – аппарат теории вероятностей и методы математической статистики.

В целом, исследование всех видов систем основано, главным образом, на изучении связей между элементами, структурами и подсистемами этих систем.

Основными являются три вида связей:− стохастическая – между случайными событиями и

случайными величинами, описывающими вероятностную природу системы;

− функциональная – между структурами, определяемая количественным влиянием изменения характеристики одной структуры на изменение характеристики другой структуры;

− причинная – связь между событиями (с точки зрения причина-следствие).

Поясним понятие с т о х а с т и ч е с к о й ( к о р р е л я ц и о н н о й ) связи. Для этого напомним, что случайное событие – это такое событие, которое при данных условиях может произойти или не произойти, а случайная величина – это величина, которая принимает в результате опыта одно из множества возможных значений, причем появление того или иного значения этой величины представляет собой случайное событие.

Например, заболевание гриппом человека, находившегося некоторое время в контакте с инфекционным больным, является случайным событием.

Здесь следует обратить особое внимание на правильное понимание определения «случайность»: разумеется, в самом гриппе в зимний период в условиях мегаполиса ничего случайного нет, и, более того, его появление является скорее закономерным, чем случайным. Тем не менее, мы называем такое заболевание случайным событием, поскольку его могло бы и не быть, причем заранее с полной достоверностью предсказать, произойдет оно или нет, было бы невозможно. В контакте с инфекционным больным мог быть не один, а несколько здоровых людей. Некоторые из них через какое-то время

20

заболеют. Заболевание каждого из них – случайное событие, процент же заболевших из общего числа людей, находившихся в контакте – случайная величина, предугадать заранее ее было невозможно.

Если значению одной величины соответствует строго определенное значение другой, то зависимость между ними называется ф у н к ц и о н а л ь н о й . Можно, например, предположить, что в некоторых пределах изменения кровяного давления почти линейно зависят от дозы прописываемого препарата. В этом случае, зная ориентировочное значение соответствующего структурного коэффициента, для врача не составит труда обосновать эту дозу для конкретного больного.

Изучение п р и ч и н н о й связи между событиями позволяет строить причинно-следственные схемы, которые связывают некоторое событие, которое мы принимаем за исходное, с событиями, следующими за исходными. Задачей в данной ситуации является, во-первых, выделение среди этих событий наиболее важных (ограничение причинно-следственной схемы) и, во-вторых, выделение событий, которые могут возникнуть только как следствие исходного.

Причинно-следственные схемы являются очень перспективными для медицинской диагностики, где исходным событием можно считать первичное нарушение (заболевание), а следствием – связанные с заболеванием патологические явления (симптомокомплекс). Выявление такого симптомокомплекса будет с большой вероятностью свидетельствовать о наличии заболевания.

Основные свойства систем и их особенностиОсновными свойствами системы являются:

А) целенаправленность – определяет поведение системы;Б) сложность – многие системы (в том числе, медицинские

системы) характеризуются большим числом неоднородных элементов и связей. Они зависят от множества входящих в систему компонентов, их структурного взаимодействия, от сложности и динамичности внутренних и внешних связей. Степень сложности является определяющим свойством систем. Сложность в применении к системам имеет разный смысл: структурная, динамическая, вычислительная. Обычно степень сложности оценивается количеством информации, необходимой для описания реальной системы. При таком подходе оценка сложности системы производится через наблюдателя. Например, для нейрофизиолога мозг сложен и его адекватное описание требует много информации, для мясника мозг прост, так как ему нужно только отделить его от других сортов мяса. Различают сложность систем и сложность задач. Последнюю, называют вычислительной сложностью;

В) делимость – система состоит из ряда подсистем и элементов, выделенных по определенному признаку, отвечающему конкретным целям и задачам;

Г) целостность – функционирование множества элементов системы подчинено единой цели. При этом система проявляет

21

интегративные, эмерджентные свойства, то есть свойства присущие системе в целом, но отсутствующие в отдельно взятых ее элементах;

Д) многообразие элементов и различия их природы – это связано с их функциональной специфичностью и автономностью;

Е) структурированность – определяется наличием установленных связей и отношений между элементами внутри системы, распределением элементов системы по уровням и иерархии;

Ж) адаптивность системы заключается в способности системы сохранять свои функции при воздействии окружающей среды, т.е. реагировать на среду так, чтобы получить благоприятные последствия для деятельности системы.

Наименее адаптивными являются неживые системы, более адаптивны биологические (живые системы) и биотехнические системы, самыми адаптивными являются социальные системы.

Свойства адаптивности тесно связаны с жизнеспособностью систем, которая состоит в способности сохранять равновесие со средой.

Системный анализСистемный анализ нашел широкое применение в различных

сферах деятельности. Он применяется при моделировании процессов принятия решений в ситуациях с большой начальной неопределенностью, при разработке информационных систем и т.д.

Системный анализ применяется в тех случаях, когда задача (проблема) не может быть сразу представлена и решена с помощью формальных, математических методов, т.е. имеет место большая начальная неопределенность проблемной ситуации и многокритериальность задачи. Применение системного анализа помогает организовать процесс коллективного принятия решения, объединяя специалистов различных областей знаний.

Основным методом системного анализа является разбиение проблемы на более обозримые, лучше поддающиеся исследованию задачи, при сохранении целостного (системного) представления об объекте исследования и проблемной ситуации.

Системный анализ подразумевает разбор системы на ее подсистемы с намерением выяснить, какая из подсистем и почему может (не может) выполнить поставленные перед ней цели (подцели). Понятие «система» и «цель системы» неразрывно связаны между собой, а системный анализ позволяет ответить на вопрос: почему данная система может или не может выполнить данную цель.

Далеко не каждый анализ проблемы является системным анализом.

Например, органно-морфологический анализ позволяет провести классификацию болезней по внешним анатомическим признакам (признакам структуры, строения, формы), по органным признакам (кардио.., пульмо.., гастро.., и т.д.) и по морфологическим признакам (опухоли, воспаления, дефекты строения и т.д.). По существу он является структурным анализом и его основным аналитическим

22

инструментом являются статистические математические модели. Однако, такой анализ не дает системную классификацию болезней. Это связано с тем, что центральным понятием «система» является понятие «цели», а органно-морфологический анализ может лишь показать из каких элементов состоит данный объект. При этом органно-морфологический анализ не поясняет для какой цели он предназначен и какова роль каждого элемента в достижении данной цели (объект «состоит из… и предназначен для …»).

Важнейшим звеном системного анализа является формулирование конкретной цели. При этом цель системного анализа рассматривается с точки зрения цели принятия решения.

Под целью понимают предназначение системы в рамках конкретной задачи. Большинство систем являются многоцелевыми, так как для любой системы можно составить несколько наборов ограничений, что приводит к новым целям, а следовательно, и к новым задачам.

Постановка цели позволяет в самом начале решения задачи сформулировать множество допустимых решений, соответствующих поставленной цели.

Например целью задачи является выбор оптимальной тактики лечения пациентов с некоторым комплексом заболеваний и симптомов. Изначально подходят многие лекарства. Сформулируем набор ограничений:

а) форма выпуска препарата – таблетки.б) режим приема – один раз в деньв) отсутствие побочных эффектов (учет противопоказаний)г) стоимость не более 100 грнд) наличие препарата в аптеке

Как можно видеть, набор ограничений значительно сужает количество решений.

Цели могут быть негативные и позитивные. Связано это с тем, что проблемы бывают двух видов: одни из них связаны с разрушением, устранением или ограничением чего-либо, другие – с достижением или приобретением чего-либо.

Решение проблем первого типа означает избавление от источника неудовлетворенности существующим положением (например, от болезни, шума) – это негативные цели. Решение проблем второго типа означает получение доступа к источнику удовлетворения (например, приобретение нужного лекарства) – позитивные цели.

Позитивные и негативные цели – понятия относительные. Например, желание избавиться от болезни можно рассматривать как желание стать здоровым. Однако, к подобному отождествлению следует подходить осторожно. Если, например, кто-то просто не хочет проходить курс лечения, то избавление (отказ) от этого лечения представляет собой негативную цель. Однако, если это нежелание связано с тем, что лечение будет проводиться другим, более эффективным, методом, то это уже – позитивная цель.

23

Позитивная цель часто предполагает наличие и негативной цели, однако обратное утверждение неверно: избавление от того, что нежелательно, не всегда равносильно достижению того, что желательно. Так, например, избавление от зубной боли приемом лекарства или удаление зуба не может обеспечить полного здоровья организма человека. В то же время, при достижении позитивной цели – обеспечения полного здоровья – автоматически достигается избавление от зубной боли.

Усилия, направленные на избавление от того, что нежелательно (негативные цели) представляет собой ретроспективное, ориентированное на анализ прошлого, решение проблем.

Усилия, направленные на достижение того, чего нет, но что необходимо (позитивные цели) представляют собой перспективное, устремленное в будущее, решение проблем.

Проблема определения истинной цели системы является очень важным этапом и требует правильного выбора критерия эффективности выбора цели. Важнейшими требованиями при выборе критерия эффективности являются:

- представительность (критерий должен прямо отражать цель системы, полностью ей соответствовать, оценивать эффективность основной, а не второстепенной задачи);

- критичность к исследуемым параметрам (чувствительность критерия к изменениям исследуемых параметров);

- максимально возможная простота (введение в него второстепенных величин может усложнить исследование).

Конкретные примеры выбора критериев эффективности в данной лекции рассматриваться не будут.

Таким образом, главной задачей системного анализа является поиск путей по превращению сложного в простое, по разложению трудно понимаемой задачи на ряд задач, для которых имеются отработанные методы исследования или решения. Расчленение сложных проблем на простые во многих случаях позволяет оценивать их не только качественно, но и количественно, а, значит, повысить точность познавательного процесса. Для количественной оценки эффективности достижения целей системы используют меры (критерии) эффективности.

Определение границ системы в целом и окружающей среды. Система в целом включает все системы, которые, предположительно, будут влиять на рассматриваемую проблему.

Методом исключения мы относим к окружающей среде все системы, которые не были включены в систему в целом и которые не влияют на рассматриваемую проблему.

Если в систему в целом включить мало систем – это приведет к чрезмерному упрощению и неверным решениям, если слишком много – это усложнит описание, не хватит вычислительных ресурсов, и мы не сможем найти решение. Таким образом, границы системы зависят от

24

целей анализа, требуемой точности результата и имеющихся в наличии ресурсов.

Например, если речь идет о лечении одного пациента (решаемая проблема), главный врач может ограничиться рамками больницы. Однако, могут появиться факторы, выводящие границы системы за рамки больницы: осложнения, которые невозможно лечить в данной больнице; негативное отношение родственников к данной больнице, и т.п. Если же речь идет о планировании бюджета больницы (решаемая проблема), то во внимание будет приниматься иные системы и их интересы. Изменение цели приведет к изменению возможных решений и будет влиять на другие системы. Например, врача интересует уровень заработной платы и условия его работы; пациент нуждается в качественной медицинской помощи и максимальном количестве медицинских услуг; общество в целом заинтересовано в качественном здравоохранении при минимально возможных налогах; государство рассматривает здравоохранение в качестве статьи расходов; больница в целом стремиться к предоставлению лечения наилучшего качества.

Методы системного анализаКак уже упоминалось выше, главной задачей системного

анализа является поиск путей по превращению сложного в простое, по разложению труднопонимаемой задачи на ряд задач, имеющих решения, или задач, для которых имеются отработанные методы исследования. Разложение сложных медицинских проблем на простые во многих случаях позволяет оценивать их не только качественно, но и количественно, а значит, повысить качество диагностики, лечения и др.

Для решения задачи разложения сложного на более простые составляющие, системный анализ обладает рядом методов:

– экспертно-интуитивные, или неформальные, методы: экспертных оценок, сценариев, «мозгового штурма»;

– количественные (формальные) методы: статистические и другие математические методы;

– графические методы: дерево целей, дерево взаимосвязей;– методы моделирования: имитационные, игровые, макетные

модели.Кратко остановимся на основных видах экспертно-интуитивных

методовМетод экспертных оценок базируется на получении, обработке и

обобщении информации специалистов (экспертов), которые имеют высокую квалификацию и опыт в соответствующей области знаний (деятельности).

Метод «мозгового штурма» базируется на стимулировании творческой продуктивной деятельности экспертов путем общего обсуждения конкретной проблемы, которая регламентируется определенными правилами. При этом «запрещается» оценка качества

25

предложенных идей, ограничивается время одного выступления, обязательно фиксируются все предложенные идеи и др.

Метод создания сценариев чаще используется при решении задач прогнозирования. Сценарий – это описание вероятного развития процесса или состояния в будущем. Обычно составляют три типа сценариев: оптимистичный, средний и пессимистичный.

Одной из основных задач построения дерева взаимосвязей, относящегося к графическим методам системного анализа, является нахождение полного набора элементов системы на каждом уровне анализа, определения взаимосвязи и подчиненности между ними, а также определение коэффициента относительной важности элементов каждого уровня.

Например, для медицинской проблемы структура такого дерева определяется в результате детализации проблемы в направлении раскрытия ее содержания, вплоть до конкретных нормативных значений отдельных показателей. Эти показатели (элементы) характеризуют меру достижения поставленной медицинской цели. Главной целью на нулевом (генеральном) уровне является сама цель проблемы (например, обеспечить необходимый уровень медицинского обслуживания). На первом уровне целей раскрывается содержание главной цели, для чего она структурируется на отдельные компоненты (цели первого порядка) по принципу охвата всех направлений медицинского обслуживания. На втором уровне производится дальнейшая конкретизация главной цели. На третьем, а, при необходимости, и на четвертом уровне формулируются конкретные значения нормативных показателей поставленной медицинской цели. Например, таким конкретным нормативом может быть повышение уровня медицинского обслуживания в два раза.

Системный анализ патогенеза и симптомокомплексов болезниСложность организма как системы определяется наличием в

нем огромного числа связей на всех уровнях. Непосредственно или опосредовано, все подсистемы связаны между собой. Благодаря наличию огромного числа взаимосвязей в здоровом организме нет органов или групп клеток, функционирующих изолировано и независимо друг от друга. Так, например, подсистема дыхания связана с кровеносной подсистемой, которая, в свою очередь, связана со всеми остальными подсистемами и т.д.

Организм человека является открытой системой, на которую постоянно влияют внешние факторы: температура, влажность, солнечная радиация и т.д. Любые изменения этих факторов вызывают адаптационные изменения в самом организме и называются возмущающими воздействиями. Кроме того, организм связан с окружающей средой еще и энергетически, т.к. потребляет извне необходимые энергетические компоненты (кислород, жиры, белки, углеводы).

26

Помимо связей, направленных от среды к организму, существуют еще и связи от организма к среде. Эти связи обусловлены функциями выделения пищевых отходов, продуктов обмена, избытка тепловой энергии, избытка жидкости и соли.

Поддержание жизненно важных параметров организма в благоприятных для него узких пределах, обеспечение адаптационных свойств организма в условиях возмущающих воздействий внешней среды, обеспечиваются многообразными отрицательными обратными связями, которые в определенной мере дублируют друг друга. Поддержание постоянными наиболее важных параметров (гомеостаз), осуществляется в организме весьма надежно. Выход из строя или ослабление какой-либо связи сказывается на взаимодействии между структурами более или менее незначительно, поскольку связующую нагрузку принимают на себя другие структуры и другие связи.

Любое патологическое явление, возникающее в органе или ткани, посредством имеющихся связей служит источником возмущающего воздействия по отношению к другим органам.

Принципы системного анализа взаимодействия структур организма

Получение целостного, комплексного представления об объекте возможно лишь в результате изучения его структурных компонентов.

Методологической основой для этого является разновидность системного анализа, известная как структурный анализ. Он был разработан в 60-70-х годах ХХ века Дугласом Т. Россом. Основным понятием структурного анализа является структурный элемент – объект, выполняющий одну из элементарных функций моделируемого предмета, процесса или явления. Структурный анализ предполагает исследование системы с помощью ее графического модельного представления, которое начинается с общего обзора и затем детализируется, приобретая иерархическую структуру. Для такого подхода характерно использование формальных правил записи. Цель структурного анализа заключается в преобразовании общих, расплывчатых знаний об исходной предметной области в точные модели. Ни одна отдельно взятая подсистема организма человека не может полностью обеспечить моделирование биологических процессов в организме. Поэтому для получения целостной картины функционирования организма необходимо взять за основу описание одной из выделенных структур и интегрировать его с остальными. Для медицины методы структурного анализа являются весьма актуальными, т.к. позволяют, в частности, определить патогенез заболевания. Как упоминалось выше, деление системы на подсистемы называется декомпозицией.

Декомпозиция является условным приемом и позволяет представить систему в виде, удобном для восприятия, и оценить ее сложность. В результате декомпозиции подсистемы по определенным признакам выделяются отдельные структурные элементы и связи между

27

ними. Декомпозиция служит средством, позволяющим избежать затруднений в понимании системы. Декомпозиционным решением исходной глобальной задачи является определение решения с помощью системы взаимосвязанных локальных задач. При этом подразумевается, что частные, или локальные задачи являются в определенном смысле менее сложными, чем исходная задача.

Особую проблему составляет исследование взаимодействия структур и их влияния друг на друга в процессе жизнеобеспечения организма, его приспособления к имеющимся условиям окружающей среды, и реагирования на развитие различных видов патологических процессов.

Рассмотрим правила формализации исследования взаимодействия между структурами, не зависящими от их уровня.

Если изменения структуры х вызывают изменения структуры у, то это можно обозначить следующим образом: , где стрелка направлена от причины к следствию. При этом, если увеличение х вызывает увеличение у, то над стрелкой ставят знак «плюс»: . Для упрощения записи знак можно не ставить.

Если известно, что при изменении х на одну единицу, у изменяется на а единиц (а – постоянная величина), то форма записи зависимости у от х выглядит следующим образом: (в аналитической записи это ).

Если изменение характеристики структуры х определяет изменение характеристики структуры у, а оно, в свою очередь, определяет изменение характеристики z, то это записывается как

, где b зависимость z от у ( ). Поскольку , то исключая у из рассмотрения, можно

записать как или .Любой параметр, определяющий зависимость изменения

характеристики одной структуры от изменения другой называется структурным коэффициентом.

Во многих случаях следует полагать, что эти коэффициенты – переменные величины, зависящие от времени суток, состояния организма, состояния окружающей среды и др. Различными они являются и для одних и тех же взаимодействующих структур у разных индивидуумов. Например, рассмотрим биохимический процесс, описывающий влияние адреналина на глюкогенез.

.

28

В этой цепочке в результате повышения активности аденилатциклазы уменьшается содержание АТФ (b – отрицательное), уменьшается содержание АМФ, что в свою очередь вызывает уменьшение содержания фосфорилазы В и т.д.

На одну и ту же характеристику могут одновременно оказывать независимые воздействия 2 или более структур. Если, например, на структуру у одновременно действуют структуры х и z, то графически это

изображается как . Аналитически это соответствует записи

. Если оценивается не изменение у под влиянием х, а

абсолютная величина характеристики у, то целесообразным становится применение формулы . Графически соответствующая

запись имеет вид . Особый случай – наличие постоянной

составляющей k в характеристике некой структуры, которая в цепочке взаимодействующих структур является промежуточной. Простейшая

подобная схема имеет вид: . Аналитически воздействие

структур x и z на структуру у: .В тех случаях, когда некоторая структура не только испытывает

воздействие другой структуры, но и сама оказывает на нее влияние, образуется обратная связь, которая носит название петли обратной связи, или просто петли.

Графически эта петля изображается:

Так, например, увеличение синтеза адреналина вызывает повышение в крови глюкозы. Глюкоза при этом более интенсивно расходуется в организме, в частности, поскольку с увеличением продукции адреналина обычно связана интенсификация основного обмена. Однако в случае превышения содержания глюкозы в крови необходимого уровня проявляется отрицательная обратная связь с клетками мозгового слоя коры надпочечников, в результате чего синтез адреналина вновь снижается.

29

Подобные случаи взаимостимуляции наблюдаются в процессе развития организма, когда происходит согласованное увеличение массы отдельных органов и тканей.

Кроме того, возможен еще один, достаточно редкий вариант, характерный для некоторых процессов развития организма, когда происходит элиминация (вывод, исключение) какой-либо структуры и замещение ее функций другой структурой. Процесс взаимодействия при этом завершается, если или прекращает свое существование хотя бы одна из взаимодействующих структур, или имеют место ее качественные перерождения. Например, увеличение матки во время беременности стимулируется развитием плода, а рост плода в свою очередь стимулируется увеличением матки в течение всего периода развития вплоть до родов.

Причинный анализ явлений, возникающих при патологическом процессе

При причинном анализе патологического процесса можно выделить незначительное число звеньев (чаще всего одно), являющихся для этого процесса начальным. Именно на эти звенья действуют факторы, являющиеся первопричиной заболевания. Такое звено (звенья) можно назвать основным в патогенезе данного заболевания. Например, стеноз левого атриовентрикулярного отверстия является основным звеном в системе большого числа последующих нарушений: формирование постоянного избыточного внутреннего давления и, как следствие, расширения левого предсердия, нарушения функции правого желудочка, в связи с недостаточным поступлением в него крови; застой в большом круге кровообращения, вследствие уменьшения объема перекачиваемой сердцем крови и т.д.

Первичное нарушение в основном звене называется патологическим явлением 1-го порядка, нарушение, возникающее как следствие первичного – 2-го порядка и т.д. (1, 2, 3, 4 на рис. 9.2).

30

Рис. 9.2. Причинно-следственные связи, возникающие при стенозе митрального клапана.

Изучение причинной связи между событиями позволяет строить причинно-следственные схемы. Метод причинно-следственных схем весьма перспективен в медицинской диагностике, где исходным событием может считаться первичное нарушение, которое, по сути, и есть диагностируемым заболеванием. Последующими событиями в причинно-следственной схеме являются патологические явления, вызванные первичным нарушением.

Таким образом, причинно-следственные схемы позволяют определять, например, первопричину того или иного нарушения организма человека (основное звено) .

Вопросы, вынесенные на семинар:1. Общие понятия теории систем:

1.1. Признаки, позволяющие отличить систему от «не системы».1.2. Структура системы. Типы структуры системы (линейный,

иерархический, сетевой, матричный).1.3. Детерминированные (полностью детерминированные) и

вероятностные системы. Методы, используемые для исследования этих систем.

1.4. Связи между элементами, структурами и подсистемами систем:1.5. Основные свойства систем и их особенности:

2. Системный анализ и основные его этапы:3. Методы системного анализа:4. Особенности системного анализа при решении медицинских задач:

31

ТЕМА 10«ПРИНЯТИЕ РЕШЕНИЙ В МЕДИЦИНЕ»

План:1. Проблема принятия решения. Основные компоненты процесса принятия решения.2. Интерактивный подход при принятии решений3. Классификация задач принятия решений4. Основные методы принятия решения в медицине

В различных медицинских задачах (сбор информации о больном, диагностика, выбор тактики решения) врач сталкивается с общей проблемой – проблемой принятия решений. При этом с каждым годом растут требования к точности диагноза и его достоверности. Иными словами – к его истинности.

Тео́рия приня́тия реше́ний — область исследования, вовлекающая понятия и методы математики, статистики, экономики, менеджмента и психологии с целью изучения закономерностей выбора людьми путей решения разного рода задач, а также способов поиска наиболее выгодных из возможных решений.

Под принятием решений понимается особый процесс человеческой деятельности, направленный на выбор наиболее приемлемого варианта решения проблемы. Примером может служить процесс принятия решения о типе (форме) заболевания по известной исходной информации (результаты анализов, внешние проявления болезни) или решение проблемы, так называемого, группового выбора решений, когда основная задача состоит в том, чтобы указать «справедливые» принципы учета индивидуальных выборов, приводящие к разумному групповому решению. Данная задача решается, например, путем проведения консилиума, когда каждый участник высказывает свое мнение относительно плана лечения, и, в конечном итоге, выбирается один, оптимальный вариант. Как это сделать? Какой результат считать «хорошим», каким свойством он должен обладать?

Еще одним примером может быть задача выбора директора медицинского центра. Допустим, что на место главврача претендуют две кандидатуры. Каждого из них поддерживает группа коллег. При умелом ведении дела меньшинство может навязать свое мнение большинству, хотя голосование всегда будет проводиться по правилу большинства (парадокс многоступенчатого голосования). Идея метода приведена на рис. 10.1.

В приведенной схеме второго кандидата изначально поддерживают 19 коллег против 8, поддерживающих первого. Перевес их очевиден. Однако при «умелой» группировке избирателей и проведении поэтапных выборов ситуация меняется на противоположную и перевес оказывается на стороне первого кандидата.

32

Рис. 10.1. Парадокс многоступенчатого голосования

Приведем еще один пример. Врач выбирает лекарственное средство пациенту, исходя из следующего множества альтернатив:

- х1: лекарственное средство очень известной в мире фирмы-изготовителя стоимостью 100 у.е.

- х2: лекарственное средство известной в одной стране фирмы-изготовителя стоимостью 70 у.е.

- х3: лекарственное средство малоизвестной фирмы-изготовителя стоимостью 30 у.е.

Легко представить себе ситуацию, когда врач предпочтет х1 по сравнению с х2, рассудив, что положительный опыт применения данного препарата перекроет разницу в цене.

Данное предпочтение можно обозначить (х1, х2) что будет означать «х1 лучше х2». Аналогично можно предположить , что «х2 лучше х3». В то же время, сравнивая х1 и х3, можно понять и выбор «х3 лучше х1» (слишком велика разница в цене). Таким образом, система предпочтений задается множеством пар: (х1, х2), (х2, х3), (х3, х1). Какими принципами следует руководствоваться для принятия решений в подобных ситуациях?

Приведенные примеры не исчерпывают всех типов задач принятия решений.

Медицина представляет собой слабоструктурированную область знания, что создает серьезные трудности для процесса принятия решений. В одних случаях, характеризующихся классическими проявлениями болезни, гипотеза или даже окончательное решение возникает уже в процессе осмотра, в других - только после специального обследования. Важно заметить, что последовательность диагностических исследований может подвергаться коррекции, а иногда и коренной трансформации, в зависимости от получаемых в процессе обследования результатов. Быстрота принятия решения зависит как от квалификации и диагностического "чутья" врача, так и от особенностей проявления заболевания у конкретного больного.

33

Получая информацию из окружающего мира, анализируя возникающие ситуации врач постоянно обращается к сведениям, хранящимся в его памяти.

Характерной особенностью памяти человека (врача) является то, что общее количество воспроизводимой информации всегда меньше количества воспринимаемой информации, в то время как в техническом запоминающем устройстве эти количества равны. Кроме того, в отличие от технических устройств, в памяти человека в процессе фиксации, хранения и воспроизведения всегда имеют место потери информации.

За последние годы произошел грандиозный скачок в развитии персональных компьютеров и программного обеспечения. Создано много программных продуктов, реализующих методы принятия решения. Это дает возможность проверять принимаемые решения, предварительно построив модель медико-биологического процесса.

Свободный доступ к программному обеспечению позволяет решить медицинские задачи в интерактивном (диалоговом, онлайновом) режиме. Интерактивный (iteractiv-взаимодействующий), – это режим работы, осуществляющий взаимодействие между человеком и компьютером. Применяя интерактивные процедуры врач может в диалоговом режиме находить оптимальные решения задачи, изменяя условия-ограничения задачи или параметры целевых функций. На каждой итерации (шаге выполнения программы) врач, как лицо, принимающее решение (ЛПР) для дальнейшего исследования может генерировать новые условия задачи.

Интерактивные процедуры дают возможность для эффективного разделения труда: компьютер выполняет то, что он делает лучше всего (обрабатывает данные), а ЛПР на основе новой информации разрабатывает методы для получения лучшего решения. При этом главная роль всегда остается за человеком.

Принять решение – значит осуществить выбор из некоторого набора альтернатив.

Несмотря на разнообразие существующих проблем, выделяют следующие основные этапы процедуры принятия решения:

1. Определение цели.2. Формирование множества альтернатив (определение

множества допустимых решений).3. Формирование оценки, позволяющей сравнивать

альтернативы (задача оценивания).4. Выбор наилучшего решения из множества допустимых

решений (задача оптимизации).В теории принятия решений совокупность перечисленных задач

составляет общую проблему принятия решений.Теоретической основой решения трех первых задач является

системный анализ, а четвертой – теория математического программирования.

34

Если решение задачи не известно (отсутствуют аналог или решение неоднозначно), то на первый план выступают проблемы определения метода поиска решения.

Большинство этих методов основывается на стратегиях полного перебора, имплицитного (неявного) перебора и перебора на основе эвристик (эвристический поиск).

Стратегия полного перебора используется при отсутствии достаточной априорной (изначальной) информации о задаче и сравнительно небольшом множестве альтернатив (до 103 элементов при ручном счете, и до 109 для ЭВМ).

Имплицитный перебор включает большую группу, так называемых, градиентных методов: симплекс метод, метод минимальной стоимости, динамическое программирование и т. д. Все они основаны на рассмотрении на каждом шаге поиска не всего пространства задачи, а некоторого ее фрагмента.

Эвристические методы – методы решения задач, основанные на эвристике, или эвристическом рассуждении, т.е. на использовании правил и приемов, обобщающих прошлый опыт и интуицию решающего. Эвристические рассуждения – в широком смысле раздел психологии, изучающий природу мыслительной деятельности человека, мыслительных операций, при решении им различных задач. К эвристическим методам относят лишь те, которые связаны непосредственно со способностями человека, с неожиданно предлагаемыми решениями, т.е. непосредственно с термином эврика, озарение.

Их применение также целесообразно при жестких ресурсных ограничениях (действия в экстремальных или неизвестных ситуациях).

Как уже упоминалось, принятие решений, по существу, есть ни что иное как выбор. Принять решение – значит выбрать конкретный вариант действий из некоторого множества вариантов. Варианты выбора принято называть альтернативами.

Множество альтернатив зависит, во-первых, от имеющейся базы знаний: либо алгоритм решения задач уже содержится в базе, либо алгоритма в базе нет, но есть аналог, либо задача не имеет аналогов в базе знаний. Во-вторых, множество альтернатив зависит от проблемной ситуации: либо решается новая задача, либо изменяется условие функционирования системы, либо появилась новая информация, либо произошел сбой системы или ее элементов

Последствием принятия решения называется событие (исход), возможность появления которого продиктована данным решением.

Система предпочтений – правила, критерии, с помощью которых сравниваются альтернативы и принимаются решения.

Решение – решения (альтернативы), удовлетворяющие правилам, содержащимся в системе предпочтений.

Общую задачу принятия решений (задачу выбора), можно сформулировать следующим образом.

35

Пусть Х – множество альтернатив (решений), Y – множество возможных последствий (исходов, результатов). Предполагается существование причинной связи между выбором некоторой альтернативы и наступлением соответствующего исхода . Кроме того, предполагается наличие механизма оценки качества выбора – обычно путем оценивания качества исхода. Требуется выбрать наилучшую альтернативу, для которой соответствующий исход имеет наилучшую оценку качества.

Исходя из связей между решениями и исходами принята следующая классификация задач принятия решений.

Детерминированная задача принятия решений.Ей соответствует наиболее простой вид связи –

детерминированный, когда каждая альтернатива приводит к единственному результату. В этом случае существует функциональная зависимость между альтернативой и исходом (рис. 10.2).

Рис. 10.2. Детерминированная связь.

В случае, когда каждой альтернативе соответствует не единственный результат, т.е. имеется недетерминированный тип связи, то задачи принятия решений распадаются на два подкласса:

а) задача принятия решений в условиях риска;б) задача принятия решений в условиях стохастической

(вероятностной) неопределенности.В случае (а), в отличие от случая (б), для каждой альтернативы xi

соответствует функция плотности вероятностей на множестве исходов Y (говорят, что с каждым xi связана некоторая лотерея).

На рис. 10.3 каждая стрелка характеризуется весом, т.е. числом Рij – вероятностью наступления исхода уj при выборе альтернативы хi.

В условиях неопределенности (случай б) недетерминированной связи альтернатива-исход возникают два типа задач:

1) задачи принятия решений в условиях пассивного взаимодействия ЛПР (лица, принимающего решение) и внешней среды, т.е. внешняя среда ведет себя пассивно относительно ЛПР;

2) задачи принятия решений в условиях конфликта (игры). В этой ситуации внешняя среда ведет себя активно относительно ЛПР, что проявляется действиями другого лица.

36

Рис. 10.3. Вероятностная связь.

На рис. 10.4 случай 1 соответствует принятию решения в условиях определенности; точками y1, y2, y3 обозначены исходы, соответствующие выбору альтернатив х1, х2, х3 ( три альтернативы и три определенных исхода). Случай 2 характеризует задачу принятия решения в условиях неопределенности: после выбора любой из альтернатив х1, х2 или х3 может быть указан лишь интервал расположения соответствующего исхода уi. Случай 3 отражает ситуацию выбора в условиях риска. Показаны графики соответствующих плотностей вероятностей события у в зависимости от выбора альтернативы х1, х2 или х3.

Рассмотрим подробнее понятие «лицо, принимающее решение» (ЛПР). ЛПР – это человек, задающий приоритеты, в интересах которого принимаются решения, Как правило ЛПР (например, врач) стремится получить наилучшее (оптимальное) с его точки зрения решение. Выбор решения зависит от информации имеющейся у ЛПР в данной предметной области, а также от того, как он устанавливает приоритеты, то есть стиля мышления и стратегии поведения.

Например, один любит рисковать, другой – чрезмерно осторожен, третий предпочитает «золотую середину» и тому подобное. Таким образом, ЛПР обладает некоторой свободой выбора. Однако, если он не будет учитывать особенностей решений проблемы, то полученное решение может значительно расходиться с реальностью и привести к отрицательным последствиям.

Например, при расчете затрат на питание приходиться учитывать необходимое количество жиров, белков, углеводов и т.д.; при выборе лекарственных средств необходимо учесть противопоказания, побочные эффекты, форму выпуска препарата, его стоимость и т.д.

В приведенных примерах целевыми функциями (оптимизируемыми критериями) являются: минимум затрат, максимальный лечебный эффект, а условиями-ограничениями: необходимое количество жиров, белков и углеродов; различные формы выпуска лекарственных средств, изменение состояния пациента; побочные эффекты и противопоказания препаратов.

37

Рис. 10.4. Разные типы связей между альтернативами и исходами.

Принципиальных отличий в нахождении минимума и максимума не существует, поэтому обычно говорят об оптимальных (лат. оptimum – наилучшее), или экстремальных значениях целевой функции. Задача нахождения минимума целевой функции f(х) (например, затрат на питание) эквивалентна задаче отыскания максимума той же функции, взятой со знаком минус и наоборот.

Все требования, сформулированные в реальных задачах и записанные в виде математических выражений, составляют, так называемую, математическую постановку задачи. Процесс математической постановки задачи и последующего ее решения можно представить в виде ряда этапов.

1. Изучение объекта представляет собой анализ особенностей функционирования объекта. На этом этапе выявляются факторы, влияющие на объект и определяется степень их влияния; изучаются характеристики объекта при различных условиях; выбираются оптимизирующие критерии (целевые функции).

2. Описательное моделирование заключается в установлении и фиксации основных связей и зависимостей между характеристиками процесса или явления согласно оптимизируемому критерию.

3. Математическое моделирование.4. Выбор и создание метода решения. Приведем пример математической модели задачи о питании.

Пусть в рацион пациента входит 3 различных питательных вещества (белки, жиры, углеводы) и требуется их, соответственно,

38

не меньше b1, b2, b3 единиц. Они содержатся в 5 различных продуктах, которые можно приобрести по цене c1, c2,…, c5.

Единица i-го продукта содержит aij единиц j-го питательного вещества, то есть, например, a23 показывает, что в единице второго продукта третьего питательного вещества будет a23 единиц.

Какое количество продуктов каждого вида следует купить, чтобы их стоимость была минимальна, а рацион пациента содержал все необходимые вещества в нужном количестве?

Целевая функция этой задачи – минимизировать по количеству продуктов (x1,…, x5) затраты на питание:

c1x1+c2x2+c2x3+c3x3+c4x4+ c5x5=

Условия-ограничения задачи следующие: количество первого питательного вещества должно быть не менее b1, то есть

Аналогично для других питательных веществ:

Очевидно, что количество продуктов – величина неотрицательная

Допустимым решением называют такой набор значений искомых величин (переменных), который удовлетворяет поставленным условиям-ограничениям задачи.

Решением задачи будет то решение из множества допустимых решений, при котором целевая функция достигает своего наибольшего (наименьшего) значения.

5. Решение задачи на ЭВМ. Задачи, которые описывают поведение реальных объектов, как правило, имеют много переменных и много зависимостей между ними. Поэтому в разумные сроки они могут быть решены только с помощью ЭВМ.

6. Анализ полученного решения. Анализ решения бывает формальным и содержательным. При формальном (математическом) анализе проверяют соответствие полученного решения построенной математической модели (правильно ли введены исходные данные, правильно ли функционируют программы компьютера и т.д.). При содержательном анализе проверяют соответствие полученного решения тому реальному объекту, который моделировали. В результате содержательного анализа в модель могут быть внесены изменения и

39

весь процесс повторяется. Важность содержательного анализа можно продемонстрировать на примере. Когда впервые решили задачу о питании, то в качества фактора оптимизации брали минимум затрат, а в условия ограничения включали только требования по калорийности пищи. Решение задачи было таковым: питаться следует уксусом, который входит в состав всевозможных продуктов питания, тогда будет и калорийность обеспечена, и стоимость минимальная.

7. Анализ устойчивости решений. Для проверки устойчивости решения в исходные данные вносятся изменения в пределах возможных погрешностей или интервалов существования признаков, а затем исследуется поведение решения аналитическими или численными методами.

Разработкой методов решения задач, содержащих целевую функцию и условия-ограничения занимаются в разделе математики, называемом математическим программированием.

Математическое программирование – это математическая дисциплина, в которой изучают теорию и методы решения задач о нахождении экстремумов функций на множествах, определяемых равенствами и неравенствами.

Задачи с несколькими целевыми функциями, или с одной целевой функцией, но принимающей векторные значения или значения еще более сложной природы, называют многокритериальными. Их решают с помощью сведения к задачам с единственной целевой функцией либо на основе использовании «теории игр», в которой предполагается, что лицо, принимающее решение играет в азартную игру, пытаясь добиться максимально хорошего результата. «Теория игр» – это раздел математики, ориентированный на построение формальных моделей принятия оптимальных решений в ситуации конкурентного взаимодействия, строго регламентированного таблицей выигрышей и проигрышей.

Применение «теории игр» в клинической практике связано, например, с наличием конфликта между пациентом и врачом – не оправдавшиеся надежды на избавление от болезни, неудовлетворение субъективных ожиданий вежливого и предупредительного отношения, повышенные запросы больного по отношению к персоналу и т.д. Очевидны конфликты и в клиническом менеджменте – между чиновниками и практическими врачами, страховыми компаниями и больницами и т.д. Конфликт сторон является важнейшим элементом игры и нормальным явлением общественной жизни. Конфликт может разворачиваться на внутриличностном уровне, уровне межличностных взаимодействий, между социальными группами, государствами. Формирование конфликта чаще всего объясняется объективными условиями: любое развитие предопределяет формирование конфликта, которого нельзя избежать. Изучая проблемы развития конфликтов, необходимо сосредоточиться на способах выхода из них, перевода их в неопасное состояние, которое может быть контролируемым и, следовательно, изменяемым самим человеком. Таким образом и

40

появляется необходимость разрешения конфликтов, в том числе с использованием теории принятия решений математическим методом «теории игр».

Если в ходе принятия решения ЛПР не приобретает и не теряет информацию, то принятие решения можно рассматривать как мгновенный акт. Соответствующие задачи называются статическими. Напротив, если ЛПР в ходе принятия решения получает или теряет информацию, то такая задача называется динамической. В динамических задачах целесообразно принимать решения поэтапно (многошаговое решение). Значительная часть динамических задач входит в раздел математики динамическое программирование.

В своей профессиональной деятельности врач постоянно сталкивается с ситуациями, в которых эта информация оказывается не полной и только косвенно связанной с тем, что ему в действительности нужно знать о пациенте. В таких случаях врач вынужден принимать решение о диагнозе и лечении в условиях неопределенности (неточности, нечеткости, неявности, расплывчатости, обтекаемости, неясности, неконкретности, неотчетливости, недостоверности). Дополнительное количество информации, предоставленной врачу, далеко не всегда является средством для уменьшения неопределенности.

Диагноз и выбор действия (принятия решения) – это термины, используемые в исследованиях процесса принятия решения в различных областях деятельности человека. В медицине они эквивалентны терминам диагностика и лечение. Процессы принятия решения о диагнозе и о выборе лечения самым тесным образом взаимосвязаны и должны рассматриваться совместно.

Как было отмечено выше, дополнительная информация не всегда является достаточным условием для снятия неопределенности, с которой сталкивается врач при работе с конкретным пациентом. Поэтому очень актуальным является подбор методов, которые помогут врачу по доступным данным наиболее эффективным образом принять решение о диагнозе и выбрать оптимальное лечение.

Термин «оптимальное лечение» лежит в рамках концепции максимальной ожидаемой величины, а также связанной с ней концепцией минимальных ожидаемых потерь и являются важным моментом при выборе лечения.

Например, необходимо проанализировать медицинские данные с точки зрения их диагностической ценности, то есть определить, какие признаки и симптомы имеют наибольший вес для постановки диагноза (максимальный информативный вес, минимальные потери информации).

Человек не способен выделить из обрабатываемых данных всю ту степень определенности, которая в них содержится в скрытой форме. Это связано с несколькими причинами, в частности, например, с ошибками наблюдателей, ошибками интерпретации результатов

41

диагностических тестов (например, рентгенограмм), недостаточной точностью диагностических тестов.

Относясь к разряду проблем, связанных с технологией принятия решений, медицинский диагноз при этом имеет вероятностную природу и связан с проверкой гипотез (с понятием «гипотеза» вы уже сталкивались в лекции «Статистические методы обработки медико-биологических исследований»).

При принятии решения ЛПР пытается проверить некоторое свое предположение или гипотезу. Так, например, если в предыдущем месяце среднее число койкодней пациентов находящихся на лечении с некоторым диагнозом, равнялось 15 дням, то мы могли бы ожидать, что и в текущем месяце это количество будет равно 15. Если окажется, что в текущем месяце этот показатель равен 10 дням, то наши ожидания не оправдались и гипотезу о том, что среднее число койкодней в рассматриваемом месяце составит 15 дней, придется отвергнуть.

Однако проблема здесь состоит в том, что полученный нами результат, равный 10 дням, представляет собой результат лишь одной случайной выборки. Возможно, в действительности среднее число койкодней в рассматриваемом месяце составило именно 15 дней, но мы проверяли столь «неудачную» случайную выборку объемом, например в 30 наблюдений, что получили искаженный результат. Какова же вероятность того, что расхождение между фактическим результатом выборки (10 дней) и нашей предварительной гипотезой (15 дней) обусловлено только ошибкой случайного выбора? Именно такие проблемы исследуются с помощью методов проверки статистических гипотез. Как упоминалось ранее, специальным видом статистических гипотез является так называемая «нулевая гипотеза» (H0). В нашем примере нулевая гипотеза будет состоять в том, что среднее выборочное исходной совокупности равняется 15 (при стандартном отклонении, или среднем квадратическом отклонении, равном 4, т.е. = 15; s = 4). Из материалов первого курса Вам известно, что среднее выборочное является точечной оценкой математического ожидания генеральной совокупности. Доверительный интервал для М(х) вычисляется по формуле

.

В нашем примере =15, ,

=0,95 (доверительная вероятность),= n–1= 30–1=29, t(0,95; 29)≈2.

Тогда интервал для математического ожидания составляет:

42

Из приведенного следует, что среднее значение любой выборки из данной совокупности с вероятностью 0,95 должно лежать в интервале 13,55 – 16,45, то есть значение 10 является маловероятным. Предположение о справедливости нулевой гипотезы привело к маловероятному выводу. Поэтому эту гипотезу необходимо отвергнуть.

Выбор нулевой гипотезы – решающий момент при проверке значимости полученных результатов. «Значимый» результат равносилен тому, что нулевая гипотеза должна быть отвергнута, поскольку она оказалась ошибочной. Таким образом, ЛПР как бы допустил ошибку при выборе гипотезы, возможно вследствие незнания изучаемого объекта или в результате недостаточной компетентности. Полученные результаты не соответствуют первоначальным предположениям. Значимые результаты являются «хорошими». Часто сообщается, что полученные результаты значимы при уровне значимости р=0,05; 0,01 (уровень значимости р = 1–α).

Обобщая, можно сказать, что суть проверки гипотезы состоит в том, что предполагаемый объект сравнивается с определенным эталоном и в результате сравнения выносится правильное или ошибочное суждение, которое и называется решением. Смысл проверки статистических гипотез состоит в том, чтобы по данным случайной выборки принять или отклонить гипотезу с минимальным риском ошибки. Обычно проверяемую гипотезу называют «нулевой гипотезой» и обозначают H0.

Нулевыми считаются гипотезы, утверждающие, что различие между сравниваемыми величинами отсутствует, а наблюдаемые отклонения объясняются лишь случайными колебаниями в выборках. Остальные гипотезы, отличающиеся от H0, и противопоставляемые ей, называются альтернативами и обозначаются H1.

Правильность или ошибочность решения зависит от того истинна гипотеза или ложна. Если гипотеза истинна и ЛПР ее принимает, то, с его стороны, это правильное решение. Статистически верное решение численно характеризуется доверительной вероятностью, которую обозначим как α. Но, если гипотеза истинна, а ЛПР по каким-то причинам ее отклоняет, то это – его ошибочное решение. Оно называется «ошибка первого рода» и оценивается вероятностью, которая обозначается как 1–α. В случае, если гипотеза ложна, но ЛПР ее принимает, то это, конечно, ошибочное решение. Оно называется «ошибкой второго рода», и оценивается вероятностью, которую обозначим как 1–β. Если гипотеза ложная, то верным решением является ее отклонение с вероятностью β. В научных исследованиях предпочтительны те способы проверки гипотез, с помощью которых минимизируется возможность ошибок второго рода (то есть принять ложную гипотезу как верную). Свойства какого-нибудь способа проверки безошибочно отклонять ложные гипотезы называется мощностью этого способа, или мощностью критерия. Количественно мощность характеризуется условной вероятностью β, а 1–β – вероятность ошибок второго рода.

43

Таким образом, при принятии статистического решения всегда существует вероятность допустить ошибку, эти ошибки бывают двух типов:

1) отклонение H0 (то есть, считаем ее ложной) в то время, как H0 в действительности верна (ошибка первого рода или ошибкой α-типа);

2) принятие H0 (то есть, считаем ее верной) в то время как H0 в действительности ложна (ошибка второго рода, или ошибкой β типа).

Вышеизложенное можно представить в виде таблицы.Характеристика гипотезы и

действие ЛПРСтатистическая характеристика

решения

Вероятность

гипотеза верна, и ЛПР ее принимает

верное решение

гипотеза верна, но ЛПР ее отвергает

ошибка I рода 1–

гипотеза ложная, но ЛПР ее принимает

ошибка II рода 1–

гипотеза ложная и ЛПР ее не принимает

верное решение

Вероятность ошибки первого рода называют уровнем значимости 1–α. Вероятность принять верную H0, равную α, называют

надежностью (это вероятность не совершить ошибку первого рода). Вероятность не совершить ошибку второго рода (то есть при

условии, что H0 ложное, отклонить нулевую гипотезу), равную β, называют мощностью критерия.

К научным гипотезам относятся такие, которые в будущем могут быть проверены. Эмпирическая проверка гипотезы называется верификацией.

Для статистической проверки медицинских гипотез используют такие критерии как: t-Стьюдента, λ-Колмогорова, F-Фишера, χ2-Пирсона, G-Кохрана и др.

Такие критерии как λ, χ2, являются непараметрическими критериями, потому что служат для проверки гипотез о распределениях в целом. Критерии t, F, G – параметрические, так как они применяются для проверки гипотез о параметрах распределения.

Мощным инструментом теории вероятностей является теорема Байеса, которая рассматривалась в курсе биофизики. С помощью формулы Байеса удается накапливать информацию, поступающую из различных источников с целью подтверждения или неподтверждения определенной гипотезы (диагноза). Формула Байеса позволяет при помощи условных вероятностей совместно использовать наблюдаемые данные и информацию, известную ранее, для решения задачи дифференциальной диагностики.

Приведем пример. Пусть у больного подозревается грипп. То есть имеется некоторая гипотеза H, которая состоит в том, что у заболевшего будет именно грипп, а не что-либо иное. Будем считать,

44

что в медицинских учреждениях на основе ранее полученных статистических данных известна априорная (первоначальная) вероятность P(H) того, что пациент в данное время года и в данной местности заболеет гриппом. Пусть признак D означает наличие высокой температуры у данного конкретного пациента. Формула Байеса позволяет получить вероятность гриппа при наличии у пациента высокой температуры P(H/D) (конечная или апостериорная вероятность). То есть мы хотим на основе имеющейся информации уточнить априорную вероятность истинности гипотезы H. Согласно формуле Байеса имеем:

.Для того чтобы воспользоваться формулой Байеса для примера

необходимо знать вероятности: P(D/H) – вероятность высокой температуры при гриппе; – вероятность высокой температуры при отсутствии гриппа. Мы предполагаем, что обе эти вероятности нам известны. Они получаются при обработке накопленных ранее статистических данных. Ясно, что все три числа P(H), P(D/H),

, могут быть получены заранее и не зависят от данных конкретного пациента. Зная что , мы можем воспользоваться формулой Байеса. Пусть известно, что:

Пусть известно также:

Тогда по формуле Байеса получаем:

Таким образом, вероятность заболевания гриппом при поступлении свидетельства о высокой температуре увеличилась и составила 0,009 по сравнению с 0,001 (исходная априорная вероятность).

Теорема Байеса применяется при принятии решений в экспертных системах. Схема работы байесовской экспертной системы состоит в следующем. Первоначально мы имеем априорную вероятность P(H) (в примере – у больного грипп), которая хранится в базе знаний. Но, получив свидетельство D (высокая температура) и пересчитав эту вероятность по формуле Байеса, мы можем записать ее на место P(H). Получение очередного свидетельства приводит к новому обновлению (увеличению или уменьшению) этой вероятности. Каждый раз текущее значение этой вероятности будет считаться априорной для применения формулы Байеса. В конечном итоге, собрав все сведения, касающиеся всех гипотез (например, диагнозов болезней), экспертная

45

система приходит к окончательному решению, выделяя наиболее вероятную гипотезу в качестве результата экспертизы.

Применительно к задаче диагностики формула Байеса позволяет выбрать одну из нескольких диагностических гипотез, основываясь на вычислении вероятностей болезней по вероятностям обнаруженных у больных симптомов.

Теорема Байеса говорит, что конечная вероятность гипотезы P(H/D) пропорциональна ее начальной вероятности P(H), помноженной на ее правдоподобие P(D/H).

Важную роль при вычислениях по формуле Байеса играет отношение правдоподобий (то есть отношение двух правдоподобий).

Эта величина может выражать, например, отношение вероятности комплексов симптомов при заболевании астмой к вероятности того же комплекса симптомов у контрольной группы. Приведем пример.

У пациента (возраст 16 лет) в анамнезе первичная опухоль кости. Каково отношение правдоподобия для хондробластомы (Н1) относительно хондросаркомы (Н2) для больного данного возрастного диапазона? Искомое отношение правдоподобия можно получить, используя начальные данные: P(D/H1)=P(возраст 16 лет/хондробластома)=0,75; P(D/H2)=P(возраст 16 лет/хондрасаркома)=0,25. Таким образом

Для двух заболеваний 1 и 2 и одного и того же комплекса симптомов формула Байеса может быть дважды записана так:

Разделив первое уравнение на второе получим:

Величина называется начальными шансами (т.е. шансы,

«не испорченные» дополнительными условиями).

46

Начальные шансы, домноженные на отношение правдоподобия (говорят, модифицированные отношением правдоподобия) представляют собой конечные шансы – Ш1.

Приведем пример. Если пациент в возрасте до 21 года имеет первичную костную опухоль, каковы шансы, что это, скорее, костная саркома, чем ретикулярные клетки, если известно, что:

Р (возраст до 21 года / костная саркома) = 0,65Р (возраст до 21 года / ретикулярные клетки) = 0,1Р (костная саркома) = 0,25Р (ретикулярные клетки) = 0,05

Таким образом, технология принятия решений в медицине активно использует теорему Байеса и связанное с ней понятие шансов.

Не менее востребованной является технология проверки надежности диагностического теста и понятия чувствительности и специфичности. Рассмотрим их.

Дан результат некоторого теста и две гипотезы, относительно функции распределения результата этого теста. Необходимо сделать наилучший выбор между этими гипотезами.

Применимо к медицинскому диагностическому тесту это утверждение может быть перефразировано таким образом. Дана произвольная совокупность пациентов, которые могут находиться в одном из двух состояний по отношению к некоторому заболеванию – норма или патология. Каждому из этих состояний соответствует функция распределения результатов некоторого теста. Для каждого пациента нужно сделать наилучший выбор между этими двумя состояниями, то есть фактически поставить диагноз «нормы» или «патологии» на основе диагностического теста. Термин «норма» здесь используется в смысле «не патологическое состояние».

Надежность теста, используемого для отделения здоровых людей от больных, можно охарактеризовать при помощи таких характеристик теста, как чувствительность и специфичность.

Чувствительность – это способность теста дать положительный ответ, когда исследуемый пациент действительно болен или «истинно положителен» по отношению к рассматриваемому заболеванию (то есть признать истинно больного больным по результатам теста):

47

Специфичность – это способность теста дать отрицательный ответ, когда исследуемый пациент не страдает заболеваниями, или «истинно отрицателен» по отношению к рассматриваемому заболеванию (то есть, признать истинно здоровых здоровыми):

При проверке эффективности теста на наличие /отсутствие конкретной болезни (патологии) возможны 4 различных исхода:

а) больной правильно признан больным по тесту;b) больной ошибочно признан здоровым по тестус) здоровый ошибочно признан больнымd) здоровый правильно признан здоровымОшибочные результаты теста характеризуются ошибками первого

и второго рода. Результаты теста

«а» – Истинно положительный (α) «b» – Ложно отрицательный (ошибка 1-го рода, α ошибка)

«c» – Ложно положительные (ошибка 2-го рода, β ошибка)

«d» – Истинно отрицательный (β)

Ошибка 1-го рода считается более нежелательной для теста (плохо «не увидеть больного»), но в некоторых ситуациях очень опасной может быть и ошибка 2-го рода, когда необоснованно начнут лечить здорового человека.

Задачи из области «принятия решения» возникают в тех случаях, когда задача настолько сложна, что для ее постановки и решения не может быть сразу определен подходящий аппарат формализации или когда процесс постановки задачи требует участия специалистов различных областей знаний. Для таких ситуаций технология «принятия решения» имеет специальные подходы, приемы и методы. Для начала определяют область проблемы принятия решения (проблемную ситуацию), выявляют факторы, влияющие на ее решение, подбирают методы и приемы, которые позволяют сформулировать задачу таким образом, чтобы решение было принято. Далее получают выражение, связывающее цель со средствами ее достижения. Все это воплощается в математических моделях – различных критериях (критерий функционирования, критерий или показатель эффективности, целевая функция и т. д.).

Если удается получить выражение, связывающее цель со средствами, то задача практически всегда решается. Получить такие выражения легко, если известен закон, связывающий цель со средствами. Если закон не известен, то необходимо выбрать иной способ отображения проблемных ситуаций. Можно определить закономерности на основе статистических исследований или

48

функциональных зависимостей. Если и это не удается сделать, то выбирают или разрабатывают теорию, в которой содержится ряд утверждений и правил, позволяющих сформулировать концепцию и конструировать на ее основе процесс принятия решения. Если и теории не существует, то выдвигается гипотеза и на ее основе создаются имитационные модели, с помощью которых исследуются возможные варианты исследования.

Для того, чтобы помочь в сжатые сроки поставить задачу, проанализировать цели, определить возможные средства, отобрать требуемую информацию (характеризующую условие принятия решения и влияющую на выбор критериев и ограничений), а в идеале – получить выражение связывающее цель со средствами, применяют системные представления, приемы и методы системного анализа.

Вопросы, вынесенные на семинар:1. Понятие «принятие решения». Основные этапы процедуры

принятия решения. 2. Методы поиска решения. 3. Классификация задач принятия решений. 4. Понятие «лицо принимающее решение». 5. Этапы решения математической постановки задачи. 6. Математическое программирование. «Теория игр». 7. Статистические и динамические задачи. 8. Понятие нулевой гипотезы. Альтернативы. 9. Применение теоремы Байеса. 10. Технология проверки надежности диагностического теста. 11. Понятие чувствительности и специфичности. 12. Имитационные модели.

ТЕМА 11МАТЕМАТИЧЕСКОЕ МОДЕЛИРОВАНИЕ В БИОЛОГИИ И МЕДИЦИНЕ

План:1. Классификация методов моделирования.2. Математическая модель «хищники-жертвы».3. Математическое моделирование в иммунологии.4. Математическая модель роста популяции бактерий.5. Математическое моделирование распространения инфекционного заболевания в населенном пункте.6. Экспоненциальная модель размножения.7. Логистическая модель роста.8. Фармакокинетические модели.

Классификация методов моделирования

49

Метод математического моделирования является одним из наиболее конструктивных инструментов получения новых знаний в медицине.

Модель – это некий новый объект, который отражает существенные особенности изучаемого объекта, явления или процесса. Однако модель – это не только отражение наших знаний об исследуемом объекте, но и источник новых знаний, полученных с помощью модели. Исследование модели позволяет оценить поведение моделируемого объекта в новых условиях или при различных воздействиях, которые на реальном объекте проверить невозможно (исследование на людях) или затруднительно (дорогостоящие объекты или негативные последствия экспериментов).

Поэтому в более широком смысле модель можно рассматривать как мысленно представляемую или материально реализованную систему, которая, отображая или воспроизводя объект исследования, способна замещать его так, что ее изучение дает новую информацию об этом объекте.

Модель – искусственно созданный человеком объект любой природы, который заменяет или воссоздает исследуемый объект так, что изучение модели способно давать новую информацию об объекте. Модель всегда беднее, чем реальный объект, она всегда отображает только некоторые его черты, причем в разных случаях – разные, все зависит от задачи, для решения которой создается модель.

Объект исследования в биологии и медицине - живой организм, который является достаточно сложной системой. Поэтому исследователь неизбежно выбирает упрощенную точку зрения, которая подходит для решения конкретно поставленной задачи. Выбор модели определяется целями исследования.

Существует множество классификаций моделей, наиболее общая из них разделяет все модели на вещественные, энергетические и информационные.

Под вещественными моделями принято понимать те, которые воспроизводят структуру объекта и взаимоотношения его частей. Примером таких моделей в медицине могут служить различные протезы, по внешнему виду похожие на реальные части тела, которые они замещают.

Энергетические модели используются для моделирования функциональных взаимоотношений в изучаемых объектах. Эти модели по внешнему виду не напоминают моделируемые объекты, но их целью является выполнение функций этих объектов. Например, в медицине широко используются такие системы, как аппарат искусственной почки или искусственного дыхания. Имеется целый ряд разработок, в которых сочетаются свойства вещественных и энергетических моделей, то есть и по внешнему виду и по выполняемым функциям модели подобны заменяемым органам. К таким моделям относятся биоуправляемые протезы, искусственный хрусталик глаза, последние разработки в области искусственного сердца.

50

В отличие от первых двух моделей информационные модели – это описания объекта. В медико-биологических исследованиях до недавнего времени для описания работы биологических систем использовали преимущественно словесные модели. Однако, с помощью словесных моделей затруднительно четко изложить закономерности работы изучаемого объекта. Поэтому все чаще используются математические модели, которые используют количественные соотношения между параметрами исследуемой биосистемы.

Наибольшее значение в медицинских исследованиях получили математические модели.

Математические модели подразделяются на детерминированные и вероятностные. В детерминированных моделях переменные и параметры предполагаются постоянными и описываются детерминированными функциями. В вероятностных моделях, характеризующие ее переменные и параметры, являются случайными функциями или случайными величинами.

Детерминированные математические модели чаще всего представляют собой систему алгебраических или дифференциальных уравнений. Вероятностные модели строятся по результатам экспериментального определения динамических характеристик объектов на основе методов математической статистики.

Необходимость применения в медицине математических методов моделирования с использованием компьютерной техники диктуется тем, что с их помощью можно описать адекватно и в короткий срок обобщить сложную сущность явлений и процессов, описать и понять факты, выявить взаимосвязи, найти рациональное решение с гораздо большей полнотой и надежностью, чем это делается на базе словесных характеристик и элементарных рутинных расчетов.

К настоящему времени сформировалось представление о том, что может дать применение метода математического моделирования в медицине: систематизировать и объединять знания о физиологических системах, идентифицировать важные параметры (физиологические содержательные свойства) и определять общую чувствительность системы к вариации каждого параметра, количественно оценивать трудноизмеряемые и вообще неизмеряемые показатели, быстро и эффективно проверять гипотезы без обращения к эксперименту, планировать эксперименты и исследования, предсказывать поведение реальной системы.

Важной проблемой в математическом моделировании является адекватность математического выражения биологического явления, т.к. математический аппарат создавался в расчете на изучение процессов неживой природы (механических, атомных, молекулярных), характеризующихся одномерным распределением, которое не свойственно биопроцессам.

Направленность на клиническое применение определила особые требования к математическим моделям: необходимость отражения патологических процессов и компенсаторных сдвигов,

51

лечебных воздействий (медикаментозных, изменение режима вентиляции, жидкостного баланса и пр.), оценку модели в реальном времени, а также наличие диалогового интерфейса в терминах, принятых в клинике.

Таким образом, математическая модель – это система формул, функций, уравнений, которые описывают те или иные возможности изучаемого объекта, явления или процесса. Закон всемирного тяготения, закон Ома и др. – все это математические модели реальных физических явлений. Когда же изучаются динамические процессы, то математической моделью является система дифференциальных уравнений, т.е. уравнений, которые содержат производные, поскольку именно производные отображают изменения величин, которые нас интересуют в исследуемой системе. Математическое моделирование любого процесса возможно, когда достаточно хорошо изучены его физические и биологические закономерности, однако перечень таких процессов в живом организме пока что еще невелик. Внедрение ЭВМ расширило возможности математического моделирования в медицине, поскольку стало возможным моделирование сложных систем.

Математическое моделирование дает возможность исследовать поведение биологической системы в таких условиях, которые сложно создать в эксперименте или клинике, снизить материальные затраты (т.к. уменьшается продолжительность исследования - на ЭВМ можно за короткое время воспроизвести огромное количество вариантов исследования), быстро ответить на вопросы, которые возникают во время лечения.

Математическая модель «хищники-жертвы»Впервые в биологии математическую модель периодического

изменения количества антагонистических видов животных предложил итальянский математик В. Вольтерра с сотрудниками. Эта модель была развитием идеи, намеченной в 1924 г. А. Лоттки в книге «Элементы физической биологии». Поэтому эта классическая модель известна как «модель Лоттки-Вольтерра».

Хотя в природе отношения антагонистических видов сложнее, чем у модели, тем не менее, они являются хорошей учебной моделью, на которой можно изучать основные идеи математического моделирования.

Задача моделирования формулируется таким образом.В некотором, экологически замкнутом районе, живут животные

двух видов (например, рыси и зайцы). Зайцы (жертвы) питаются растительной пищей, которая имеется в достаточном количестве (в рамках данной модели не учитывается ограниченность ресурсов растительной пищи). Рыси (хищники) могут питаться только зайцами. Нужно определить, как будет изменяться численность жертв и хищников с течением времени.

52

Обозначим количество жертв через N, а количество хищников через М. Величины N и М являются функциями времени t. В данной модели учтем такие факторы:

1) естественное размножение жертв;2) естественную гибель жертв;3) уничтожение жертв, вследствие поедания их хищниками;4) естественное вымирание хищников;5) увеличение количества хищников за счет размножения при

наличии пищи.Поскольку речь идет о математической модели, то задачей является выведение уравнений, в которые входили бы все обозначенные факторы и которые описывали бы динамику, т.е. изменение количества жертв и хищников с течением времени.

Пусть за некоторое время t количество жертв и хищников изменится на N и М. Изменение количества жертв N за время t определяется, во-первых, увеличением вследствие естественного размножения (пропорционально количеству жертв, которые имеются в наличии):

(N)1 = АNt,где А – коэффициент пропорциональности, который характеризует скорость размножения жертв в данных условиях.

Во-вторых, имеет место уменьшение количества жертв, вследствие естественного вымирания, также пропорциональное их количеству в данный момент:

(N)2 = ВNt.Знак минус как раз и отображает уменьшение численности.

В основе уравнения, которое описывает уменьшение количества жертв за счет поедания их хищниками лежит идея о том, что, чем чаще происходят их встречи, тем быстрее уменьшается количество жертв. Также понятно, что частота встреч хищника с жертвой пропорциональна и количеству жертв и количеству хищников. т.е. их произведению МN. Поэтому можно записать:

(N)3 = СNМt.Коэффициент «С» характеризует частоту встреч жертвы с

хищником.Как вывод, с учетом всех трех факторов, для изменения

количества жертв можно записать такое уравнение:

N = АNt ВNt СМNt

или .

Для того, чтобы решить это уравнение, нужно знать, как изменяется количество хищников М со временем.

Изменение количества хищников М определяется увеличением числа хищников вследствие естественного размножения при наличии достаточного количества пищи (М1=QNМt) и

53

уменьшением вследствие естественного вымирания (М2 = РМt). С учетом этих двух факторов имеем:

М = QNMt PMt, т.е. .

Математическое моделирование в иммунологииИммунитет – это сложный комплекс реакций организма на

вторжение антигенов – чужеродных объектов: молекул, клеток, тканей и пр. Специфическая иммунная реакция на молекулярном уровне начинается с того, что специализированные плазматические клетки производят в большом количестве белковые молекулы – антитела, которые нейтрализуют антигены. Антитела имеют конформацию, комплементарную определенному участку поверхности антигена. Поэтому антитело взаимодействует с антигеном, как ключ с замком, и образуемый при этом комплекс подвергается лизису ферментами. Рассмотрим модель работы иммунного аппарата во время продолжительного инфекционного заболевания. Эта модель используется в клинической практике при лечении вирусного гепатита и острой пневмонии.

Исследования характера решений математической модели дали четыре основных формы течения инфекционного заболевания. На рис. 11.1 показаны возможные случаи динамики иммунной реакции (Х – количество антигенов, t – время):

Рис. 11.1. Возможные случаи динамики иммунной реакции.

Субклиническая форма 1 – проходит без физиологических расстройств в организме и без внешних проявлений. Средства иммунной защиты легко уничтожают антигены, не давая им размножаться до опасного предела.

Острая форма 2 – в этом случае организм атакуется неизвестным антигеном в больших количествах. Сначала происходит его усиленное размножение. Когда же иммунная система производит против него достаточное количество антител, то количество антигенов резко уменьшается.

Хроническая форма 3 – устанавливается динамическое равновесие в количествах антигенов и антител. Возникает стойкое состояние болезни.

54

Летальная форма 4 – иммунный ответ слишком запаздывает, и большое количество антигенов провоцирует в организме необратимые изменения.

Математическая модель иммунной реакции при инфекционных заболеваниях – это три взаимозависимых дифференциальных уравнения:

,

где Х – количество антигенов; Y – количество антител; Z – количество плазматических клеток, которые производят антитела.

Взаимодействие «болезнетворного начала» – антигенов – и иммунных сил организма в этой математической модели носит характер, похожий по взаимодействию с системой «хищники-жертвы». Поэтому два первых уравнения похожи на изученные в предыдущем разделе.

«Жертвой» здесь является чужеродный агент, который в модели будет количественно описываться концентрацией соответствующего антигена Х, а «хищником» – антитела Y, образованные от количества Z этих клеток.

В данной модели учтены следующие процессы и факторы:1. Размножение антигенов (имеется ввиду размножение чужеродных

вирусов и бактерий в организме хозяина). Коэффициент размножения А считается обратно-пропорциональным температуре, т.е. А = А(Т) = А(0)/Т. Тем самым будет учтено угнетающее влияние высокой температуры на размножение антигенов.

2. Естественный распад антител и антигенов с коэффициентами C и L.3. Естественная гибель плазматических клеток с коэффициентом N.4. Взаимодействие антиген-антитело в реакции агглютинации

пропорционально вероятности встречи соответствующего антитела с антигеном, т.е. ХY.

5. Поступление антител в кровь пропорционально концентрации клеток Z.

6. Скорость образования плазматических клеток считается зависимой не просто от концентрации антигена Х, а от некоторой функции F(X). Эта функция F(X) в данной модели представлена в виде гиперболической зависимости:

.

Коэффициент М считается пропорционально зависимым от температуры (М = М(Т)).

Исследование математической модели заключается в решении выведенной системы дифференциальных уравнений с известными коэффициентами A, B, C, D, K, L, M, N, Q и при начальных условиях X(0), Y(0), Z(0). Особенно значимым при этом является то, что одна и та же модель при разных начальных условиях или коэффициентах дает абсолютно разную динамику процесса. Эти коэффициенты

55

определяются по результатам специальных биохимических анализов, у каждого человека они индивидуальны.

Врач получает в лаборатории значения всех коэффициентов больного. Эти данные вводятся в ЭВМ, которая, решив систему уравнений при этих значениях коэффициентов, выдает прогноз, каким образом будет развиваться инфекционное заболевание у данного пациента.

Математическая модель может также помочь врачу и при лечении. Например, в медицинской практике лечения некоторых инфекционных заболеваний проводят методом обострения, т.е. переводят хроническую форму в острую с последующим выздоровлением. Для этого необходимо искусственно обострить болезнь, т.е. ввести в организм в определенный момент времени (t1,t2) определенное количество Р биостимулятора – антигена, который является конкурирующим, непатогенным, не размножается; через некоторое время он провоцирует усиленный иммунный ответ, который приводит к быстрому выздоровлению (рис. 11.2).

Исследование математической модели, т.е. многоразовый расчет на ЭВМ, дает возможность определить необходимое количество биостимулятора и момент времени его введения в организм больного, при котором график течения болезни приобретает необходимую форму. Затем врач, на основе такого предварительного исследования модели на ЭВМ, может ввести индивидуально подобранную дозу биостимулятора больному.

Рис. 11.2.

Математическая модель роста популяции бактерийИзменение размера популяции бактерий описывается таким

дифференциальным уравнением:

,

где Y – количество клеток в колонии; t – время; – скорость

изменения количества клеток; А – коэффициент, который зависит от среднего значения периода генерации; В – коэффициент, который учитывает смертность.

56

На рис. 11.3 показан пример исследования вышеуказанной математической модели для таких значений коэффициентов: А = 2,5; В = 0,001; Yнач = 50.

Рис. 11.3.

Математическое моделирование распространения инфекционного заболевания в населенном пункте

Процесс распространения инфекционного заболевания в простейшем случае можно описать системой из трех дифференциальных уравнений первого порядка:

где Q – количество жителей населенного пункта; А – среднее количество жителей, которых каждый день инфицирует каждый больной; R – средняя продолжительность заболевания, дни; Х – количество здоровых людей; Y – количество больных людей; Z – количество тех, кто переболел и приобрел иммунитет.

Экспоненциальная модель размножения (модель естественного роста численности популяции)

Пусть X(t) – численность населения в момент времени t. Предположим, что число новорожденных (G) пропорционально численности населения и промежутку времени Δt:

G=gXt.где g – усредненное относительное число новорожденных в единицу времени (рождаемость); например, g = 0,068 (1/год) обозначает 68 новорожденных на 1000 населения за год. Число умерших (Н) в данной модели также считают пропорциональным численности населения и промежутку времени

H = hX · Δt.Величину h, которая является усредненным относительным числом умерших за единицу времени, называют смертностью. Тогда изменение численности населения (ΔX):

ΔX = G – H.Следовательно, дифференциальное уравнение

экспоненциальной модели размножения имеет следующий вид:dX = (g-h) Xdt.

57

Из этого уравнения находим скорость относительного прироста населения:

= g-h.

В экспоненциальной модели скорость относительного прироста не зависит от численности населения и не меняется со временем, т.е.:

g-h = const.Решение такого уравнения называют формулой

экспоненциального роста:.

В этом уравнении учтено начальное условие Анализируя полученную связь, видим, что население со

временем растет, если g>h; остается на одном уровне, если g = h; уменьшается, если g<h.

Логистическая модель размножения (модель изменения численности популяции с учетом конкуренции между особями)

Число новорожденных в логистической модели выражается аналогично таковому в экспоненциальной , однако число умерших определяется уравнением:

.

Второе слагаемое учитывает дополнительные причины гибели: война; эпидемии инфекций, голод и т.д.

Таким образом, дифференциальное уравнение логистической модели размножения имеет вид:

dX = (g – h)Xdt – h1X2dtЧастным решением этого уравнения с начальным условием

является следующая функция:

.

Такая функция называется логистической, а закон, соответственно, - логистическим. График зависимости X(t) приведен на рисунке:

Как видим, с течением времени х не уходит на бесконечность, а выходит на стационарный уровень хст. При логистическом законе

58

размножения численность населения со временем приближается к равновесному числу, определяемому пределом:

.

Фармакокинетические моделиФармакокинетика изучает распределение в организме

исследуемого биологически активного вещества и изменение его концентрации со временем. К биологически активным веществам относятся, в частности, лекарственные препараты. Законы изменения концентрации лекарственного препарата в организме различны в зависимости от способов и параметров его введения и выведения. В фармакокинетике организм формально разделяют на камеры объемом V. Фармакокинетическая камера – это часть организма, в которой исследуемый препарат распределен равномерно. Совокупность процессов, которые обусловливают уменьшение содержания лекарственного препарата в организме со временем, называют элиминацией.

Рассмотрим фармакокинетическую модель при однократном введении лекарственного препарата начальной массы М0.

Если скорость вывода лекарственного препарата из организма

пропорциональна первой степени массы М препарата в камере, то

такой процесс относится к линейной фармакокинетической модели; считают, что в такой фармакокинетической модели лекарственный препарат равномерно распределен по всему организму, и модель называют «однокамерной».

Дифференциальное уравнение однокамерной линейной фармакокинетической модели имеет вид:

,

где – константа элиминации, т.е. коэффициент удаления препарата из организма.

Интегральное уравнение однокамерной линейной фармакокинетической модели записывают как:

,

где М – масса препарата в камере в момент времени t = 0.Если V – объем камеры, то массу М препарата определяют по

концентрации C: М = VC. Уравнение для определения концентрации препарата в зависимости от времени имеет следующий вид:

,

где с0 – концентрация препарата в начальный момент времени.

59

Элиминацию (выведение) биологически активных веществ из организма на практике изучают по уменьшению их концентрации в крови. Кровь является основной тест-тканью. Как видно, концентрация лекарственного препарата в крови непрерывно снижается по убывающему экспоненциальному закону.

Прологарифмируем последнее уравнение:

и увидим линейную зависимость логарифма концентрации от времени. Однокамерная линейная модель является адекватной, если экспериментальные значения , , …, удовлетворяют последнему уравнению.

Однокамерная линейная модель является адекватной для многих лекарственных препаратов, введенных в кровь инъекционно. Равномерное распределение препарата обеспечивается циркуляцией крови на протяжении нескольких минут, а период полувыведения порядка нескольких часов.

Вопросы, вынесенные на практическое занятие:1. Виды моделирования. Компьютерные технологии и математическое моделирование.2. Математическое моделирование процессов в популяциях:- хищники-жертвы;- иммунологические модели;- рост популяции;- распространение инфекции.3. Математическое моделирование процессов фармакокинетики (распределения активных веществ в организме модели)

60

ТЕМА 12. «НЕЙРОННЫЕ СЕТИ. ЭКСПЕРТНЫЕ СИСТЕМЫ»

План:1. Актуальность и перспективы использования НС в технике и медицине.2. Биологические основы функционирования нейрона. 3. Модель технического нейрона архитектура нейронной сети.4. Классификация нейронных сетей.5. Обучение нейронных сетей.6. Экспертные системы. Возможности экспертных систем и области их использования.7. Структура экспертных систем.8. Этапы разработки экспертных систем.9. Инструментальные средства экспертных систем.10. База знаний экспертной системы.11. Применение экспертных систем в медицине.

Актуальность и перспективы использования нейронных сетейв технике и медицине

В последние десятилетия в мире бурно развивается новая прикладная область математики, специализирующаяся на искусственных нейронных сетях. Экспертные системы как вид информационных систем для представления знаний могут использовать математическую модель нейронных сетей. Их разработка направлена на имитацию мышления человека-эксперта, поэтому алгоритмы обработки информации с помощью определенных правил заменяются параллельным механизмом обработки данных. Человеческий мозг достигает высокой скорости обработки сложных процессов благодаря параллельной организации нервной системы. При этом большое число нейронов, работающих со сравнительно низкой скоростью, одновременно выполняет относительно простые операции над сигналами, поступающими от других нейронов.

Необходимость реализации нейронных сетей (НС) возникает при значительном увеличении числа правил и выводов в задачах с плохо структурированной информацией. А именно:

Распознавание образов и классификация. Задача состоит в указании принадлежности входного образа (например, речевого сигнала или рукописного символа), представленного рядом признаков, одному или нескольким предварительно определенным классам. К известным приложениям относятся распознавание букв, распознавание речи, классификация сигнала электрокардиограммы, классификация клеток крови.

Суммируя можно сказать, что распознавание образа подразумевает его идентификацию, а классификация – отнесение к соответствующему классу

Выполнение прогнозов. Задача состоит в предсказании значения определенной функции в некоторый будущий момент времени.

61

Предсказание имеют значительное влияние на принятие решений в бизнесе, науке и технике и медицине. Предсказание цен на фондовой бирже, протекание болезни и прогноз погоды являются типичными приложениями техники предсказания. Компьютерная нейросетевая диагностика является оптимальным средством для проведения прогнозирования в условиях неполной информации.

Оптимизация. Многочисленные проблемы в математике, статистике, технике, науке, медицине и экономике могут рассматриваться как проблемы оптимизации. Задачей алгоритма оптимизации является нахождение такого решения, которое удовлетворяет системе ограничений.

Управление. Целью управления является расчет такого входного воздействия, при котором система следует по желаемой траектории, диктуемой эталонной моделью.

Задача сжатия (компрессии) данных состоит в уменьшении хранимой или передаваемой информации с возможностью ее полного восстановления (декомпрессии). Применение нейронной сети позволяет получить новые решения для сжатия с потерей (с допустимой утратой определенной части информации) при хороших обобщающих способностях и относительно высоком коэффициенте компрессии. Нейронные сети не программируются; они не используют каких-либо правил вывода для постановки диагноза, а обучаются делать это на примерах.

Например, исходный рентгенологический снимок может кодироваться, а затем декодироваться с помощью нейронной сети.

Кроме того, нейронные сети находят применение для диагностирования неисправностей различного оборудования.

Одним из существенных направлений является также создание экспертных систем, которые детально будут рассмотрены далее.

Специфическими медицинскими нейросетевыми технологиями решаются, например, задачи:

– исследования и обнаружения вирусов;– разработки мобильных роботов для проведения различных работ;– обнаружения и прогнозирования эпилептических припадков,

ишемических атак головного мозга и др.Нейронные сети просты в использовании. Пользователь

нейронной сети подбирает представительные (характерные) данные, а затем запускает алгоритм обучения, который автоматически воспринимает структуру данных. Для реализации нейросетевых технологий используется нейрокомпьютер – вычислительная система с архитектурой аппаратного и программного обеспечения, адекватного выполнению алгоритмов, представленных в нейросетевом логическом базисе, с полным отказом от булевских элементов типа и, или, нет. Нейрокомпьютер использует обучение вместо программирования. Работа программиста заменяется новой работой учителя, задачей которого является формирование обучающих множеств.

62

Биологические основы функционирования нейронаТеория НС вытекает из множества дисциплин, включая

физиологию, математику, нейробионику, физику, технику, философию, биологию и лингвистику, то есть НС технология – результат работы многих наук по одному направлению – созданию интеллектуальных систем.

Развитие искусственных нейронных сетей вдохновляется биологией. То есть, рассматривая сетевые конфигурации и алгоритмы, исследователи делают это, используя термины характерные для описания организации мозговой деятельности. Но на этом аналогия, пожалуй, заканчивается. Наши знания о работе мозга столь ограничены, что мало бы нашлось ориентиров для тех, кто стал бы ему подражать. Поэтому разработчикам сетей приходится выходить за пределы современных биологических знаний в поисках структур, способных выполнять полезные функции. Нейроны являются основой НС. Искусственные нейроны представляют собой математическую модель биологических нейронов, поэтому для понимания принципов работы нейросетей необходимо иметь представление о биологическом нейроне, прототипе искусственного.

Нейрон (нервная клетка) является особой биологической клеткой, которая обрабатывает информацию (рис. 12.1). Она состоит из тела клетки, или сомы, и двух типов внешних древоподобных ветвей: аксона и дендритов. Тело клетки включает ядро, которое содержит информацию о наследственных свойствах, и плазму, обладающую молекулярными средствами для производства необходимых нейрону материалов. Нейрон получает сигналы (импульсы) от других нейронов через дендриты (приемники) и передает сигналы, сгенерированные телом клетки, вдоль аксона (передатчик), который в конце разветвляется на волокна. На окончаниях этих волокон находятся синапсы.

Синапс является элементарной структурой и функциональным узлом между двумя нейронами (волокно аксона одного нейрона и дендрит другого).

При активации нейрон посылает электрохимический сигнал по своему аксону. Через синапсы этот сигнал достигает других нейронов, которые могут в свою очередь активироваться. Нейрон активируется тогда, когда суммарный уровень сигналов, пришедших в его ядро из дендритов, превысит определенный уровень (порог активации).

Интенсивность сигнала, получаемого нейроном (а следовательно и возможность его активации), сильно зависит от активности синапсов. Каждый синапс имеет протяженность, и специальные химические вещества (нейротрансмиттеры, нейромедиаторы) передают сигнал вдоль него. Один из авторитетных исследователей нейросистем, Дональд Хебб, высказал постулат, что обучение заключается в первую очередь в изменениях "силы" синаптических связей. Например, в классическом опыте Павлова, каждый раз непосредственно перед кормлением собаки звонил

63

колокольчик, и собака быстро научилась связывать звонок колокольчика с пищей. Синаптические связи между участками коры головного мозга, ответственными за слух, и слюнными железами усилились, и при возбуждении коры звуком колокольчика у собаки начиналось слюноотделение.

Рис. 12.1. Структура биологического нейрона.

Таким образом, будучи построен из очень большого числа совсем простых элементов (каждый из которых берет взвешенную сумму входных сигналов, и в случае, если суммарный вход превышает определенный уровень, передает дальше двоичный сигнал), мозг способен решать чрезвычайно сложные задачи.

Модель технического нейрона. Архитектура нейронной сетиЧтобы отразить суть биологических нейронных систем,

определение искусственного нейрона (рис.15.2) дается следующим образом: Он получает входные сигналы Х1,Х2,…,Хn (исходные данные либо выходные сигналы других нейронов нейронной сети) через несколько входных каналов. Каждый входной сигнал проходит через соединение, имеющее определенную интенсивность (или вес w1,w2,…,wn); этот вес соответствует синаптической активности биологического нейрона. С каждым нейроном связано определенное пороговое значение T. Вычисляется взвешенная сумма входов, из нее вычитается пороговое значение и в результате получается величина активации нейрона (она также называется пост-синаптическим потенциалом нейрона – PSP).

PSP преобразуется с помощью функции активации f (или передаточной функции) (рис.12.3) и в результате получается выходной сигнал нейрона Y.

64

Если при этом использовать ступенчатую функцию активации (т.е., выход нейрона равен нулю, если вход отрицательный, и единице, если вход нулевой или положительный рис.15.3 а), то такой нейрон будет работать точно так же, как описанный выше естественный нейрон (вычесть пороговое значение из взвешенной суммы и сравнить результат с нулем – это то же самое, что сравнить взвешенную сумму с пороговым значением). Следует учесть, что веса могут быть отрицательными, – это значит, что синапс оказывает на нейрон не возбуждающее, а тормозящее воздействие (в мозге присутствуют тормозящие нейроны).

Все вышесказанное проиллюстрировано на рис. 12.2 и рис. 12.3.

Рис. 12.2. Искусственный нейрон.

Выходной сигнал нейрона Y определяет(1)

Активационная функция f может иметь вид как функции единичного скачка, так и другие (случаи б), в) рис.15.3).

Рис. 12.3. a) ступенчатая (функция единичного скачка); б) линейная функция (линейный порог); в) сигмоидальная униполярная (формула 2).

Одной из наиболее распространенных является нелинейная функция с насыщением, так называемая логистическая функция или сигмоид (т.е. функция s-образного вида):

65

(2)

Параметр подбирается пользователем. Его значение влияет на функцию активации. График сигмоидной функции сильно зависит от . При малых величинах график функции достаточно пологий и при =0 вырождается в горизонтальную линию на уровне 0.5, но по мере роста крутизна графика увеличивается. При → сигмоидальная функция превращается в функцию ступенчатого типа. Выходное значение нейрона при этом лежит в диапазоне [0;1].

Сигмоид обладает свойством усиливать слабые сигналы лучше, чем большие, и предотвращает насыщение от больших сигналов, так как они соответствуют областям аргументов, где сигмоид имеет пологий наклон.

Это было описание отдельного нейрона. Объединенные между собой нейроны образуют систему, которая называется нейронной сетью. Теперь возникает вопрос: как соединять нейроны друг с другом? Если сеть предполагается для чего-то использовать, то у нее должны быть входы (принимающие значения интересующих нас переменных из внешнего мира) и выходы (прогнозы или управляющие сигналы). Входы и выходы соответствуют сенсорным и двигательным нервам - например, соответственно, идущим от глаз и в руки. Кроме этого, однако, в сети может быть еще много промежуточных (скрытых) нейронов, выполняющих внутренние функции. Входные, скрытые и выходные нейроны должны быть связаны между собой.

Ключевой вопрос здесь – обратная связь. Простейшая сеть имеет структуру прямой передачи сигнала: сигналы проходят от входов через скрытые элементы и в конце концов приходят на выходные элементы. Такая структура имеет устойчивое поведение. Если же сеть рекуррентная (т.е. содержит связи, ведущие назад от более дальних к более ближним нейронам), то она может быть неустойчива и иметь очень сложную динамику поведения. Рекуррентные сети представляют большой интерес для исследователей в области нейронных сетей, однако при решении практических задач, по крайней мере до сих пор, наиболее полезными оказались структуры прямой передачи.

В сети с прямой передачей сигнала нейроны регулярным образом организованы в слои. Входной слой служит просто для ввода значений входных переменных. Каждый из скрытых и выходных нейронов соединен со всеми элементами предыдущего слоя.

При работе (использовании) сети во входные элементы подаются значения входных переменных, затем последовательно отрабатывают нейроны промежуточных и выходного слоев. Каждый из них вычисляет свое значение активации, беря взвешенную сумму выходов элементов предыдущего слоя и вычитая из нее пороговое значение. Затем значение активации преобразуются с помощью функции активации, и в результате получается выход нейрона. После

66

того, как вся сеть отработает, выходные значения элементов выходного слоя принимаются за выход всей сети в целом.

НС слоистой структуры с активационными функциями единичного скачка называется перцептроном и является классической нейронной сетью. В качестве примера простейшей НС рассмотрим однослойный перцептрон, состоящий из 3-х нейронов (рис. 12.4).

Рис. 12.4. Однослойный перцептрон

На n входов поступают некие сигналы, проходящие по синапсам на 3 нейрона, образующие единственный слой этой НС и выдающие три выходных сигнала:

, j=1...3 (3)

где j – номер нейрона, i – номер синаптической связи.Теоретически число слоев и число нейронов в каждом слое

может быть произвольным, однако фактически оно ограничено ресурсами компьютера или специализированной микросхемы, на которых обычно реализуется НС. Чем сложнее НС, тем масштабнее задачи, подвластные ей.

Выбор структуры НС осуществляется в соответствии с особенностями и сложностью задачи. Для решения некоторых отдельных типов задач уже существуют оптимальные, на сегодняшний день, конфигурации. Если же задача не может быть сведена ни к одному из известных типов, разработчику приходится решать сложную проблему синтеза новой конфигурации. При этом он руководствуется несколькими основополагающими принципами: возможности сети возрастают с увеличением числа ячеек сети, числа слоев сети и количества связей между ними; введение обратных связей наряду с увеличением возможностей сети поднимает вопрос о динамической устойчивости сети; сложность алгоритмов функционирования сети (в том числе, например, введение нескольких типов синапсов – возбуждающих, тормозящих и др.) Также способствует усилению мощи НС. Вопрос о необходимых и достаточных свойствах сети для решения того или иного рода задач представляет собой целое направление нейрокомпьютерной науки. Так как проблема синтеза НС сильно зависит

67

от решаемой задачи, дать общие подробные рекомендации затруднительно. В большинстве случаев оптимальный вариант получается на основе интуитивного подбора.

Классификация нейронных сетейКак уже упоминалось выше, зависимости от способа

объединения нейронов сети подразделяются на однонаправленные и рекуррентные (с обратной связью). Кроме того, было показано, что сети могут классифицироваться по числу слоев (однослойные и многослойные)

Развивая дальше вопрос о возможной классификации НС, важно отметить существование бинарных и аналоговых сетей. Первые из них оперируют с двоичными сигналами, и выход каждого нейрона может принимать только два значения: логический ноль ("заторможенное" состояние) и логическая единица ("возбужденное" состояние). К этому классу сетей относится и названный выше перцептрон, так как выходы его нейронов, формируемые функцией единичного скачка, равны либо 0, либо 1. В аналоговых сетях выходные значения нейронов способны принимать непрерывные значения, что могло бы иметь место после замены активационной функции нейронов перцептрона на сигмоид.

Еще одна классификация делит НС на синхронные и асинхронные. В первом случае в каждый момент времени свое состояние меняет лишь один нейрон. Во втором – состояние меняется сразу у целой группы нейронов, как правило, у всего слоя. Алгоритмически ход времени в НС задается итерационным выполнением однотипных действий над нейронами.

Обучение нейронных сетейОчевидно, что процесс функционирования НС, то есть сущность

действий, которые она способна выполнять, зависит от величин синаптических связей, поэтому, задавшись определенной структурой НС, отвечающей какой-либо задаче, разработчик сети должен найти оптимальные значения всех переменных весовых коэффициентов (некоторые синаптические связи могут быть постоянными).

Этот этап называется обучением НС, и от того, насколько качественно он будет выполнен, зависит способность сети решать поставленные перед ней проблемы во время эксплуатации. На этапе обучения кроме параметра качества подбора весов важную роль играет время обучения. Как правило, эти два параметра связаны обратной зависимостью и их приходится выбирать на основе компромисса.

Обучение НС может вестись с учителем или без него. В первом случае сети предъявляются значения как входных, так и желательных выходных сигналов, и она по некоторому внутреннему алгоритму подстраивает веса своих синаптических связей так, чтобы выходные сигналы были максимально близки к желательным. Во втором случае (без учителя) выходы НС формируются самостоятельно, а веса

68

изменяются по алгоритму, учитывающему только входные и производные от них сигналы, без возможности прогноза выходных сигналов.

Существует великое множество различных алгоритмов обучения, которые однако делятся на два больших класса: детерминистские и стохастические. В первом из них подстройка весов представляет собой жесткую последовательность действий, во втором – она производится на основе действий, подчиняющихся некоторому случайному процессу.

69

ЭКСПЕРТНЫЕ СИСТЕМЫ

Экспертные системы. Возможности экспертных систем и области их использования

При изучении медицинских информационных систем базового уровня нами были рассмотрены консультативно-диагностические системы (КДС), предназначенные для диагностики патологических состояний (включая прогноз и выработку рекомендаций по способам лечения). Было показано, что в КДС принято выделять такие модули: база данных (БД) и база знаний (БЗ); механизм логического вывода (МЛВ) или машина логического вывода; интерфейс с пользователем. По способу реализации МЛВ различают экспертные КДС и вероятностные КДС. В экспертных системах (ЭС) реализуется логика принятия решения опытным врачом-клиницистом. ЭС принадлежат к классу систем «искусственного интеллекта» и, как указывалось в предыдущих лекциях, для их построения могут быть использованы подходы формальной и неформальной (нейросетевой) логики. Специфика каждого из направлений приведена в табл. 1.

Компьютерные системы, которые могут лишь повторить логический вывод эксперта, принято относить к ЭС первого поколения. Однако специалисту, решающему интеллектуально сложную задачу, явно недостаточно возможностей системы, которая лишь имитирует деятельность человека. Ему нужно, чтобы ЭС выступала в роли полноценного помощника и советчика, способного проводить анализ нечисловых данных, выдвигать и отбрасывать гипотезы, оценивать достоверность фактов, самостоятельно пополнять свои знания, контролировать их непротиворечивость, делать заключения на основе прецедентов и, может быть, даже порождать решение новых, ранее не рассматривавшихся задач. Наличие таких возможностей является характерным для ЭС второго поколения, концепция которых начала разрабатываться 9-10 лет назад. Экспертные системы, относящиеся ко второму поколению, называют партнерскими, или усилителями интеллектуальных способностей человека. Их общими отличительными чертами является умение обучаться и развиваться, т.е. эволюционировать.

Таблица 1.

Специфика реализации экспертных систем на подходах формальной и неформальной логики

  Экспертные системы на базе формальной логики

ЭС на базе неформальной логики - нейронные сети

Источник знаний

Формализованный опыт эксперта, выраженный в виде

Совокупный опыт эксперта-учителя, отбирающего примеры для обучения + собственный

70

логических утверджений, правил и фактов, безусловно принимаемых системой

опыт нейронной сети обучающейся на этих примерах

Характер знаний

Формально-логическое “левополушарное” знание в виде правил

Ассоциативное “правополушарное” знание в виде связей между нейронами сети

Развитие знаний

В форме расширения совокупности правил и фактов (базы знаний)

В форме дообучения на дополнительной последовательности примеров, с уточнением границ категорий и формированием новых категорий

Роль эксперта

Задает на основе правил полный объем знаний экспертной системы

Отбирает характерные примеры, не формулируя специально обоснование своего выбора

Роль искусственной системы

Поиск цепочки фактов и правил для доказательства суждения

Формирование индивидуального опыта в форме категорий, получаемых на основе примеров и категоризация образов

Из перечня основных типов задач, решаемых ЭС, можно выделить интерпретацию, прогноз, диагностику, проектирование, планирование, управление, наблюдение, отладку, ремонт, обучение.

Поскольку создание любой ЭС связано с материальными и временными затратами, следует четко оговорить ситуации, при которых создание ЭС является целесообразным. Таковыми являются:

1. Необходимость символьных рассуждений. Очевидно, нет смысла разрабатывать экспертную систему для численных расчетов, например, для преобразований Фурье, интегрирования, решения систем алгебраических уравнений и др., т.к. для этого существуют специальные программные средства (например, MathCad)

2. Наличие экспертов, компетентных в избранном круге вопросов, которые согласны сотрудничать при создании ЭС.

3. Поставленная проблема должна быть достаточно важной и актуальной. Это могут быть проблемы, требующие высокого уровня экспертизы, либо простые, но трудоемкие многократно повторяющиеся проверки. Нет смысла тратить время на решение проблем, которые возникают редко и могут быть разрешены человеком с обычной квалификацией.

71

4. Необходимо четко ограничивать круг решаемых задач, т.е. предметная область выбирается достаточно «узкой», чтобы избежать «комбинаторного взрыва» объема информации необходимой для компетентного решения поставленной задачи.

5. Необходима согласованность мнений экспертов о том, как следует решать поставленные задачи, какие факты необходимо использовать и каковы общие правила вынесения суждений. В противном случае невозможно расширить базу знаний за пределы опыта одного человека и осуществить сплав экспертных знаний из нескольких областей.

6. Должно быть достаточно исходных данных для проверки работоспособности экспертной системы в выбранной предметной области, чтобы разработчики смогли убедиться в достижимости некоторого заданного уровня ее функционирования.

7. Должна обеспечиваться возможность постепенного наращивания системы.

Ценность использования ЭС проявляется в следующих аспектах: a) В сборе, оперативном уточнении, кодировании и распространении экспертных знаний. b) В эффективном решении проблем, сложность которых превышает человеческие возможности, и для которых требуются экспертные знания нескольких областей. c) В сохранении наиболее уязвимой ценности коллектива – коллективной памяти.

Структура экспертных системВ состав типичной экспертной системы входят: – Интерфейс, обеспечивающий общение пользователя с

экспертной системой в удобной для него форме, он позволяет передавать ей информацию, составляющую содержание базы данных, обратиться к системе с вопросом или за объяснением.

– Блок обьяснений является важнейшей компонентой экспертной системы, т.к. даёт возможность пользователю убедиться в обоснованности информации, получаемой им от экспертной системы, позволяет задавать ей вопросы, и на основании разумных ответов проникаться к ней доверием.

– Рабочая память (база данных). Хранит данные проблемной области. Связь между которыми задается правилами в базе знаний.

– Диспетчер, определяющий порядок функционирования экспертной системы, планирующий порядок постановки и достижения целей.

– Машина логического вывода(механизм вывода) – формально-логическая система, реализованная в виде программного модуля, которая на основе правил и методов базы знаний преобразует конкретную информацию об обьекте к виду, соответствующему назначению экспертной системы (диагноз, план действий и т. п.).

72

– База знаний – совокупность всех имеющихся сведений о проблемной области, для которой предназначена данная экспертная система, записанных с помощью определенных формальных структур представления знаний (набора правил, фреймов, семантических сетей и пр.).

Отличительными особенностями ЭС являются:1. Экспертиза может проводиться только в одной конкретной

области. Так, программа, предназначенная для определения конфигурации систем ЭВМ, не может ставить медицинские диагнозы.

2. База знаний и механизм логического вывода являются различными компонентами. Действительно, часто оказывается возможным сочетать механизм вывода с другими базами знаний для создания новых ЭС. Например, программа анализа инфекции в крови может быть применена в пульмонологии путем замены базы знаний, используемой с тем же самым механизмом вывода.

3. Наиболее подходящая область применения – решение задач дедуктивным методом. Дедукция – логическое умозаключение от общего к частному, от общих суждений к частным или другим общим выводам. Неразрывно связана с индукцией – логическим методом, основанном на умозаключении от частных случаев к общему выводу.

4. Эти системы должны объяснять ход решения задачи понятным пользователю способом. Обычно мы не принимаем ответ эксперта, если на вопрос «Почему?» не можем получить логичный ответ. Точно также мы должны иметь возможность спросить систему, основанную на знаниях, как было получено конкретное заключение.

Машина логического вывода – программная компонента экспертных систем, реализующая процесс ее рассуждений на основе базы знаний и базы данных. Она выполняет две функции: во-первых, просмотр существующих фактов из базы данных и правил из базы знаний и добавление (по мере возможности) в базу данных новых фактов и, во-вторых, определение порядка просмотра и применения правил. Эта подсистема управляет процессом консультации, сохраняет для пользователя информацию о полученных заключениях, и запрашивает у него информацию, когда для срабатывания очередного правила в рабочем множестве оказывается недостаточно данных.

Цель ЭС – вывести некоторый заданный факт, который называется заключением или целевым утверждением (то есть в результате применения правил добиться того, чтобы этот факт был включен в базу данных), либо опровергнуть этот факт (то есть убедиться, что его вывести невозможно, следовательно, при данном уровне знаний системы он является ложным). Целевое утверждение может быть либо «заложено» заранее в базу знаний системы, либо извлекается системой из диалога с пользователем.

73

Работа системы представляет собой последовательность шагов, на каждом из которых из базы выбирается некоторое правило, которое применяется к текущему содержимому рабочего множества. Содержимым рабочего множества (рабочей памяти) является результат диалога с пользователем, пополняемый информацией из базы данных. Цикл заканчивается, когда выведено либо опровергнуто целевое утверждение. Цикл работы экспертной системы иначе называется логическим выводом. Логический вывод может происходить многими способами, из которых наиболее распространенные – прямой порядок вывода и обратный порядок вывода.

Прямой порядок вывода – от фактов, которые находятся в рабочем множестве, к заключению. Если такое заключение удается найти, то оно заносится в базу данных. Прямой вывод часто называют выводом, управляемым данными. Рассмотрим пример.

Пусть база данных ЭС содержит факты: «барометр падает», «скоро пойдет дождь», «нужно взять с собой зонтик», а база знаний содержит следующий набор правил:

«ЕСЛИ барометр падает ТО скоро пойдет дождь» (правило 1).«ЕСЛИ скоро пойдет дождь ТО нужно взять с собой зонтик»

(правило 2).Пусть в результате диалога с пользователем системе

предложено в качестве входных данных рабочее множество:«барометр падает».Системе задается вопрос пользователя: «Нужно взять с собой зонтик?» При прямом выводе работа системы будет протекать

следующим образом:Шаг 1. Рассматривается правило 1 из базы знаний. Его условие на

данный момент истинно, так как этот входной факт «барометр падает» имеется в базе данных.

Активизируем (применяем) правило 1 и добавляем к рабочему множеству факт ”Скоро пойдет дождь”.

Шаг 2. Рассматривается правило 2 из базы знаний. Сейчас его

условие истинно, т.к. утверждение его условия имеется в базе данных.Активизируем это правило и добавляем к рабочему множеству

факт “Нужно взять с собой зонтик”. Таким образом, получен положительный ответ на поставленный вопрос, т.е. выведено целевое утверждение.

Обратный порядок вывода: заключения просматриваются до тех пор, пока не будет обнаружены в базе данных или получены от пользователя факты, подтверждающие одно из них. В системах с обратным выводом вначале выдвигается некоторая гипотеза, а затем механизм вывода в процессе работы, как бы возвращается назад, переходит от нее к фактам базы данных и пытается найти среди них те, которые могут подтвердить эту гипотезу. Если она оказалась

74

правильной, то выбирается следующая гипотеза, детализирующая первую являющаяся по отношению к ней подцелью и все действия повторяются.

В рассматриваемом примере вывод целевого утверждения “Нужно взять с собой зонтик” обратной цепочкой рассуждений выполняется следующим образом:

Шаг 1. Рассматривается правило 1. Оно не содержит целевого утверждения в правой части. Переходим к правилу 2.

Шаг 2. Рассматривается правило 2. Оно содержит цель в правой части правила. Переходим к правой части правила и рассматриваем в качестве текущей цели утверждения “Скоро пойдет дождь”.

Шаг 3. Текущей цели нет в базе данных. Рассмотрим правило 1, которое содержит цель в правой части. Обе компоненты его условия имеются в базе данных, так что условие истинно. Применяем привило 1; в результате выводим утверждение “Скоро пойдет дождь”; которое было нашей предыдущей целью.

Шаг 4. Применяем правило 2, условием которого является данное утверждение. Получаем вывод исходного утверждения.

Заметим, что для упрощения ситуации мы предположили, что в обоих случаях факт “Барометр падает” уже известны системе. На самом деле система выясняет истинность или ложность факта, входящего в условие некоторого правила, спрашивая об этом пользователя в тот момент, когда она пытается применить правило.

Инструментальные средства экспертных системРаньше на проектирование и создание ЭС требовалось 20-30

человеко-лет. В настоящее время имеются средства, ускоряющие этот процесс. Их называют инструментальными средствами – это совокупность аппаратного и программного обеспечения, позволяющего создавать прикладные системы, основанные на знаниях.

Среди программных инструментальных средств выделяют следующие большие группы:

♦ Символьные языки программирования. Это – экспертные системы, выполненные в виде отдельных программ, на некотором алгоритмическом языке, база знаний которых является непосредственно частью этой программы. Как правило, такие системы предназначены для решения задач в одной фиксированной предметной области. При построении таких систем применяются как традиционные процедурные языки PASCAL, C и др. так и специализированные языки искусственного интеллекта LIPS, INTERLIPS, PROLOG, SMALL-TALK.

♦ Оболочки экспертных систем (или пустые ЭС), т.е. системы, не содержащие знаний ни о какой предметной области. Это программный продукт, обладающий средствами представления знаний для определенных предметных областей. Задача пользователя заключается не в непосредственном программировании, а в формализации и вводе знаний с использованием предоставленных оболочкой возможностей.

75

Недостатком этих систем можно считать невозможность охвата одной системой всех существующих предметных областей. Примером могут служить ЭКО, ЭКСПЕРТ, ИНТЕРЭКСПЕРТ, РС+, VP-Expert, EMYCIN.

♦ Среды или окружение для разработки ЭС, т.е. системы, автоматизирующие разработку (проектирование) систем. Генераторы экспертных систем – мощные программные продукты, предназначенные для получения оболочек, ориентированных на то или иное представление знаний в зависимости от рассматриваемой предметной области. Примеры этой разновидности – системы KEE, ART, TEIRESIAS и др.

База знаний экспертной системыКачество ЭС определяется размером и качеством базы знаний.

Система функционирует в следующем циклическом режиме: 1) выбор (запрос) данных или результатов анализов; 2) интерпретация результатов и усвоение новой информации; 3) выдвижении с помощью базы знаний временных гипотез.

Такой процесс продолжается до тех пор, пока не поступит информация, достаточная для окончательного заключения.

В любой момент времени в системе существуют три типа знаний:

– статические знания - знания о предметной области, которые с момента их выявления не изменяются;

– динамические знания – изменяемые знания о предметной области. Они обновляются по мере выявления новой информации;

– рабочие знания – временный набор знаний, применяемый для решения конкретной задачи. Появляются во время диалога с пользователем (например, результаты анализов конкретного пациента).

Все перечисленные выше знания хранятся в базе знаний. Для ее построения требуется провести опрос специалистов, являющихся экспертами в конкретной предметной области, а затем систематизировать, организовать и снабдить эти знания указателями, чтобы впоследствии их можно было легко извлечь из базы знаний.

Источниками знаний для конкретной ЭС могут быть учебники, справочники, материалы конкретных исследований в проблемной области и т.п. сами разработчики могут иметь теоретические знания и практический опыт в данной области. Но классическим источником знаний является эксперт-профессионал в данной предметной области. Для успешного решения этой проблемы необходимы совместные усилия математиков, программистов, психологов.

На настоящий момент нет готовых систем, позволяющих исключить человека из цепочки, причастной к формированию БЗ, однако имеются теоретические исследования и исследовательские разработки, наличие которых позволяет выделить три класса способов приобретения знаний:

1. Традиционный диалог эксперта с инженером по знаниям, в котором все знания предоставляются экспертом.

76

2. Автоматическая генерация знаний, которая позволяет часть правил получать автоматически.

3. Построение индивидуальной модели исследования предметной области конкретным экспертом, позволяющей организовать целенаправленный процесс исследования этой области на основе индивидуальных предсавления данного эксперта.

При разработке ЭС необходимо начинать работу с создания «бумажной» ее модели. Эта модель формируется в процессе общения с экспертом. При этом выделяются основные понятия, которыми оперирует эксперт, формируется тезаурус системы. После этого на нескольких несложных примерах подробно анализируется метод, которым эксперт решает такого рода задачи.

В базе знаний в некотором закодированном виде хранятся формализованные знания эксперта. На современном этапе развития ЭС основными формами являются:

1) логические модели (представление знаний в виде совокупности логических формул);

2) продукционная модель – один из наиболее часо используемых в ЭС способов представления знаний. Основная идея заключается в ассоциировании с соответствующими действиями набора условий в виде правил «ЕСЛИ – ТО», называемых также продукциями.

ЕСЛИ условие ТО действияЕсли пациент болен гриппом И стадия заболевания начальная,

ТО температура высокая с вероятностью = 0,95 И головная боль есть с вероятностью = 0,8.

3) семантические сети (представление знаний в виде сети (графа, дерева). При этом объекты предметной области представляются в виде узлов сети, а связи между ними – в виде соединяющих их дуг);

4) фреймы (Фрейм – это табличная структура для описания стереотипной ситуации, состоящая из характеристик этой ситуации (слотов) и значений этой ситуации (заполнителями слотов). Совокупность фреймов, моделирующая какую-нибудь предметную область, представляет собойиерархическую структуру, в которой фреймы соединяются с помощью родовидовых связей);

5) нейросетевые модели (вариант семантических сетей, выделяемых в отдельный класс. Представляют собой имитацию процессов, происходящих в сети нейронов мозга человека).

Подробно все эти модели знаний рассмотрены в лекциях «Формальная логика в решении задач диагностики, лечения и профилактики заболеваний» и «Нейронные сети».

Применение экспертных систем в медицинеМедицинские знания носят эмпирический характер, слабо

структурированы и плохо формализованы, поэтому именно медицинские задания целесообразно решать с помощью ЭС, которые при решении нетривиальных задач производят перебор и анализ огромного

77

количества возможных вариантов и способны обучаться, используя накопленный опыт. Идеологию ЭС можно выразить формулой: знания + выводы = система.

В 1990 году Вильям Бакст из Калифорнийского университета в Сан-Диего использовал нейронную сеть – многослойный перцептрон – для распознавания инфаркта миокарда у пациентов, поступающих в приемный покой с острой болью в груди. Его целью было создание инструмента, способного помочь врачам, которые не в силах справиться с потоком данных, характеризующих состояние поступившего больного. Другой целью может быть совершенствование диагностики. Статистика такова: врач правильно диагностирует инфаркт миокарда у 88% больных и ошибочно ставит этот диагноз в 29% случаев. Ложных тревог (гипердиагностики) чересчур много. История применения различных методов обработки данных для повышения качества диагностики насчитывает десятилетия, однако лучший из них помог сократить число случаев гипердиагностики лишь на 3%.

Свою задачу исследователь усложнил, поскольку анализировал данные только тех пациентов, кого уже направили в кардиологическое отделение. Бакст использовал лишь 20 параметров, среди которых были возраст, пол, локализация боли, реакция на нитроглицерин, тошнота и рвота, потение, обмороки, частота дыхания, учащенность сердцебиения, предыдущие инфаркты, диабет, гипертония, вздутие шейной вены, ряд особенностей ЭКГ и наличие значительных ишемических изменений.

Сеть продемонстрировала точность 92% при обнаружении инфаркта миокарда и дала только 4% случаев сигналов ложной тревоги, ошибочно подтверждая направление пациентов без инфаркта в кардиологическое отделение. Налицо факт успешного применения искусственных нейронных сетей в диагностике заболевания. Теперь необходимо пояснить, в каких параметрах оценивается качество диагноза в общем случае. Предположим, что из десяти человек, у которых инфаркт действительно есть, диагностический метод позволяет обнаружить заболевание у восьми. Тогда чувствительность метода составит 80%. Если же мы возьмем десять человек, у которых инфаркта нет, а метод диагностики заподозрит его у трех человек, то доля ложных тревог составит 30%, при этом дополнительная к нему характеристика – специфичность метода – будет равна 70%.

Идеальный метод диагностики должен иметь стопроцентные чувствительность и специфичность – во-первых, не пропускать ни одного действительно больного человека и, во-вторых, не пугать здоровых людей. Чтобы застраховаться, можно и нужно стараться прежде всего обеспечить стопроцентную чувствительность метода – нельзя пропускать заболевание. Но в это оборачивается, как правило, низкой специфичностью метода – у многих людей врачи подозревают заболевания, которыми на самом деле пациенты не страдают.

Нейронные сети представляют собой нелинейные системы, позволяющие гораздо лучше классифицировать данные, чем обычно

78

используемые линейные методы. В приложении к медицинской диагностике они дают возможность значительно повысить специфичность метода, не снижая его чувствительности.

Вспомним, что нейронная сеть, диагностирующая инфаркт, работала с большим набором параметров, влияние которых на постановку диагноза человеку невозможно оценить. Тем не менее, нейросети оказались способными принимать решения, основываясь на выявляемых ими скрытых закономерностях в многомерных данных. Отличительное свойство нейросетей состоит в том, что они не программируются – не используют никаких правил вывода для постановки диагноза, а обучаются делать это на примерах. В этом смысле нейросети совсем не похожи на экспертные системы, разработка которых в 70-е годы происходила после временной “победы искусственного интеллекта” над тем подходом к моделированию памяти, распознавания образов и обобщения, который основывался на изучении нейронной организации мозга.

Одной из наиболее известных из разработанных экспертных систем, действие которых основывалось на знаниях, извлеченных у экспертов, и на реализации процедур вывода, была система MYCIN. Ее основным моментом было использование вероятностного подхода при постановке диагноза. Данную систему разработали в Стэнфорде в начале 70-х годов для диагностики септического шока. Половина больных умирала от него в течение суток, а врачи могли обнаруживать сепсис лишь в 50% случаев. MYCIN, казалось, была подлинным триумфом технологии экспертных систем - ведь она позволяла обнаружить сепсис в 100% случаев. Однако после более внимательного знакомства с этой экспертной системой врачи значительно усовершенствовали традиционные методы диагностики, и MYCIN потерял свое значение, превратившись в учебную систему. Экспертные системы "пошли" только в кардиологии – для анализа электрокардиограмм. Сложные правила, которые составляют главное содержание книг по клиническому анализу ЭКГ, использовались соответствующими системами для выдачи диагностического заключения. Диагностика является частным случаем классификации событий, причем наибольшую ценность представляет классификация тех событий, которые отсутствуют в обучающем нейросеть наборе. Здесь проявляется преимущество нейросетевых технологий - они способны осуществлять такую классификацию, обобщая прежний опыт и применяя его в новых случаях.

Примером программы диагностики служит пакет кардиодиагностики, разработанный фирмой RES Informatica совместно с Центром кардиологических исследований в Милане. Программа позволяет осуществлять неинвазивную кардиодиагностику на основе распознавания спектров тахограмм. Тахограмма представляет собой гистограмму интервалов между последовательными сердцебиениями, и ее спектр отражает баланс активностей симпатической и парасимпатической нервной системы человека, специфично

79

изменяющейся при различных заболеваниях. Так или иначе, уже сейчас можно констатировать, что нейронные сети превращаются в инструмент кардиодиагностики – в Англии, например, они используются в четырех госпиталях для предупреждения инфаркта миокарда.

В медицине находит применение и другая особенность нейросетей – их способность предсказывать временные последовательности. Уже отмечалось, что экспертные системы преуспели в анализе ЭКГ. Нейросети здесь тоже приносят пользу. Ки Чженху, Ю Хену и Виллис Томпкинс из университета штата Висконсин разработали нейросетевую систему фильтрации электрокардиограмм, позволяющую подавлять нелинейный и нестационарный шум значительно лучше, чем ранее использовавшиеся методы. Дело в том, что нейросеть хорошо предсказывала шум по его значениям в предыдущие моменты времени. А то, что нейросети очень эффективны для предсказания временных последовательностей (таких, например, как курс валют или котировки акций), убедительно продемонстрировали результаты соревнования предсказательных программ, проводимых университетом в Санта Фе – нейросети заняли первое место и доминировали среди лучших методов.

ЭКГ – это частное, хотя и исключительно важное приложение. Однако сегодня существует и много других примеров использования нейросетей для медицинских прогнозов. Известно, что длинные очереди в кардиохирургические отделения (от недель до месяцев) вызваны нехваткой реанимационных палат. Увеличить их число не удается из-за высокой стоимости реанимационной помощи (70% средств американцы тратят в последние 2 недели жизни именно в этом отделении). Выход только в более эффективном использовании имеющихся средств. Предположим, что состояние прооперированных в некоторый день больных настолько тяжелое, что им необходимо их длительное пребывание в реанимационной палате (более двух суток). Все это время хирурги будут простаивать, поскольку вновь прооперированных больных некуда класть. Тяжелых больных разумнее оперировать перед выходными или праздниками - операционные все равно закрыты в эти дни, хирурги будут отдыхать, а больные восстанавливаться в реанимации. А вот в начале рабочей недели лучше прооперировать тех пациентов, которым нужно будет находиться в реанимационной палате только один-два дня. Тогда койки в реанимации будут освобождаться быстрее и принимать новых, прооперированных во вторник и среду больных.

Вопрос в том, как угадать, кому придется надолго задержаться в блоке интенсивной терапии после операции, а кому – нет. Джек Ту и Майкл Гуэрир из госпиталя Святого Михаила университета в Торонто использовали нейронные сети для такого предсказания. В качестве исходных данных они взяли только те сведения о пациенте, которые известны в предоперационный период. Заметим, что в предшествующих работах, не использующих нейронные сети, в качестве факторов повышенного риска пребывания в реанимации применялись также

80

важные послеоперационные сведения - различные осложнения, возникшие в ходе хирургического вмешательства. Ту и Гуэрир обучили двухслойный перцептрон разделять больных на три группы риска, учитывая их возраст, пол, функциональное состояние левого желудочка, степень сложности предстоящей операции и наличие сопутствующих заболеваний. Из тех пациентов, которых сеть отнесла к группе малого риска задержки в реанимации, только 16,3% действительно провели в ней более двух дней. В то же время свыше 60% из тех, кого сеть отнесла в группу повышенного риска, оправдали неблагоприятный прогноз.

Мы уделяли особое внимание сердечно-сосудистым заболеваниям, поскольку именно они удерживают печальное лидерство в списке причин смертности. На втором месте находятся онкологические заболевания. Одно из главных направлений, в котором сейчас идут работы по использованию нейронных сетей, – диагностика рака молочной железы. Этот недуг – причина смерти каждой девятой женщины.

Обнаружение опухоли осуществляется в ходе первичного рентгенографического анализа молочной железы (маммографии) и последующего анализа кусочка ткани новообразования (биопсии). Несмотря на существование общих правил дифференцирования доброкачественных и злокачественных новообразований, по данным маммографии, только от 10 до 20% результатов последующей хирургической биопсии действительно подтверждают наличие рака молочной железы. Опять мы имеем дело со случаем крайне низкой специфичности метода.

Исследователи из университета Дьюка обучили нейронную сеть распознавать маммограммы злокачественной ткани на основе восьми особенностей, с которыми обычно имеют дело радиологи. Оказалось, что сеть способна решать поставленную задачу с чувствительностью около 100% и специфичностью 59% (сравните с 10-20% у радиологов). Сколько женщин с доброкачественными опухолями можно не подвергать стрессу, связанному с проведением биопсии, если использовать эту нейронную сеть! В клинике Майо (Миннесота) нейросеть анализировала результаты ультразвукового исследования молочной железы и обеспечила специфичность 40%, в то время как для тех же женщин специфичность заключения радиологов оказалась нулевой. Это подтверждает, что успех использования нейросетевых технологий совсем не случайный.

После лечения рака молочной железы возможны рецидивы возникновения опухоли. Нейросети уже помогают эффективно их предсказывать. Подобные исследования проводятся на медицинском факультете Техасского университета. Обученные сети показали свои способности выявлять и учитывать очень сложные связи прогностических переменных, в частности, их тройные связи для улучшения предсказательной способности.

81

Разнообразны возможности применения нейросетей в медицине, и разнообразна их архитектура. На основе прогноза отдаленных результатов лечения заболевания тем или иным методом можно предпочесть один из них. Значительного результата в прогнозе лечения рака яичника (болезнь каждой семидесятой женщины) добился известный голландский специалист Герберт Каппен из университета в Нимегене (он использует в своей работе не многослойные перцептроны, а так называемые Машины Больцмана - нейросети для оценки вероятностей).

А вот пример другого онкологического заболевания. Исследователи из медицинской школы в Кагаве (Япония) обучили нейросеть, которая практически безошибочно прогнозировала по предоперационным данным результаты резекции печени у больных печеночно-клеточной карциномой.

В Троицком институте инновационных и термоядерных исследований (ТРИНИТИ) в рамках реализуемого Министерством науки проекта создания нейросетевых консультационных систем была разработана нейросетевая программа, которая выбирает метод лечения базальноклеточного рака кожи (базалиомы) на основе долгосрочного прогноза развития рецидива. Число заболеваний базалиомой – онкологическим недугом белокожих людей с тонкой кожей – составляет треть всех онкологических заболеваний.

Диагностика одной из форм меланомы – опухоли, которую иногда непросто отличить от пигментной формы базалиомы, была реализована с помощью нейросетевого симулятора Multineuron, разработанного в ВЦ СОАН в Красноярске под руководством А.Н.Горбаня.

Нейросети можно использовать и для прогноза действия различных разрабатываемых средств лечения. Они уже успешно применяются в химии для прогноза свойств соединений на основе их молекулярной структуры. Исследователи из Национального института рака в США использовали нейросети для предсказания механизма действия препаратов, применяемых при химиотерапии злокачественных опухолей. Заметим, что существуют миллионы различных молекул, которые необходимо исследовать на предмет их антираковой активности. Специалисты Института рака разбили известные онкологические препараты на шесть групп в соответствии с механизмом их действия на раковые клетки и обучили многослойные сети классифицировать новые вещества и распознавать их действие. В качестве исходных данных использовались результаты экспериментов по подавлению роста клеток из различных опухолей. Нейросетевая классификация позволяет определить, какие из сотен ежедневно апробируемых молекул стоит изучать далее в весьма дорогих экспериментах in vitro и in vivo.

Перечисленные технологии далеко не исчерпывают весь спектр применения ЭС. Диагностика острой зубной боли, прогнозирование генных осложнений, болезни органов слуха, внезапная смертность

82

новорожденных – вот далеко не полный перечень успешного применения ЭС в современной медицинской практике.

Вопросы, вынесенные на семинар:1. Искусственные нейронный сети (НС). Особенности их работы. Сферы применения НС.2. Строение биологического нейрона, как прототипа искусственного.3. Модель технического нейрона, его свойства.4. Выход нейрона как функция его состояния. Виды активационной функции.5. Трехнейронный однослойный перцептрон как пример простейшей НС.6. Классификая НС:7. Обучение НС, его суть. Обучение с учителем и без него.8. Экспертные системы как класс систем искусственного интеллекта. Специфика реализации экспертных систем на базе формальной и неформальной логики.9. Основные критерии необходимости создания экспертных систем.3. Составляющие типичной ЭС.10. Характерные особенности ЭС (область применения, конструктивные особенности, метод решения задач и т.д.).11. Машина логического вывода. Прямой и обратный логический вывод.12. Инструментальные устройства ЭС.13. База знаний ЭС. Статические, динамические, рабочие знания. Источник знаний ЭС. Способы получения знаний системой.14. Основные модели представления знаний: продукционные, фреймы, семантические сети, логические, нейронные сети.

Вопросы, вынесенные на самостоятельное изучение:Примеры использования ЭС в медицине.

ТЕМА 13ДОКАЗАТЕЛЬНАЯ МЕДИЦИНА

План:1. Основные понятия доказательной медицины2. Источники научно обоснованной медицинской информации3. Определение цели исследования4. Планирование исследования5. Некоторые вопросы планирования клинических испытаний

Основные понятия доказательной медициныПостиндустриальное информационное общество, возникающее

на наших глазах, поставило перед медицинской наукой и практикой массу проблем. Лавинообразно возрастает объем медицинской

83

информации, разрабатываются наукоемкие медицинские технологии. Растут требования пациентов к качеству медицинской помощи. Вместе с тем становится все очевиднее ограниченность материальных ресурсов здравоохранения даже в экономически развитых странах. Это вызывает необходимость поддержки принятия решений по разработке и внедрению новых эффективных медицинских технологий, которые должны приниматься руководителями здравоохранения.

С примерами использования ненадежной, ненаучной медицинской информации и пациенты, и врачи сталкиваются ежедневно. Достаточно упомянуть многочисленные рекламные ролики, в которых демонстрируется якобы высокая эффективность какого-либо нового препарата по сравнению с "обычным", показанным в ходе научного исследования. Пациентам простительно поддаваться влиянию такой рекламы. Однако для врача недопустимо слепо доверять подобным источникам информации. Необходимо знать, каким образом были получены эти результаты – на каком контингенте больных, в ходе какого типа исследования и т.д.

Развитие идей критической оценки медицинской информации привело к возникновению в конце 80-х годов xx века концепции доказательной медицины (ДМ).

Основными постулатами ДМ являются следующие:— каждое решение врача должно основываться на научных данных;— вес каждого факта тем больше, чем строже методика научного исследования, в ходе которого он получен.

ДМ является концепцией как для врачей, исследователей, руководителей учреждений и органов здравоохранения, так и для пациентов. Основная цель концепции ДМ состоит в том, чтобы постепенно превратить врачебную деятельность из искусства в науку.

Методической основой ДМ является клиническая эпидемиология (КЭ) – наука, разрабатывающая методы клинических исследований, которые дают возможность делать научно обоснованные заключения, сводя к минимуму влияние систематических и случайных ошибок на результаты исследования.

КЭ позволяет осуществлять прогнозирование для каждого конкретного больного на основании результатов изучения (с использованием строгих научных методов) клинического течения болезни в аналогичных случаях. Основными положениями КЭ являются:

- в большинстве случаев диагноз, прогноз и результаты лечения для конкретного больного однозначно не определены и потому должны быть выражены через вероятности;

- эти вероятности для конкретного больного лучше всего оценивать на основе предыдущего опыта, накопленного в отношении групп аналогичных больных;

- клинические исследования подвержены систематическим ошибкам, ведущим к неверным заключениям, в связи с тем, что исследования проводятся на свободных в своем поведении больных, а также врачами, обладающими разными уровнями квалификации;

84

- любые исследования, в том числе клинические, подвержены влиянию случайности;

- во избежание неверных выводов врачи должны полагаться на результаты исследований, основанных на строгих научных принципах и выполненных с использованием способов сведения к минимуму систематических и случайных ошибок;

- сведение к минимуму систематических ошибок достигается правильной структурой (организацией) исследования, адекватной его задачам;

- сведение к минимуму случайных ошибок достигается корректным статистическим анализом данных.

В настоящее время в странах ЕС, Японии, США определено законодательно, что всякий новый метод диагностики и лечения, прежде, чем будет применяться в практическом здравоохранении, должен пройти обширные исследования. При проектировании научного исследования выделяют следующие этапы:

формулирование целей; планирование; выполнение (сбор данных); подготовка данных; анализ данных; интерпретация результатов; представление результатов; формулировка выводов; публикация (статья, отчет и т.д.).

Правильное планирование структуры исследования (обеспечивающей возможность получения ответов на поставленные вопросы) и грамотный статистический анализ, с точки зрения кэ, являются наиболее важными для получения надежных, научно обоснованных результатов.

Ошибки в планировании исследования первичны. Если структура исследования неадекватна задачам исследования и приводит к систематическими ошибками, то даже самый совершенный статистический анализ не обеспечит научно обоснованных результатов. Аналогичная ситуация возникает и в том случае, если исследование спланировано правильно, но статистический анализ проведен плохо. Ошибки в статистическом анализе ведут к неверным выводам.

В настоящее время за рубежом считается общепризнанным, что неправильно проведенное (как при планировании, так и при анализе данных) исследование является неэтичным по крайней мере по следующим причинам:

1) участники исследования (как люди, так и животные) в ходе такого исследования подвергаются неоправданному риску;

2) неэффективно используются финансовые ресурсы, время исследователей и т.п., которые могли бы быть потрачены на решение других проблем;

85

3) после публикации неверных результатов дальнейшие исследования направляются в неправильное русло;

4) применение неверных результатов исследования в медицинской практике может нанести вред больным.

Источники научно обоснованной медицинской информацииВ настоящее время в мировом медицинском сообществе

сформировалось представление о том, что научно обоснованной, доказательной является лишь та информация о медицинских вмешательствах, которая получена в результате исследования, проведенного в соответствии с высокими стандартами клинического испытания.

Большинство применяемых на практике препаратов не проходили такого рода клинических испытаний. Учебники, монографии быстро устаревают, а мнения коллег часто бывают субъективными. В связи с этим в концепции дм утверждается, что такие знания об эффективности тех или иных препаратов не являются в достаточной мере научно обоснованными.

Таким образом, перед потребителем медицинской информации – практикующим врачом, пациентом, исследователем – встает вопрос об источниках надежной информации. Такой источник должен постоянно поддерживаться на современном уровне знаний, так как регулярно появляются новые данные о результатах исследований, которые изменяют существующие представления об эффективности того или иного лечебного вмешательства или метода диагностики.

К числу основных регулярно обновляемых источников надежной медицинской информации относятся следующие:

руководство "Сlinical Еvidence", издаваемое Вritish Medical Journal Publishing Group (Великобритания). В нем содержатся сведения об эффективных вмешательствах, о вмешательствах с недоказанной эффективностью и вредных вмешательствах для всех наиболее распространенных нозологических форм. Руководство обновляется один раз в 6 мес, выходит на английском языке в печатной форме (подписка стоит 140-250 долларов США в год), бесплатно доступно в интернет (www.clinicalevidence.org).

электронная библиотека систематических обзоров (мета-анализов) и реестр клинических испытаний Mеждународного сообщества врачей Тhe Сochrane collaboration – “Тhe Сochrane library". Выпускается на компакт-дисках (на английском языке) с периодичностью один раз в 3 мес.

— электронная библиотека структурированных рефератов "Bеst Evidence", опубликованных в журнале "Аmerican College of Physicians Journal Club". Издается на английском языке.

— реферативные записи, относящиеся к результатам рандомизированных клинических испытаний (RCT), контролируемых клинических испытаний (ССТ) и мета-анализов могут быть также найдены в базе данных "Мedline" следующими способами :

86

* путем добавления к ключевым словам для поиска аббревиатур RCT, ССТ или термина "meta-analysis";

* путем обращения к интерфейсу "Clinical Queries" на сайте National Library of Medicine (http://www.ncbi.nlm.nih.gov pubmed).

— журналы "Еvidence-based medicine", "Аmerican college of pathologists journal club.

— электронные руководства – "Uptodate", "Scientific american medicine".

— клинические рекомендации для врачей США и Канады, доступные бесплатно в интернет (например, www.guideline.gov и www.cma.ca).

Определение цели исследованияПравильность проведения исследования определяется его

структурой, т.е. таким планированием исследования, которое позволило бы ответить на поставленные вопросы.

Цель исследования рекомендуется формулировать максимально кратко и ясно. Несмотря на то, что цель исследования иногда сформулирована достаточно просто, это не обязательно означает, что его структура может быть простой.

При формулировании цели необходимо дать точное определение каждого используемого понятия. По возможности должны использоваться объективные методы измерения и стандартного представления данных: все признаки, которые могут быть измерены, должны быть измерены стандартными методами, клинические признаки должны оцениваться с помощью принятых международных шкал и т.д.

В клинической эпидемиологии для оценки эффективности медицинских вмешательств рекомендуется стараться использовать истинные клинические исходы, например развитие заболевания, осложнения, инвалидности, смерть, а не косвенные критерии оценки (иногда их называют суррогатными исходами), такие как физиологические параметры, результаты лабораторных тестов и т.п.

Планирование исследованияПланирование исследования в, общем виде, можно разбить на

два этапа:1. Определение типа исследования, обеспечение

достоверности и обобщаемости результатов планируемого исследования, применение способов сведения к минимуму систематических и случайных.

2. Определение объемов выборок.

Типы исследованийКлассификация медицинских исследований может проводиться

по нескольким принципам.По цели исследования:

87

— выдвигающие гипотезу (относительно менее высокая научная ценность исследования);— проверяющие гипотезу (относительно более высокая научная ценность исследования).

По временным параметрам:— одномоментное (поперечное) – однократное обследование участников, или объектов, исследования;— динамическое (продольное) – многократное обследование участников, или объектов исследования.

По отсутствию или наличию вмешательства:— пассивное (наблюдение за естественным течением заболевания);— активное (исследование медицинского вмешательства, метода лечения или профилактики).

По соотношению времени сбора данных и формирования выборок:— проспективное (изучаемые группы формируют до сбора данных);— ретроспективное (изучаемые группы формируют после сбора данных).

Каждое исследование может быть классифицировано в соответствии с каждым из перечисленных принципов. В результате комбинации различных указанных выше характеристик исследования формируются различные типы структуры (планирования, или организации) исследований, обладающие разной степенью доказательности (перечислены в порядке возрастания доказательности):

1) описание отдельных случаев;2) описание серии случаев;3) ретроспективное исследование случай-контроль;4) аналитическое одномоментное исследование;5) проспективное когортное (популяционное) исследование;6) рандомизированное контролируемое испытание медицинских

вмешательств (методов лечения, профилактики);Мета-анализ – количественный анализ объединенных

результатов нескольких рандомизированных клинических испытаний одного и того же вмешательства при одном и том же заболевании. Такой подход обеспечивает большую статистическую мощность, чем в каждом отдельном исследовании, за счет увеличения размера выборки. Мета-анализ используется для обобщения результатов многих испытаний, зачастую противоречащих друг другу.

Дадим краткую характеристику различных типов структуры (планирования, или организации) исследования.

Описание отдельных случаев – наиболее старый способ медицинского исследования. Он состоит в описании редкого наблюдения, "классического" случая или нового феномена. Научные гипотезы в таком исследовании не выдвигаются и не проверяются. Однако данный способ исследования также важен в медицине, так как описание редких случаев или явлений нельзя недооценивать.

88

Описание серии случаев – исследование, включающее обычно описательную статистику группы больных, отобранных по какому-либо признаку. Описательные исследования используются, например, в эпидемиологии для изучения влияния неконтролируемых факторов на возникновение заболевания.

Ретроспективное исследование случай-контроль –исследование, в котором по архивным данным или опросу его участников формируют группы из этих участников (больных) с определенным заболеванием и без него, а затем ретроспективно оценивают частоту воздействия предполагаемого фактора риска или причины заболевания. Такие исследования чаще выдвигают научные гипотезы, а не проверяют их.

Аналитическое одномоментное (поперечное) исследование – описательное исследование, включающее однократно обследуемые группы участников и проводимое с целью оценки распространенности того или иного исхода, течения заболевания, а также эффективности диагностики.

Такие исследования относительно просты и недороги. Основной проблемой является трудность формирования выборки, адекватно отражающей типичную ситуацию в изучаемой популяции больных (репрезентативной выборки).

Проспективное (когортное, продольное) исследование – исследование, в котором выделенная когорта участников наблюдается в течение определенного времени. Сначала выделяют когорту (или две когорты, например лиц, подвергшихся фактору риска, и лиц, не подвергшихся ему), а затем проводят наблюдение за ней (ними) и сбор данных. В этом заключается отличие от ретроспективного исследования, в котором когорты выделяют после сбора данных. Такой вид исследований используют для выявления факторов риска, прогностических факторов, причин заболеваний, для определения уровня заболеваемости. Проспективные исследования весьма трудоемки, так как должны проводиться в течение длительного времени, когорты должны быть достаточно велики в связи с тем, что выявляемые события (например, возникновение новых случаев заболевания) достаточно редки.

Рандомизированное исследование – это динамическое исследование какого-либо профилактического, диагностического или лечебного воздействия, в котором группы формируются путем случайного распределения объектов исследования по группам (рандомизации). Наиболее известный вариант рандомизированного исследования – клиническое испытание.

Клиническое испытание – это проспективное сравнительное исследование эффективности двух и более вмешательств (лечебных, профилактических) или диагностического метода, в котором группы испытуемых формируются с использованием рандомизации с учетом критериев включения и исключения. При этом обычно существует гипотеза, возникшая до проведения исследования относительно

89

эффективности испытываемых методов, которая и проверяется в ходе испытания.

Любое серьезное исследование должно быть контролируемым. Контролируемым называется исследование, в котором контролируются (и, по возможности, минимизируются и исключаются) потенциальные источники ошибок.

Подробнее об особенностях планирования клинических испытаний будет рассмотрено ниже.

В биологических экспериментальных исследованиях может быть использован особый тип структуры исследования, неприменимый в медицинских исследованиях – активный эксперимент с использованием методов теории планирования эксперимента. Именно исследования такого типа являются классическим научным экспериментом, их результаты являются наиболее доказательными.

Достоверность и обобщаемость результатов исследованияЛюбое исследование в зависимости от того, насколько надежны

полученные в нем результаты и насколько они применимы в клинической практике, можно охарактеризовать с двух точек зрения:

— достоверности (внутренней обоснованности);— обобщаемости (внешней обоснованности, применимости).

Достоверность (внутренняя обоснованность) исследования определяется тем, в какой степени структура исследования соответствует поставленным задачам, а полученные результаты справедливы в отношении изучавшейся выборки. Достоверность зависит от структуры исследования, правильности сбора и анализа данных, наличия и выраженности систематических и случайных ошибок. Достоверность – необходимое, но не достаточное условие полезности клинического исследования.

Обобщаемость (внешняя обоснованность) результатов исследования отражает, в какой мере результаты данного исследования применимы к другим группам больных, например к больным другого пола, другой популяции и т.п.

В принципе, структура научного исследования подразумевает, что выборка случайна, т.е. участники исследования выбраны из исследуемой популяции случайным образом. Однако на практике это невозможно. В большинстве случаев для повышения обобщаемости результатов своего исследования авторы должны стремиться к тому, чтобы их выборка была хотя бы репрезентативна, т.е. соответствовала по основным характеристикам исследуемой популяции. При этом следует избегать работы с группами, значительно отличающимися от общей популяции.

Для повышения обобщаемости применяются также многоцентровые исследования. При этом в исследование попадают больные из разных географических регионов, т.е. выборка оказывается репрезентативной по отношению к более широкой географической зоне.

90

Результаты такого исследования могут затем более обоснованно применяться в отношении населения этой зоны.

Основные варианты оптимальной структуры (планирования, или организации) исследования в зависимости от его задачи .

Задача исследования Структура исследованияИсследование метода диагностики ОдномоментноеИсследование распространенности заболевания

Одномоментное

Исследование частоты возникновения новых случаев заболеваний, исходов и т.д.

Когортное

Исследование факторов риска Когортное, случай-контрольИсследование прогностических факторов КогортноеИсследование методов лечения и профилактики

Рандомизированное клиническое испытание

Исследование причинно-следственных связей

Когортное, случай-контроль

Систематические и случайные ошибкиПри планировании исследования следует стремиться избегать

систематических и случайных ошибок.Систематическая ошибка – систематическое (неслучайное,

однонаправленное) отклонение результатов от истинных значений. К основным видам систематических ошибок относятся следующие.

Систематическая ошибка, возникающая при отборе.Эта систематическая ошибка возникает в тех случаях, когда сравниваемые группы участников исследования различаются не только по главным изучаемым признакам, но и по другим факторам, влияющим на результат исследования, т.е. участники фактически набираются из разных популяций. Эта ошибка возникает на этапе формирования исследуемых групп.

Пример: хронологическое смещение, при котором в качестве группы контроля используют ранее набранных больных, методика обследования которых с течением времени претерпела изменения.

Пример: различия групп по полу или возрасту, т.е. факторам, которые могут влиять на оцениваемые исходы.

Следствием систематических ошибок, возникающих при отборе, является формирование контрольной группы, плохо сопоставимой с основной группой (если контрольная группа формируется из больных с другим заболеванием, то вмешиваются опосредованные факторы; если же контрольная группа формируется из общей популяции, то чаще всего она несопоставима с основной группой даже по возрасту и полу). Для предотвращения этого необходимо подбирать пары больных в контрольную и основную группы по нескольким признакам, потенциально влияющим на изучаемые явления.

Систематическая ошибка, возникающая при измерении

91

Она возникает, когда больные в сравниваемых группах обследованы в разной степени (разные методы диагностики, частота обследований) или используются нестандартизованные схемы получения данных и субъективные оценки.

Пример: различия в степени подробности сбора анамнеза в группе больных и группе здоровых.

Эта систематическая ошибка может быть также связана с неодинаковой степенью точности оценок различных характеристик у больных основной и контрольной групп, а также с неточностью, неполнотой и возможными искажениями данных, получаемых из медицинских документов.

Пример: при ретроспективном исследовании факторов риска обычно оказывается, что больные люди лучше помнят факты неблагоприятных воздействий, чем здоровые лица.

Систематическая ошибка, обусловленная воздействием вмешивающихся факторов возникает в тех случаях, когда изучаемые факторы взаимосвязаны, причем один из них искажает эффект другого. Это может произойти из-за систематической ошибки при отборе, под действием случайности или из-за реально существующей связи факторов. Такого рода ошибки должны учитываться при анализе данных.

Пример: разная распространенность второго фактора риска (например, курения) в сравниваемых группах, не учтенная при проведении исследования влияния количества потребления овощей в пищу на возникновение какого-либо сердечно-сосудистого заболевания.

Если при формировании выборок возникли систематические ошибки (смещения) указанных или других типов, то формируется так называемая смещенная (нерепрезентативная) выборка – выборка, которая систематическим образом отличается от популяции, представляющей объект исследования, или от популяции, по отношению к которой должны применяться результаты исследования. Следовательно, результаты, полученные на смещенной выборке, представляют существенно меньшую ценность. Другим следствием систематических ошибок, возникающих при формировании групп, является отсутствие их сопоставимости по основным характеристикам, предположительно влияющим на результат исследования, например полу, возрасту.

Для оценки сопоставимости групп чаще всего проводится сравнение их основных исходных характеристик с помощью статистических критериев, или тестов. Отсутствие исходных различий групп позволяет предполагать, что преимущество в эффективности испытываемого нового вмешательства или диагностического метода объясняется именно им, а не какими-либо различиями (несопоставимостью) исследуемых групп.

Некоторые вопросы планирования клинических испытаний

92

В настоящее время методология проведения клинических испытаний является наиболее разработанной областью клинической эпидемиологии. Утверждены и действуют единые стандарты представления результатов клинических испытаний, в которых регламентировано применение статистических методов.

Рассмотрим следующие особенности планирования рки, к которым имеет отношение статистика:

виды структуры клинических испытаний;— способы распределения участников испытания по группам;— способы маскирования вмешательств (ослепления);— этические последствия ошибок в клинических испытаниях.

Виды структуры клинических испытанийВыделяют следующие виды структуры клинических испытаний:

— параллельная (группы контроля и активного лечения исследуются параллельно, независимо друг от друга; это наиболее распространенная структура исследования);— перекрестная (осуществляется последовательная смена методов лечения в одной группе больных);— парная (проводится анализ групп, сформированных путем подбора пар, т.е. каждому участнику основной группы соответствует участник в контрольной группе);— последовательная (исследование проводится до момента выявления различий между группами);— факторный протокол (исследование групп, в которых применяются комбинации вмешательств; например, при факторном протоколе "два на два" для двух видов лечения формируются четыре группы, в двух из которых применяется один из видов лечения, в третьей – ни один из них, в четвертой – оба);— адаптивная (по ходу исследования набор участников в группу, получающую худшее, по предварительным оценкам, лечение, уменьшается);— структура Зелена (участникам, распределенным в группу изучаемого лечения, предоставляется возможность отказаться от него и перейти в группу контроля).

Распределение участников по группам в рандомизированных клинических испытаниях

Основными способами распределения участников по группам в ходе рандомизированных клинических испытаний (РКИ) являются следующие:

— рандомизация;— минимизация;— псевдорандомизация.Рандомизация – это случайное распределение участников

РКИ, соответствующих критериям включения, по группам. Целью рандомизации является достижение сопоставимости групп по

93

характеристикам, способным влиять на изучаемый результат РКИ. Таким образом, сводятся к минимуму систематические ошибки в результатах РКИ, связанные с различиями групп как по известным, так и по неизвестным факторам.

Говорят, что рандомизация эффективна, если полученные группы сопоставимы.

Выделяют несколько типов рандомизации:простая; блоковая; стратифицированная; кластерная.

Простая рандомизация может проводиться несколькими способами:

1) с помощью подбрасывания монеты – это наиболее простой способ случайного распределения, если необходимо распределять участников РКИ по двум группам. В случае необходимости создания больших выборок этот способ недостаточно надежен, так как может проявиться асимметричность, т.е. деформация, монеты;

2) с применением открытой таблицы случайных чисел (из книг по статистике), если необходимо распределение на две группы и более. Однако и этот способ рандомизации недостаточно надежен;

3) с использованием компьютерной программы генератора случайных чисел. Этот способ является оптимальным.

Полученная последовательность случайных чисел может использоваться разными способами:

— четные числа или цифры могут соответствовать одной группе, а нечетные – другой (в случае двух групп);

— если интервал возможных случайных чисел от 0 до 99, то числа, меньшие 50, могут соответствовать одной группе, а большие или равные 50 – другой (в случае двух групп);

— в случае трех групп может быть принято такое правило: числа от 1 до 33 соответствуют первой группе, от 34 до 66 – второй группе, от 67 до 99 – третьей группе (аналогично для четырех групп и более);

Для поддержания равенства числа участников в группах разработан способ рандомизации внутри блоков. Это метод рандомизации, при котором больных, подлежащих включению в исследование, условно разделяют на несколько равных групп (блоков). В пределах каждого блока методы лечения распределяются между больными с использованием рандомизации таким образом, чтобы в итоге каждым методом лечилось заранее определенное соотношение больных.

Несмотря на случайный характер распределения участников РКИ по группам, простая и даже блоковая рандомизация не гарантирует получение сопоставимых групп, особенно если размеры групп малы. Хотя обнаруживаемые при этом различия групп случайны, они (несмотря на свой случайный характер) также могут влиять на результаты исследования. Для получения сопоставимых групп целесообразнее всего использовать стратифицированную рандомизацию.

94

Стратифицированная рандомизация – рандомизация, которой предшествует стратификация. Стратификация (расслоение) – это выделение подвыборок (подгрупп) по какому-либо признаку (например, полу, возрасту), который предположительно может влиять на результаты исследования. Затем в каждой из этих подгрупп рандомизация проводится независимо.

Кластерная рандомизация – это вариант стратифицированной рандомизации, при котором рандомизации подвергаются не отдельные участники РКИ, а медицинские центры (поликлиники, больницы) или регионы, где она проводится (т.е. группы участников), фактически в многоцентровых исследованиях стратифицирующим признаком является сам медицинский центр

Минимизация является единственным альтернативным способом формирования групп, обеспечивающим их сопоставимость по нескольким прогностическим признакам (факторам), предположительно влияющим на исход. Минимизация основана на других, нежели рандомизация, принципах:

— очередного поступающего участника (кроме первого) относят в ту или иную группу не случайным образом, а в зависимости от ранее набранных в группы участников РКИ;

— очередного участника относят в ту группу, в которой существующий на данном этапе набора участников исследования дисбаланс будет сведен к минимуму в результате этой процедуры.

Псевдорандомизация – это неслучайное распределение по группам, которое достаточно широко распространено и часто ошибочно принимается за истинную рандомизацию.

Некоторые широко распространенные способы псевдорандомизации:— по дате рождения участника;— по дате вхождения в РКИ;— по номеру истории болезни;— поочередно.

На первый взгляд эти способы почти не отличаются от способов простой рандомизации. Однако основное отличие состоит в том, что они являются открытыми, т.е. исследователь, проводящий псевдорандомизацию, может предсказать, в которую из групп будет распределен очередной участник испытания. Вследствие этого появляется возможность влиять на отнесение участников в ту или иную группу, и выборка получается смещенной.

Маскирование вмешательстваМаскирование вмешательства (ослепление) – это способ

сведения к минимуму искажений в ходе проведения испытаний. Искажения могут возникать в связи с субъективностью (тенденциозностью) оценки эффективности лечения больным, врачом, статистиком.

95

Выделяют следующие виды исследований по степени маскирования:

— простое слепое исследование; в данном случае больной не знает, какой из методов лечения к нему применяется. Такой вид маскирования может использоваться и при испытании хирургических методов лечения

двойное слепое исследование; о методе лечения не знают ни больной, ни врач, оценивающий результаты лечения;

— тройное слепое исследование; о методе лечения, применяемом в той или иной группе, не знает также и статистик, анализирующий данные.

Для маскирования, например, терапевтического вмешательства, необходимо использование плацебо, по внешним свойствам (виду, запаху, вкусу) неотличимого от лекарственной формы изучаемого препарата.

Вопросы, вынесенные на практическое занятие:1. Основные понятия доказательной медицины.2. Этапы планирования научного исследования.3. Основные источники обоснованной медицинской информации.4. Типы исследований.5. Достоверность и обобщаемость результатов исследований.6. Систематические и случайные ошибки.7. Виды структур клинических испытаний.8. Виды рандомизации.9. Маскирование вмешательства.

96

ТЕМА 14«БИОЛОГИЧЕСКАЯ, МЕДИЦИНСКАЯ И ФИЗИОЛОГИЧЕСКАЯ

КИБЕРНЕТИКА»

План:1. основные понятия кибернетики2. предмет, методы и содержание биологической кибернетики3. понятие «функциональная кибернетика». Теория функциональных систем как основа понимания процессов жизнедеятельности4. понятие «медицинская кибернетика». Основные направления медико-кибернетических исследований.

Основные понятия кибернетикиКибернетика изучает законы функционирования особого вида

систем, называемых кибернетическими, которые тесно связаны с понятием управления. Функционирование этих систем основано на восприятии, запоминании, обмене и переработке информации. Кибернетику часто называют «наукой об управлении».

Основателем кибернетики считается американский математик Норберт Винер, заложивший ее теоретические основы.

Кибернетика – молодая наука, формирование которой началось лишь после второй мировой войны. Тем не менее, она развивается настолько стремительно, что уже сейчас оказывает большое влияние на методы исследования и способы решения практических задач в самых разнообразных областях науки и техники: биологии и медицине, экономике и социологии, в вычислительной технике.

Кибернетика рассматривает теорию управления, по отношению к системам, состоящим из совокупности элементов, которые функционируют как связное целое. Кроме того, кибернетика изучает не изолированные системы, а их совокупность. Она учитывает все многообразные связи, которые закономерно образуются между отдельными частями сложных систем, так как эти связи определяют свойства систем, их поведение, развитие, гибель и воспроизводство.

Задачей кибернетики является изучение не вещественного состава системы и не структурного подчинения ее частей, а результата работы системы и ее влияния на другие системы.

По характеру взаимодействия с кибернетикой все науки могут быть подразделены на две группы:

- науки, изучающие более общие формы связей и отношений, чем кибернетика (философия, математика и логика);

- науки, исследующие частные виды систем управления (системы кровообращения, системы образования, здравоохранения и т.п.).

Основными понятиями кибернетических систем являются: обратная связь и управление.

97

Окружающий нас мир – это сложнейшая система, в которой различные события возникают как результат взаимодействия множества разнообразных элементов. Воздействуя на одни события системы никогда нельзя быть уверенным, что это не приведет к такой реакции всей системы, которая разрушит все усилия по достижению поставленных целей. Поэтому для увеличения шансов на благоприятный исход необходимо активное, целенаправленное и продуманное воздействие на ход событий, иными словами, необходимо управление.

Понятие управления является базовым в кибернетике, т.к. определяет предмет исследования данной науки.

Управление – целенаправленное воздействие одной системы (субъекта управления) на другую (объект управления), которое выбирается из множества возможных воздействий на основании имеющейся для этого информации и служит для изменения состояния (поведения) объекта управления в соответствии с изменяющимися условиями внешней среды для его развития или улучшения функционирования.

Наличие управления в кибернетической системе подразумевает наличие 2-х взаимодействующих блоков: объекта управления (того, кем/чем управляют) и субъекта управления (того, кто/что управляет). Субъект управления вырабатывает сигналы управления, которые изменяют управляющие воздействия. Субъект управления называют также управляющей системой, а объект управления – управляемой системой.

Разделение кибернетической системы на управляющую и управляемую составляющие не всегда можно осуществить однозначно. В сложных развивающихся системах эти блоки могут быть совмещены. Такой режим называют самореагированием.

Общая схема управления выглядит следующим образом (рис.14.1). Управляющая система по каналам прямой связи через эффекторы передает управляющие воздействия на объект управления. Информация о состоянии объекта управления воспринимается с помощью рецепторов и возвращается назад, в управляющую систему, по каналам обратной связи.

Рис. 14.1. Общая схема управления.

Обратная связь является одним из основных понятий кибернетики и означает влияние выходного сигнала системы на ее рабочие параметры. Обратная связь обеспечивает саморегуляцию системы, ее адаптационное управление. Повышение уровня глюкозы

98

крови стимулирует выработку эндогенного (внутреннего) инсулина поджелудочной железой, тем самым позволяя поддерживать уровень глюкозы в пределах физиологической нормы (3,3-5,5 ммоль/л).

Обратная связь может быть отрицательной и положительной. Отрицательная обратная связь противодействует тенденции изменения выходного параметра, способствует его стабилизации. Отрицательные обратные связи обеспечивают стабильность функций организма, постоянство его параметров, устойчивость к внешним воздействиям. По принципу отрицательной обратной связи работают механизмы терморегуляции всех живых существ.

Положительная обратная связь, наоборот, сохраняет тенденции выходных параметров системы. Примером положительной обратной связи в организме может служить гуморальная саморегуляция желудочного сокоотделения, когда всасывание продуктов переваривания белков, возбуждает железы, тем самым прогрессивно увеличивая переваривание.

Однако, положительные обратные связи нередко выступают как механизм, так называемого, «порочного круга», когда болезнетворные воздействия, нарушая норму, вызывают в организме изменения, которые еще больше стимулируют болезнетворные воздействия. Например, сердечная недостаточность ухудшает кровоснабжение миокарда, что еще больше снижает его сократительную способность.

Таким образом, если обратная отрицательная связь способствует восстановлению исходного состояния органов и их функцию, то положительная обратная – уводит их все дальше от изначального состояния.

Основной задачей управляющей системы (субъекта управления) является такое преобразование поступающей в систему информации и формирование таких управляющих воздействий, при которых обеспечивается достижение (по возможности наилучшее) целей управления.

Одной из характерных особенностей управляемой системы (объекта управления) является способность изменять свои параметры и переходить в различные состояния под влиянием управляющих воздействий. Так, человек может занимать различные положения в пространстве, может двигаться в различных направлениях и с различной скоростью. Артериальное давление, уровень сахара в крови, ЧСС может понижаться или повышаться, например, после приема определенных лекарственных средств.

Под воздействием управляющих воздействий система принимает лучшее (в определенном смысле) состояние, чем при отсутствии управляющих воздействий. Так, например, для улучшения состояния пациента управляющими воздействиями можно считать соответствующие лечебно-профилактические мероприятия. Если речь идет об искусственной управляемой системе, созданной человеком и используемой в его целях, понятие «лучшее» оценивается создателем системы.

99

Биологические управляемые системы сформировались в процессе эволюционного развития живой природы и при их рассмотрении практически невозможно указать субъекта, имеющего определенные цели, ради достижения которых осуществляется управление. Оценка же поведения биологически управляемой системы определяется взаимоотношениями его со средой, и лучшим является такое поведение, которое повышает шансы данного организма выжить и произвести потомство.

Между всеми возможными состояниями управляемой системы (объекта управления) всегда должен существовать выбор наиболее предпочтительно, оптимального состояния. Где нет выбора, там нет и не может быть управления.

Наличие управления является существенным признаком сложной системы, обеспечивающим одно из главных ее свойств – целостность.

Одним из простейших видов управления является, так называемое, программное управление. Цель такого управления состоит в том, чтобы выдать на объект управления ту или иную строго определенную последовательность управляющих воздействий. Обратная связь при таком управлении отсутствует.

Совокупность правил, по которым информация, поступающая в управляющую систему, перерабатывается в сигналы управления, называется алгоритмом (законом) управления.

Клиническая медицина сегодня – это современная индустриальная технология, требующая научно обоснованных подходов к управлению.

Под управлением качеством медицинской помощи понимается:- организация правильного ведения здоровых лиц (выявление

факторов риска); - организация правильной профилактики заболеваний в

группах риска;- организация правильного лечения и правильной

реабилитации заболевших.Целью такого управления является получение максимально

возможных результатов с учетом современного уровня знаний при минимальном расходовании ресурсов.

Современные ЭВМ могут рассматриваться как универсальные преобразователи информации и представляют собой основное техническое средство, основной аппарат исследования, которым располагает кибернетика. Другим известным примером универсального преобразователя информации (хотя и основанного на совершенно иных принципах) является человеческий мозг.

Кибернетика пользуется арсеналом различных математических методов: теорией информации, теорией кодирования, теорией вероятностей и математической статистикой, математической логикой, теорией распознавания образов и другими, возникшими внутри самой кибернетики в процессе ее развития. Однако кибернетика не

100

ограничивается только теоретическими исследованиями. Это и экспериментальная наука, в рамках которой развит такой метод исследования систем как компьютерное моделирование. Наивысшим достижением кибернетики считают создание модели искусственного интеллекта.

Академик А.Ч. Берг предложил разбить все кибернетические исследования на 3 основные части:

1) общую (теоретическую кибернетику), которая имеет дела с общими математическими моделями управления и представляет собой математическую или физико-математическую дисциплину;

2) техническую кибернетику, областью которой является техническая реализация различных сложных объектов – робототехника, разработка технических комплексов, систем управления техническими объектами;

3) прикладную кибернетику, объединяющую различные прикладные направления: биологическая, экономическая и т. д.

Живая природа сложна и многообразна, поэтому выделяют также несколько направлений биологической кибернетики, изучающих различные биологические системы и их частные функции: медицинскую, физиологическую, психологическую кибернетику. Изучение деятельности нервной системы как наиболее совершенного аппарата управления и связи определяется как область нейрокибернетики.

Кибернетическое изучение живого раскрывает как общие законы адаптивного функционирования сложных систем, так и частные свойства приспособительного саморегулирования отдельных органов и организма в целом.

Предмет, методы и содержание биологической кибернетикиБиологическая кибернетика занимает важное место в ряду

биологических наук, дополняя классические методы изучения жизни новыми подходам, которые позволяют глубже раскрыть и точнее выразить закономерности их сложного течения.

В настоящее время нет ни одной области изучения живых существ, в которой не было бы новых достижений с использованием кибернетических методов.

Предметом изучения биологической кибернетики являются специфические для живых существ общие принципы существования, а также конкретные механизмы целесообразного саморегулирования и активного взаимодействия с окружающей средой.

Биологическая кибернетика изучает явления жизни преимущественно с точки зрения процессов происходящих в живых существах: процессов самоорганизации системы, информационных процессов и процессов управления.

В настоящий момент различают 7 уровней кибернетического изучения жизни. К ним относятся:

1. Субклеточный (на базе биохимии, биофизики)2. Клеточный (на базе цитологии и физиологии клеток)

101

3. Тканевой (на базе эмбриологии, гистологии и гистофизиологии)

4. Уровень органов и систем (на базе нормальной и патологической физиологии)

5. Уровень организма как единого целого (на базе физиологии высшей нервной деятельности)

6. Видовой (на базе эволюционной и экологической физиологии, зоологии и ботаники)

7. Биосферный (на базе биогеоценологии, общей биологии и социологии).

Эти уровни рассмотрения явлений жизни образуют основные разделы биологической кибернетики, предметом изучения которых являются характерные для данного уровня закономерности процессов управления и обработки информации.

Понятие «функциональная кибернетика». Теория функциональных систем как основа понимания процессов

жизнедеятельностиЗакономерности саморегулирования физиологических функций

в норме составляют направление физиологической кибернетики. К ней относится концепция функциональной системы П.К. Анохина, дополненная К.В. Судаковым, позволяющая описать работу всех систем организма человека – от биохимического до психического и социального уровней.

На основе теории функциональных систем построены математические модели процессов управления в организме человека. Теория функциональных систем позволяет описать наиболее важные системы организма человека для осуществления комплексного подхода в диагностике и обеспечения активной жизнедеятельности.

Основные положения общей теории функциональных систем следующие:

1. Ведущим фактором функционирования функциональной системы любого уровня организации является полезный для жизнедеятельности организма приспособительный результат (т.е. каждая функциональная система должна уметь приспосабливаться).

2. Любая функциональная система организма строится на основе принципа саморегуляции (саморегуляция включает в себя самореагирование, является процессом более высокого уровня).

3. Функциональные системы являются центрально-периферическими образованиями, избирательно объединяющими различные органы и ткани для достижения полезных для организма приспособительных результатов (т.е. каждая функциональная система должна иметь управляющую (центральную) и управляемую (периферическую) системы для обеспечения приспособительных реакций).

4. Функциональные системы различного уровня характеризуются функциональным изоморфизмом: они имеют

102

однонаправленную («похожую») функциональную схему организации всех процессов в системе (т.е. все элементы системы по своим функциям должны быть подчинены одной цели).

5. Отдельные элементы в функциональных системах взаимодействуют для достижения необходимых организму результатов.

6. Функциональные системы и их отдельные части созревают в индивидуальном развитии (онтогенезе) в той очередности и степени, которые необходимы для развития организма. Это и является общим выражением закономерности системогенеза.

Академик Судаков сформировал 3 общих принципа взаимодействия функциональных систем в организме: принцип иерархии, мультипараметрический принцип и принцип последовательного взаимодействия.

Принцип иерархии состоит в том, что в каждый момент времени деятельность организма определяет та функциональная система, которая доминирует в плане выживания или адаптации к внешней среде. Все остальные функциональные системы выстраиваются в иерархическом порядке по отношению к доминантной. Смены доминирующих функциональных систем происходят в течение всей жизни человека.

Мультипараметрический принцип различных функциональных систем определяет совместность их функционирования. Как правило, изменение результатирующего показателя одной функциональной системы, ведет к изменению показателей других функциональных систем.

Принцип последовательного взаимодействия заключается в том, что деятельность одной функциональной системы во времени сменяется другой. Отчетливо этот принцип проявляется, например, в последовательных процессах приема и обработки пищевых веществ. Функциональная система поиска пищи сменяется системой обработки в ротовой полости и актом глотания. Им на смену приходит функциональная система механической и химической обработкой пищи в желудке (результат – поступление пищи в двенадцатиперстную кишку) и.т.д. Последовательная деятельность функциональных систем, обеспечивающих питание организма, генетически программируется специальными центрами нервной системы. Программирование последовательной работы функциональных систем, в т.ч. систем пищеварения осуществляется по опережающему принципу: только после восприятия и оценки рецепторами последующей системы результата деятельности предыдущего происходит смена одной функциональной системы другой.

Принципы и свойства функциональных систем организма необходимо учитывать при рассмотрении совместной работы различных органов. Оценить причинную связь событий возможно путем прослеживания прямых и обратных связей: от управляющих центров к исполнительным органам и от результатов работы исполнительных органов и обратно, к управляющим центрам.

103

В каждой функциональной системе выполняются основные кибернетические принципы:

– регуляции по конечному результату с обратными связями, – информационная оценка конечного результата.Использование функциональной кибернетики позволяет

выделить в общей динамике процессов жизнедеятельности наиболее важные звенья, воздействуя на которые можно увеличить жизненный потенциал организма.

Общекибернетическая закономерность в работе функциональных систем в процессе эволюции сложилась за много миллионов лет до того, как ее обнаружили в технических устройствах.

Понятие «медицинская кибернетика». Основные направления медико-кибернетических исследований

Регуляция функций органов, их систем и организма человека в целом с целью поддержания гомеостаза при экстремальных условиях и при патологии составляет основу обширной области исследований – медицинской кибернетики.

Медицинская кибернетика – научное направление, связанное с внедрением идей, методов и технических средств кибернетики в медицину. Медицинская кибернетика занимается, главным образом, созданием статистических моделей заболеваний для их использования с целью диагностики, прогнозирования и лечения, а также изучает процессы управления в медицине и здравоохранении.

Развитие идей и методов кибернетики в медицине осуществляется, в основном, путем разработки компьютерных информационных систем (в том числе диагностических) на основе математических методов анализа данных обследования больного, с использованием методов математического моделирования деятельности различных функциональных систем.

Внутренняя организация диагностической системы состоит из «медицинской памяти» (аккумулированный медицинский опыт в данной группе заболеваний) и «логического устройства», позволяющего сопоставить с существующим медицинским опытом симптомы, выявленные при обследовании больного и произвести сложную статистическую обработку клинического материала в любом заданном направлении. 

Метод компьютерного моделирования деятельности разных функциональных систем организма позволяет раскрыть многие важные стороны их деятельности и является основным методом получения новых знаний в медицине. Для выявления ряда закономерностей взаимодействия изучаемых систем по соответствующим параметрам, характеризующим функцию той или иной системы организма (например, сердечно-сосудистой), составляют математические уравнения. Решение этих уравнений позволяет судить о закономерностях исследуемой системы.

104

Кибернетические методы используются для быстрой оценки состояния больного во время большой и сложной операции и в послеоперационный период. Традиционно, при таких операциях контроль за состоянием важнейших функций оперируемого осуществляется целым коллективом специалистов при помощи различных электронных приборов и аппаратов. Кибернетическая система позволяет выполнить их функции в течение нескольких секунд: оценить, сопоставить и интегрировать показания многочисленных приборов, а также указать правильное решение о принятии необходимых мер для восстановления жизненно важных функций больного.

Предметом исследования медицинской кибернетики являются медицинская и другие виды информации, системы накопления и переработки информации, системы связи и управления, существующие в человеческом организме и в здравоохранении. Медицинская кибернетика опирается на знания, накопленные медициной и здравоохранением, а также на математический аппарат кибернетики и возможности ЭВМ.

Этапы развития медицинской кибернетики делят на два периода. В первом периоде разрабатывались только способы нахождения решения частных задач, например, диагностика заболеваний. Второй этап известен системным подходом к решению проблем моделирования и управления системой здравоохранения в целом. В это время создаются медицинские информационные системы, обеспечивающие сбор, обработку и выдачу любой медицинской информации в процессе нахождения решений задач, связанных с диагностикой, лечением и управлением в медицине и здравоохранении.

Медицинский диагностический процесс является типичным кибернетическим процессом и связан со сбором, передачей, хранением и обработкой информации. Анализ процесса постановки диагноза врачом показал, что этот процесс лишь в незначительной степени зависит от интуиции. В основном, врач при постановке диагноза широко использует опыт, накопленный в его памяти, сведения, полученные при обследовании больного, и действует по определенным правилам, которым он был обучен, или выработал самостоятельно в процессе лечебной практики. Следовательно, врач действует в соответствии с диагностическим алгоритмом. При решении лечебно-диагностических задач врачи сталкиваются с трудностями, связанными с принятием решений в условиях неопределенности:

– недостаточная квалификация, то есть излишне упрощенный диагностический алгоритм у конкретного врача;

– невозможность переработать всю поступающую информацию (о пациенте, о лекарственных средствах и т.д.), из-за ее большого количества информации, и из-за ограниченных возможностей памяти (при редком употреблении сведения забываются).

Проанализировав перечисленные трудности, легко заметить, что во всех случаях ЭВМ может выступить в роли надежного и

105

безотказного помощника врача. Автоматизация медицинской диагностики – это совокупность математических методов и технических средств, обеспечивающих повышение эффективности, точности, надежности и скорости постановки медицинского диагноза. В отличие от обычных способов диагностирования заболеваний, принятых в клинической практике, медицинская кибернетика предлагает методы распознавания болезней, основанные на формализации критериев и правил диагностики, т.е. диагностические алгоритмы (или решающие правила).

Медицинская кибернетика изучает функции организма человека, а также рассматривает проблемы лечения и профилактики заболеваний на основе законов управления, объективно свойственных всем естественным и искусственным объектам. Живой организм в целом и его отдельные элементы в частности рассматриваются как системы, в которых происходит восприятие, накопление, обработка и передача информации, а также вырабатываются соответствующие реакции (управляющие воздействия), обеспечивающие нормальное течение всех жизненно важных процессов. С точки зрения медицинской кибернетики любая болезнь рассматривается как нарушение процессов приема, передачи и обработки информации или результат выработки неправильного управляющего воздействия (неправильно назначенное лечение), и все это является весьма актуальным для медицины, так как среди всех видов врачебных ошибок в медицинской практике лидирующими (56%) и являются ошибки выбора врачом лекарственного препарата и его дозы; 34% ошибок связаны с некорректным назначением дозы и длительностью применения лекарственных средств.

Максимальное число ошибок допускается врачами при комбинированной терапии. В США и Германии ежегодно от медицинских ошибок погибает до 100 тыс. человек. Использование методов медицинской кибернетики (математическое моделирование, методы, основанные на применении ЭВМ и т. д.) направлено на увеличение арсенала способов исследования живых организмов, расширение возможностей врачей, как при постановке диагноза, так и при лечении болезней. Интенсивное развитие медицинской кибернетики тесно связано с развитием вычислительной техники и новейших средств получения информации о состоянии организма или его отдельных органов и систем.

Вопросы, венесенные на семинар:1. Основные понятия кибернетики: управление, саморегулирование, сигналы управления, обратная связь.2. Основная задача управляющей системы и ее особенности.3. Алгоритм управления.4. Предмет, методы и содержание биологической кибернетики.5. Понятие «функциональная кибернетика»

106

6. Теория функциональных систем как основа понимания процессов жизнедеятельности.7. Понятие «медицинская кибернетика».8. Основные направления медико-кибернетических систем.

ТЕМА 15МЕДИЦИНСКИЕ АППАРАТНО-ПРОГРАММНЫЕ

ДИАГНОСТИЧЕСКИЕ КОМПЛЕКСЫ

План лекции:1.Назначение и принципы построения.2.Типы аппаратно-программных комплексов.3.Архитектура компьютерного функционального исследования.4.Виды функциональной компьютерной диагностики:

электроэнцефалография (ЭЭГ); вызванные потенциалы (ВП); электрокардиография (ЭКГ); реография (РГ); миография, спирография, полиграфия; кожно-гальваническая реакция (КГР).

Назначение и принципы построенияИспользуемые в медицинской диагностике технические

средства можно условно разделить на три основные категории: инструменты, измерительные приборы и аппаратно-программные комплексы. Инструменты представляют собой простые механические приспособления для взятия различных проб или для облегчения доступа к исследуемому органу.

Измерительные приборы являются автономными устройствами, которые выполняют измерения значения некоторого клинического показателя и представляют его врачу в удобной для восприятия форме. Примерами таких устройств являются аппараты УЗИ, гастроскопы, лабораторные анализаторы и т. п. В отличие от измерительных приборов аппаратно-программные комплексы выполняют не только измерения первичных клинических показателей, но и производят над этими показателями различные и нередко достаточно сложные вычисления и преобразования, выдавая врачу результат уже в виде производных комплексных показателей, функциональных зависимостей или же в форме предварительного словесного заключения.

Измерительные приборы находят применение в двух диаметрально противоположных областях:

там, где измеряемые показатели представляют собой простые переменные и для диагностики достаточно знать их текущее числовое значение;

107

там, где врачу для диагностики необходимо видеть картину внутренних органов, которая по своей сложности и комплексности не поддается вычислительному анализу.

Аппаратно-программные комплексы (АПК) применяются в тех пограничных областях, которые, с одной стороны, характеризуются показателями, достаточно сложными для непосредственной диагностики, а, с другой стороны, там имеется возможность вычислительного (функционального) преобразования этих показателей к виду, более простому для формулировки клинического заключения. Фактически аппаратно-программные комплексы представляют собой такую интеграцию (сопряжение) измерительного прибора с вычислительным устройством, при которой заложенной в компьютер программой обеспечивается комплексное выполнение четырех функций.

1. Управление работой измерительного прибора и сопутствующих ему устройств.

2. Съем и запоминание показаний измерительного прибора, или регистрация данных.

3. Преобразование и вычислительный анализ зарегистрированных данных.

4. Представление и вывод полученных результатов в числовой, графической или текстовой форме.

Следует отметить, что развитие вычислительной техники привело к компьютеризации измерений в различных областях медицины. Так, например, современные томографы оснащены как специализированными вычислительными устройствами, управляющими процессом сканирования, так и персональными компьютерами, выполняющими сложные графические преобразования над полученными исходными изображениями. Однако это не соответствует той степени интеграции, которая по вышеприведенному определению вкладывается в понятие аппаратно-программного комплекса. Действительно, этот случай аналогичен съемке фотографий на цифровую камеру, после чего изображение вводится в компьютер и посредством какого-нибудь графического пакета редактируется, масштабируется и выводится на принтер. Говорить же о том, что фотоаппарат с персональным компьютером образуют при этом цельный измерительно-вычислительный комплекс, естественно, не приходится.

Одной из основных областей развития АПК, в которой наиболее комплексно и полно реализуется выполнение ими четырех вышеперечисленных функций, является функциональная диагностика, проводимая на основе анализа таких электрофизиологических показателей, как электроэнцефалограмма (ЭЭГ), вызванные потенциалы (ВП) головного мозга, электрокардиограмма (ЭКГ), электромиограмма (ЭМГ), реограмма (РГ) и др. Ее принципиальное отличие состоит в том, что основным объектом анализа являются не точечные и статические измерения состояния организма (как бы сложны

108

и комплексны они не были), а динамические характеристики процессов жизнедеятельности с их изменением во времени.

В составе современного электрофизиологического АПК, обобщенная схема которого приведена на рис. 15.1, целесообразно выделить следующие пять компонентов.

1. Электроды для измерения активных и пассивных электрических показателей и датчики для измерения неэлектрических показателей располагаются на пациенте или же в непосредственной близости от него. Снимаемые с них электрические сигналы могут быть двух типов:

аналоговые (то есть непрерывно изменяющиеся во времени и в некотором амплитудном диапазоне) сигналы представляют собой собственно измеряемые биопоказатели и подаются на вход биоусилителя для промежуточного усиления и преобразования;

дискретные сигналы, имеющие только два состояния Да/Нет, могут подаваться непосредственно на входной порт (входной регистр) контроллера АЦП; такие сигналы обычно используются в качестве отметок о возникновении различных событий в процессе исследования, а также о поведенческих реакциях и движениях.

Рис. 15.1. Структурная схема электрофизиологического аппаратно-программного комплекса

2. Биоусилитель осуществляет три основные операции:1) усиливает низкоамплитудные биосигналы до входного

диапазона АЦП (обычно до уровня ±5 В), чтобы максимально повысить точность последующего их преобразования в цифровую форму (интегральную чувствительность);

2) осуществляет фильтрацию сигналов в заданной полосе пропускания с удалением низкочастотных и высокочастотных составляющих посредством аналоговых фильтров верхних (ФВЧ) и нижних (ФНЧ) частот;

3) удаляет из биосигналов сетевую наводку на частоте 50 Гц посредством режекторного (вырезающего) фильтра.

Многие из современных биоусилителей обладают возможностью поканальной регулировки коэффициентов усиления и

109

полос пропускания, что делает их универсальными в плане применимости для совместной регистрации различных электрофизиологических показателей (так называемая полиграфия). На биоусилители обычно приходится основная часть стоимости аппаратно-программного комплекса. На мировом рынке цена высокоточного биоусилителя, производимого такими известными фирмами, как Medilec (Англия), Nicolet (Австрия), EsaoteBiomedica (Италия), Nihon Kohden (Япония), исчисляется из расчета от $500 до $1000 за один канал усиления, при этом усилитель может иметь от 4 до 32 независимых каналов.

3. Аналогово-цифровой преобразователь (контроллер АЦП) осуществляет преобразование входных аналоговых сигналов в цифровую форму, приемлемую для ввода в компьютер, с заданной частотой повторения таких преобразований или частотой дискретизации. Основными техническими характеристиками АЦП являются: число входных аналоговых каналов, число дискретных входных и выходных каналов (определяется разрядностью входного и выходного портов), разрядность результата аналогового преобразования, максимальная частота оцифровки сигнала (определяемая временем АЦ-преобразования), число эффективных разрядов (или старших разрядов АЦ-преобразования, не затронутых влиянием шумов) и их изменение с частотой. Типовые современные контроллеры АЦП обычно имеют 16 входных аналоговых каналов, 8 входных и 8 выходных дискретных каналов, 12-разрядное преобразование со временем порядка микросекунды, что более чем достаточно для большинства электрофизиологических исследований.

4. Исполнительные устройства предназначены для выполнения различных воздействий на пациента терапевтического или тестирующего характера или же для других изменений в процессе исследования (например, режимов работы внешней аппаратуры и устройств). Так, в области энцефалографии и миографии для тестирующих воздействий на пациента применяются различные фоно-, фото- и электростимуляторы, в которых в ходе исследования необходимо программно регулировать длительность и момент подачи стимула, интервал между стимулами, интенсивность и частоту стимуляции. Управление исполнительными устройствами обычно производится с выходного порта контроллера ЦАП.

5. Персональный компьютер со специальным программным обеспечением управляет работой всех остальных компонентов в реальном времени и осуществляет анализ регистрируемых показателей, диагностику и выдачу результатов. Представление о том, что собой представляет типовой аппаратно-программный комплекс в реальном конструктивном воплощении, можно получить по рис. 15.2.

110

Рис. 15.2. Общий вид аппаратно-программного комплекса СОNАN

Типы аппаратно-программных комплексовСреди аппаратно-программных комплексов по конструктивному

воплощению можно выделить стационарные, мобильные и автономные, а по функциональным возможностям – клинические и исследовательские.

Мобильные системы отличаются от стационарных только тем, что вместо настольного персонального компьютера в них используется портативный компьютер, в связи с чем они вместе с регистрирующими устройствами могут быть размещены в одном портфеле или чемодане, легко транспортируемы и использованы для клинической диагностики вне стационара, на выездах или в полевых условиях.

Автономные системы еще более компактны за счет того, что управляющая и вычислительная программа в них реализуется не на персональном компьютере, а на встроенных микропроцессорах в рамках целостного однокорпусного прибора. Однако это ограничивает их функциональные возможности и позволяет встраивать исполнение минимума функций и методик. Нередко при этом ограничиваются только функциями регистрации и визуализации биосигналов (на жидкокристаллическом мониторе и на самописце) с вычислением базовых производных показателей. Обычно в виде автономных приборов выпускаются кардиографы, реографы и спирографы.

Клинические системы ориентированы на выполнение того или иного строго очерченного круга типовых медицинских методик. Несомненным достоинством таких систем является именно их ограниченность, позволяющая максимально упростить работу с ними,

111

сделав ее доступной для выполнения вспомогательным медперсоналом, разгружая тем самым врача от рутинной работы. Доведенное до механицизма исполнение стандартных методик с минимумом временных затрат оказывается особенно эффективным при массовых диагностических обследованиях.

Исследовательские системы в дополнение к этому содержат широкий набор управляющих, аналитических, изобразительных и конструкторских программных средств, позволяющих реализовывать разнообразные и новые методики как клинического, так и научно-исследовательского назначения. Поэтому работа с такими системами с полнотой использования предоставляемых возможностей требует повышенной профессиональной квалификации и творческого мышления. В то же время после реализации конкретной методики она может быть зафиксирована в отдельном файле стандартных настроек, после чего ее исполнение по своей трудоемкости и требованиям к квалификационному уровню персонала будет несущественно отличаться от работы с клиническими системами.

В зависимости от решаемых задач средства медицинской техники, в том числе АПК можно разделить на следующие группы:

- аппаратно-программные комплексы для исследования структурных и функциональных характеристик организма;

- аппаратно-программные комплексы для профилактических, лечебных и реабилитационных воздействий.

Архитектура компьютерного функционального исследованияПоказателиИсходным материалом для функциональной диагностики

являются электрофизиологические показатели, характеризующие состояние человека и работу его отдельных органов и систем жизнедеятельности. Эти показатели по способу своего измерения могут быть разбиты на три категории.

1. Биоэлектрические показатели прямого измерения представляют собой электрические потенциалы, генерируемые различными образованиями в центральной и периферической нервной системе:

электроэнцефалограмма (ЭЭГ), отражающая изменение биопотенциалов головного мозга;

вызванные потенциалы (ВП) или фоновые изменения среднего уровня ЭЭГ в ответ на внешние раздражители;

электрокардиограмма (ЭКГ) отражает электрическую активность сердца вызывающую сокращения сердечных мышц;

электромиограмма (ЭМГ) представляет электрическую активность связанную с сокращением скелетных мышц;

электроокулограмма (ЭОГ) является электромиограммой мышц, управляющих движениями глазного яблока.

2. Показатели косвенного электроизмерения выражаются в изменении электрического сопротивления участков кожи и тела

112

человека, для измерения которого необходимо дополнительное пропускание тока через исследуемый орган:

реограмма (РГ) или изменение объемного сопротивления участков тела и органов, вызванное движением крови по сосудам, то есть изменением кровенаполнения;

кожно-гальваническая реакция (КГР) или изменение сопротивления кожи реакциями на раздражения эмоционального и болевого характера отражающимися на деятельности потовых желез.

3. Показатели преобразовательного измерения отражают различные процессы биохимического или биофизического происхождения, требующие предварительного преобразования в изменение электрического тока или напряжения посредством специализированных датчиков:

фонокардиограмма (ФКГ), представляющая акустические измерения шумов сердца;

спирограмма (СГ), отражающая динамику изменения скорости воздушного потока из легких при вдохе и выдохе;

динамика дыхательного ритма обычно измеряется по растяжению/сжатию нагрудных эластичных ремней с пьезодатчиками;

пульсоксиметрия (ПО) фиксирует изменения насыщения крови кислородом по отраженному свету с использованием светочувствительных датчиков;

плетизмограмма или изменение кровотока, измеряемое фотодатчиками по отраженному от мелких сосудов свету.

Перечисленные показатели существенно отличаются друг от друга, как по способам измерения, так и по методам анализа. Эти отличия существенно проявляется уже в их электрических характеристиках: как видно на рис. 18.3, физиологические показатели прямого измерения различаются между собой по амплитуде (электрической мощности) в 2050 раз, а по частотному диапазону своих колебаний в 100 и более раз. Это необходимо учитывать еще на самом первом этапе подготовки исследования посредством соответствующей настройки измерительной аппаратуры (по коэффициенту усиления, полосе пропускания и частоте измерений).

113

Рис. 15.3. Сравнительные характеристики биосигналов по амплитуде и частоте

Основные этапы компьютеризованного функционального исследования

Полный цикл современного компьютеризованного функционального исследования включает пять основных этапов.

1. Регистрация изменения электрофизиологических показателей (ЭФП) пациента с сохранением их в архиве на жестком диске (или выполнение записи биосигналов). Этому этапу предшествует соответствующая подготовка пациента и аппаратуры, связанная с наложением электродов, коммутацией отведений на входных каналах биоусилителя, включением электропитания, выполнением физиологических проб и т.п., что принципиально выходит за рамки возможной компьютерной автоматизации.

В свою очередь регистрация ЭФП включает два подэтапа: планирование исследования (может отсутствовать при

проведении исследования по одной из типовых клинических методик); проведение исследования (так называемый режим реального

времени, сопровождаемый мониторингом и записью ЭФП).2. Чтение из дискового архива выбранной записи ЭФП в

монитор для последующего визуального изучения (просмотр в мониторе) и анализа.

3. Редактирование записи, связанное с удалением артефактов, выделением участков, представляющих интерес для численного анализа, выполнением специальных преобразований и других вспомогательных операций.

4. Вычислительный анализ записей с получением на экране его результатов в числовом и графическом виде. Средства вычислительного анализа дифференцируются в зависимости от вида исследуемого электрофизиологического показателя.

5. Документирование исследования, состоящее в выдаче на печать числовых и графических результатов и в формировании медицинского заключения с диагнозом и терапевтическими рекомендациями. Работа на всех этапах исследования осуществляется с использованием мыши, клавиатуры и экрана персонального

114

компьютера, который в большинстве электрофизиологических систем имеет достаточно стандартный вид (рис. 15.4).

Большую часть экранного пространства занимает основное рабочее окно, называемое монитор записей, где в порядке каналов (отведений) располагаются кривые изменения во времени электрофизиологических показателей с обозначениями отведений в правой части монитора, а в верхней строке монитора приводятся паспортные данные текущей записи. На монитор могут накладываться масштабные сетки: горизонтальная временная и вертикальная амплитудная, а по записи — перемещаться специальные визиры и указатели, которыми можно производить ручные измерения амплитуд, временных интервалов и других параметров биосигналов с отображением значений в специальном экранном табло и с накоплением их в блокноте (типа электронной таблицы) для последующего вычислительного анализа.

Рис. 15.4. Экран электрофизиологического анализатора

Сверху от монитора располагаются две типичные для Windows-приложений строки: линейка выкидных списков основных операций и линейка инструментальных кнопок, дублирующих наиболее часто выполняемые операции. Так в режиме просмотра и редактирования записей здесь присутствуют кнопки работы с дисковыми архивами, масштабирования записей, плавного и быстрого их движения по экрану, удаления выделенных фрагментов, изменения числа и порядка отображаемых каналов и другие.

Планирование исследования

115

Этот этап присутствует только в случае реализации новой методики и связан с настройками режимов регистрации и порядка проведения исследования. После отладки режимов регистрации все произведенные настройки фиксируются в виде стандартного плана исследования, хранимого в дисковом архиве. Поэтому при последующих исследованиях по ранее отлаженной методике достаточно выполнить лишь считанные рутинные операции:

1) считать файл плана из архива;2) вести паспортные данные пациента — заголовок;3) указать имя файла записи биосигналов;4) и начать выполнение исследования.При планировании нового исследования необходимо

определить следующие основные его параметры:Число отведений (то есть позиций на теле пациента, где

крепятся электроды и датчики, с которых снимаются электрофизиологические показатели) может составлять от 1 до 32 (но не более числа физических каналов биоусилителя).

Частота регистрации определяет дискретизацию системного времени. С этой частотой производится ввод аналоговых сигналов с АЦП по всем установленным каналам, ввод дискретных сигналов и отработка управляющих воздействий.

Для обычных клинических исследований (ЭЭГ, ЭКГ, РГ) регистрация сигналов производится с частотой от 100 до 256 Гц, для стимуляционной миографии — от 500 Гц до 5 кГц, при исследовании коротколатентных ВП могут потребоваться и более высокие частоты до 10 кГц.

Выбор частоты дискретизации определяется верхней частотой процессов, которые необходимо зарегистрировать и анализировать. Из радиотехники известно (теорема Котельникова и следствия из нее), что для выделения гармонической составляющей в спектре с верхней частотой f необходима частота дискретизации входного сигнала не менее 2f.

Интервал наблюдения представляет собой временной промежуток, в течение которого регистрируемые биосигналы будут накапливаться в оперативной памяти до записи их на магнитный диск. Выбор интервала наблюдения определяется потребностями конкретного исследования: или производить длинные записи или же записывать серию коротких наблюдений. В типовых исследованиях ЭЭГ, ЭКГ, РГ используют интервалы от 10 с до 12 минут, при исследованиях ВП интервалы могут укорачиваться до 50100 мс, а при специальных исследованиях ЭЭГ в состоянии сна или при мониторировании ЭКГ – увеличиваться до многих часов.

Обозначения отведений необходимы для того, чтобы при последующем просмотре и анализе записи знать, на каком канале был записан какой показатель. Для ЭЭГ-исследований здесь же необходимо нарисовать схему расположения электродов на голове пациента (монтаж).

116

Дискретные сигналы. Во многих исследованиях вместе с регистрацией биосигналов нужно фиксировать в записи и моменты наступления различных событий, например, включение и выключение раздражителей, действия и реакции патента и т.п., поскольку в дальнейшем это позволит точно позиционировать относительно таких событий выбор анализируемых участков записи. Подобного рода события имеют дискретный характер Да/Нет и регистрируются посредством опроса входного и выходного портов контроллера АЦП, к которым подключаются внешние устройства, контактные замыкатели и исполнительные кнопки.

Усилитель. Настройка усилителя состоит в поканальной установке коэффициентов усиления и фильтров нижних и верхних частот согласно частотному и амплитудному диапазону регистрируемых сигналов. Усиление следует подобрать так, чтобы амплитудный диапазон максимального изменения сигналов на выходе биоусилителя (как это было отмечено выше) был близок к входному диапазону АЦП, но не выходил бы за его пределы.

Монитор. Устанавливает режим визуализации сигнала.Экспресс-анализ. В ряде специальных исследований кроме

мониторирования биосигналов необходимо выполнить их экспресс-анализ в реальном времени и отобразить на экране его результаты. Чаще всего это касается вычисления и картирования спектральных характеристик ЭЭГ, визуализации изменения кардиоритма (RR-интервалов ЭКГ), усреднения ВП и обучения по методу биологической обратной связи.

Выполнение исследованияРежим реального времени, или реальный режим, – это

общепринятый термин для работы цифровых вычислительных устройств по управлению физическими процессами, которые нельзя прервать, остановить или отложить во времени. В медицинских исследованиях его синонимом является «мониторинг и регистрация электрофизиологических показателей».

Экран режима реального времени мало чем отличается от типового экрана (рис. 15.4), за исключением того, что в окне монитора исследователь наблюдает динамику изменения биосигналов в реальном времени. В инструментальной строке присутствуют кнопки ручного управления исследованием, позволяющие подавать в нужные моменты управляющие воздействия (стимулы), а также включать и выключать запись результатов регистрации сигналов на диск.

Просмотр и редактирование записи. Результатом исследования в реальном времени является дисковый файл, который может включать одну запись или же несколько записей биосигналов фиксированного или переменного размера, выполненных по заданному числу каналов с минимальными или же длительными временными интервалами между собой.

117

Исследование записи может начинаться сразу после окончания реального режима или же в любой удобный момент времени. Произведенная запись считывается из архива и просматривается на экране монитора для выявления участков, представляющих интерес для последующего анализа и для удаления артефактов.

Артефактами называются различные искажения биосигналов, вызванные внешними или внутренними причинами. Основным и наиболее частым из внешних артефактов является сетевая наводка с частотой 50 Гц, помехи от мощного промышленного оборудования, работающего в соседних помещениях и даже в соседних зданиях. Борьба со внешними наводками состоит в использовании режекторного фильтра биоусилителя, в правильном наложении электродов и качественном заземлении компьютера через отдельную землю, изолированную от электрической сети.

Из внутренних артефактов наиболее часто проявляется низкоамплитудная миографическая помеха от мышечного тремора с частотой 1030 Гц, а также медленноволновые помехи от дыхания и движений в виде колебания нулевой линии. Для устранения этих помех запись следует осуществлять в расслабленном и спокойном состоянии пациента, в удобном сидячем или лежачем положении.

Если артефактов при регистрации биосигналов все-таки не удалось избежать, то существуют, по крайне мере, следующие возможности их исключения из записи перед вычислительным анализом:

1) удаление соответствующих участков, отмеченных вручную; 2) автоматическое удаление всех участков изменения сигнала,

где имеется превышение заданного амплитудного уровня с длительностью, превосходящей заданный временной интервал;

3) фильтрация сигнала с удалением гармонических составляющих в указанном диапазоне частот.

Вычислительный анализПосле завершения просмотра и редактирования записи можно

приступить собственно к вычислительному анализу, методы и средства которого существенно различаются в зависимости от области исследования. Вместе с тем можно выделить три категории методов, используемых при анализе биосигналов, в порядке нисходящей сложности вычислений: спектрально-аналитические, структурно-вычислительные и структурные.

Спектрально-аналитические методы, в основном, применяются при исследовании процессов в центральной нервной системе и головном мозге и базируются на процедурах частотного и численного анализа с последующим расчетом различных локальных и интегральных показателей и с использованием разнообразных форм временного и пространственного представления результатов.

Структурно-вычислительные методы, главным образом, используются при анализе процессов в сердечно-сосудистой системе,

118

базируются на выделении многообразных характерных структурных компонент в биосигналах (пиков, точек перегиба, интервалов) с последующим вычислением различных производных и статистических показателей.

Структурные методы ограничиваются выделением единичных структурных компонент биосигналов и измерением их параметров, иногда дополняемым выборочным усреднением. Эти методы применимы к показателям с более простой и однородной динамикой, таким как ЭМГ, КГР, дыхание и т.п.

Компьютерная диагностикаВ литературе иногда можно встретить сообщения о появлении

новых экспертных систем, выдающих исчерпывающее клиническое заключение, которое достается только подписать врачу. К этому следует относиться скептически, как и к попыткам выдать желаемое за действительное, поскольку в обозримом будущем заменить здесь диагностирующего врача не представляется возможным по следующим двум основным причинам. Прежде всего, это определяется врачебной и юридической ответственностью за правильность диагноза и последующего лечения, которую никоим образом невозможно возложить на компьютерную программу, какой бы совершенной она не была (компьютерная программа может нести ответственность только за лечение другой компьютерной программы). С другой стороны, границы нормы и патологии в физиологии часто являются столь размытыми и условными, что одни и те же значения показателей или их сочетания могут в одних случаях свидетельствовать о норме, а в других — вызываться любым из ряда совершенно различных заболеваний, поэтому для корректного клинического заключения требуется неформализуемый профессиональный опыт врача с привлечением данных других обследований и изучением истории болезни пациента.

Поэтому основной задачей компьютерной диагностики будет оставаться обнаружение числовых отклонений от нормы для привлечения к ним внимания клинициста и избавления его от предварительной рутинной просмотровой работы, что особенно актуально при продолжительных наблюдениях и массовых профилактических обследованиях.

Энцефалография и вызванные потенциалы мозгаДеятельность высшего из известных творений эволюции —

человеческого мозга неимоверно сложна и крайне трудно поддается изучению и систематизации. Поэтому в отличие от других электрофизиологических показателей, здесь имеется намного меньше устойчивых числовых характеристик и детерминированных диагностических критериев, а адекватность клинического заключения в огромной степени определяется профессиональным опытом и интуицией высококвалифицированного клинициста.

119

Более того, если после анализа других показателей обычно можно прописать лечение, в той или иной мере восстанавливающее нормальное состояние, то результатом исследования ЭЭГ обычно являются лишь рекомендации по коррекции поведения и ограничению видов деятельности.

ЭнцефалографияСхема регистрацииВ клинической электроэнцефалографии наиболее

распространена международная система «1020 %» для расположения (монтажа) 19+1- электродов на голове пациента (рис. 15.5), а также ее различные сокращенные или расширенные модификации.

Рис. 15.5. Международная схема расположения ЭЭГ-электродов «10-20%» (справа внизу — схема для топографического

картирования)

При этом, преимущественно используется так называемая монополярная схема отведения, когда кроме общего земляного электрода (фиксируемого обычно на лбу) используется и общий отрицательный референтный электрод (чаще всего фиксируемый на мочке уха или на косточке за ухом — на мастоиде), а электроды от скальпа коммутируются с плюсовыми входами биоусилителя. Преимуществом такой схемы перед биполярными отведениями (когда отрицательные входы биоусилителя дифференцированно коммутирутся с другими электродами, также расположенными на скальпе) является

120

возможность регистрировать собственную форму электрического потенциала в конкретной точке. Кроме того, поскольку регистрирующие электроды расположены относительно далеко друг от друга, амплитуда ЭЭГ получается достаточно высокой, что позволяет выявить низкоамплитудные электрические компоненты в ЭЭГ.

Функциональные пробы.В качестве основных функциональных проб при проведении ЭЭГ-исследования используют обычно стандартную пробу «закрытые глаза», а также различные стимуляционные пробы и гипервентиляцию.

Стандартными условиями ЭЭГ-исследования является спокойное, расслабленное положение пациента в свето- и звукоизолированном помещении, с головой на специальном подголовнике и с закрытыми глазами. Такое положение устраняет миографические артефакты, связанные с напряжением мышц и глазо-двигательными движениями. Запись проводится в течение одной или нескольких минут после успокоения пациента и стабилизации ЭЭГ на мониторе. Вариантом стандартной пробы является открывание и закрывание глаз, что позволяет выявить степень контактности обследуемого, уровень его сознания и ориентировочно оценить реактивность ЭЭГ.

Для выявления реакций мозга на внешние воздействия применяют одиночные стимулы в виде короткой вспышки света, звукового щелчка или тона. В клинических исследованиях вспышки света чаще подают на закрытые глаза обследуемого при расстоянии лампы от глаз 25-30 см. Серии вспышек света заданной частоты применяют для исследования реакции усвоения ритма – способности электроэнцефалографических колебаний воспроизводить ритм внешних раздражений. В норме реакция усвоения ритма хорошо выражена на частоте мельканий, близкой к собственным ритмам ЭЭГ. Распространяясь диффузно и симметрично, ритмические волны усвоения имеют наибольшую амплитуду в затылочных (зрительных) отделах.

Гипервентиляция проводится обычно в конце исследования, поскольку связана с долговременным воздействием на внутреннее состояние организма. Суть ее сводится к тому, что обследуемому предлагают глубоко, ритмично дышать в течение 3 минут.

Стимуляция и гипервентиляция позволяют выявить скрытую эпилептическую активность и определить локализацию эпилептического фокуса. Эффект гипервентиляции связан с церебральной гипоксией, развивающейся вследствие рефлекторного спазма артериол и уменьшения мозгового кровотока в ответ на снижение содержания СО2 в крови.

Морфология ЭЭГВ ходе клинического описания записей ЭЭГ выделяют

определенные морфологические компоненты, а именно: ритмы, признаки эпилептиморфной активности, временные и топографические характеристики.

Под понятием «ритм» на ЭЭГ подразумевается определенный тип электрической активности, соответствующий некоторому состоянию мозга и связанный с церебральными механизмами. В клинических

121

исследованиях обычно выделяют четыре типа ритмов, последовательно возрастающей частоты: дельта-, тета-, альфа- и бета-ритмы.

Основным средством исследования ЭЭГ продолжает оставаться визуальный анализ нативных записей, на основании которого, согласно рекомендациям Международной федерации энцефалографологов, и обязано строиться клиническое заключение. Однако в дополнение к этому широко используются и различные вычислительные методы исследования ЭЭГ.

Применение аппаратно-програмного комплекса анализа ЭЭГ значительно расширяют возможности метода функциональной диагностики поражений головного мозга. Снижение субъективности в интерпретации ЭЭГ, возможность визуальной оценки зоны, конфигурации и степени активности патологического очага при картировании совокупности с текстовым описанием позволяет клиницисту лучше распознать характер и расположение патологического процесса.

В таком АПК предусматриваются основные режимы обработки ЭЭГ:

- обработка интервала данных;- картирование функциональной пробы;- томография функциональной пробы;- спектральный анализ;- другие.После окончания регистрации ЭЭГ исследователь может

получить данные в виде таблиц, графиков, топографической карты или группы карт, в виде томографического среза или словесного описания ЭЭГ. В виде таблицы могут быть представлены результаты частотного, или спектрального анализа.

Частотный анализ ЭЭГ. Частотный, или спектральный, анализ по методу быстрого преобразования Фурье является базисом большинства современных вычислительных исследований ЭЭГ. Суть его заключается в разложении некоторого сигнала s(t), измеренного на некотором временном интервале Т с заданной частотой дискретизации F, в последовательность синусоидальных составляющих, каждая из которых характеризуется амплитудой и фазовым углом. Результат такого разложения представляется в виде амплитудно-частотной и фазо-частотной характеристик и производных от них.

График амплитудно-частотной характеристики дает наглядное и количественное представление, на каких частотах сосредоточена основная мощность ЭЭГ-сигнала.

Спектральные показатели. На основе частотных характеристик вычисляются производные спектральные показатели по стандартным или специальным частотным диапазонам ЭЭГ. Наиболее известны из них следующие четыре: Аср средняя амплитуда спектра в заданном частотном диапазоне ЭЭГ;

122

Amax максимальная амплитуда спектра в заданном частотном диапазоне ЭЭГ; Fcp средневзвешенная частота в заданном частотном диапазоне ЭЭГ; Fmax частота максимальной амплитуды спектра в заданном частотном диапазоне ЭЭГ.

Результаты компьютерного спектрального анализа ЭЭГ представляются в виде гистограмм по каждому каналу, где по горизонтали представлены последовательные частотные диапазоны, а высота столбиков пропорциональна соответствующим значениям спектрального показателя (рис. 15.6). Гистограммы отображают среднюю за функциональную пробу спектральную плотность мощности в различных частотных поддиапазонах. Темным цветом выделяются поддиапазоны тета-, дельта- , светлым цветом -, альфа- и бета.

Рис. 15.6. Результаты компьютерного спектрального анализа ЭЭГ

Анализ по эпохам. Нередко исследователя интересуют не только однократные оценки спектра, но и динамика изменения различных частотных составляющих и показателей со временем. В этом случае производят длительные непрерывные записи ЭЭГ (от одной до десятков минут), которые при анализе разбивают на более короткие эпохи (от одной до десятка секунд). Затем для каждой эпохи вычисляют частотные характеристики и спектральные показатели и строят графики или столбиковые диаграммы их временных зависимостей. Если нужно, чтобы графики получались более гладкими, то исходную запись

123

разбивают не на эпохи, следующие строго одна за другой, а на эпохи с заданной степенью перекрытия.

Картирование. Картирование является средством наглядной визуализации распределения значений различных ЭЭГ-показателей на поверхности мозга. Сначала измеренные или вычисленные значения ЭЭГ-показателей в точках расположения отведений обозначаются на условной плоской схеме мозга в цветовой шкале: максимум — красный, минимум — синий, а затем эти цвета «размываются» по всему полю с использованием специальных алгоритмов двумерного сглаживания и интерполяции. В результате получается наглядная картинка, которая позволяет моментально увидеть локализацию на скальпе областей максимума или минимума биопотенциалов или же областей активации и депрессии ЭЭГ-процесса (рис. 15.7).

Рис. 18.7. Окно программы «Картирование выбранных участков»

Предполагается, что компьютер самостоятельно анализирует текущую функциональную пробу и выбирает участки, содержащие наибольшее количество информации. Такими участками обычно являются участки, где наблюдается максимальная межканальная или частотная асимметрия. Данный вид анализа может оказаться полезным в тех случаях, когда интересующий феномен лишь изредка появляется на кривой, а желательно изучить именно его, а не суммарные данные.

Локализация ЭЭГ-источников. Этот вычислительный метод анализа ЭЭГ является сравнительно новым, еще не нашедшим широкого применения в клинической практике. Он исходит из предположения о том, что наблюдаемая на поверхности скальпа картина ЭЭГ-потенциалов образуется излучением от некоторого

124

множества точечных источников или диполей, локализованных во внутренних мозговых структурах. При этом сам мозг рассматривается как однородная и изотропная среда для проведения таких излучений, что является определенным модельным упрощением. Далее с использованием численных итерационных методов решается обратная задача: в каких местах и сколько надо расположить диполей, чтобы полученная от них картина излучения на скальпе отличалась от наблюдаемой не более заданного критериального уровня. Найденные диполи отмечаются на различных проекциях головного мозга (рис. 15.7), при этом для наглядности на эти проекции нередко накладывается и реальная анатомическая картина внутримозговых структур.

Томография. Одним из способов обработки ЭЭГ является вероятностный томограф. Его работа основана на том, что свод черепа имеет объемную, близкую к полусфере, форму. Задавая линию «среза» можно получить карту, на которой будет показано усредненная за время пробы амплитуда по выбранной частоте, либо другие данные, в зависимости от режима обработки. При этом на экран выводится расположение, форма, размеры, интенсивность проявления различных видов активности мозга в плоскости заданного среза.

Специальный режим томографии позволяет получить вероятностное распределение фактора, обусловившего данную активность на конвекситальной поверхности (рис.15.8).

Рис. 15.8. Окно программы «Последовательность томографических срезов»

Томография одной функциональной пробы служит для построения функциональных срезов выбранной функциональной пробы.

125

Расположение функционального среза и частотный диапазон, по которому строится срез, определяется маркером на карте (рис. 15.9).

Рис. 15.9. Окно программы «Томография одной функциональной пробы»

Построение трехмерной томографической модели создает определенные удобства для клинициста. Модель строится по выбранным параметрам (параметром может быть как стандартный частотный поддиапазон, так и результаты обработки) (рис. 15.10).

Вызванные потенциалы головного мозгаВызванными потенциалами (ВП) называют фоновые ответы

нервной системы на различного рода внешние стимулы, вызывающие активацию нервных центров, расположенных в стволовых отделах мозга и в центральных проводящих путях. Когда ответы таких нервных центров достигают коры больших полушарий, они накладываются на обычную ЭЭГ и маскируются ей, поскольку их амплитуда оказывается в 5-20 раз ниже среднего амплитудного уровня ЭЭГ. Тем самым в данном случае нормальная ЭЭГ играет роль мощного шума, поскольку она, в отличие от ВП, никак не обусловлена стимулом и не синхронизирована с ним. Поэтому исследования ВП отличаются необходимостью выполнения многих последовательных записей нервной активности в ответ на предъявление стимула с последующим многократным когерентным усреднением этих записей относительно момента подачи стимула.

Техника исследования ВП является одной из сложнейших в электрофизиологии, а получаемые показатели – столь динамичны и вариабельны, что для регистрации и анализа ВП требуется высочайший

126

Рис. 15.10. Окно программы «Трехмерная томографическая модель»

уровень профессиональной квалификации и нами рассматриваться не будет.

С помощью АПК имеется возможность проводить исследования длиннолатентных вызванных потенциалов или волн ожидания по произвольному числу отведений. При этом анализ вызванных ВП включает: автоматический поиск пиков и корректировку их положения; построение таблицы латентности пиков, их амплитуд; картирование амплитуды ВП в любой момент времени, межполушарной разности латентностей любого пика, межполушарной разности амплитуд любого пика, анимацию амплитудной карты.

Электрокардиография и реографияЭлектрокардиография и реография исследуют деятельность

двух составляющих сердечно-сосудистой системы организма: сердца и артериально-венозного кровотока. В этих исследованиях преимущественно используются структурно-вычислительные методы анализа, связанные с выделением характерных паттернов изменения сигнала, измерением их амплитуд и временных интервалов и вычислением на этой основе производных показателей, которые и используются для диагностики.

ЭлектрокардиографияЭлектрокардиография изучает деятельность сердца по его

электрической активности.Биофизика ЭКГЭлектрическая активность сердца представляет собой

циклически повторяющийся процесс, инициирующий последовательное

127

сокращения сердечных мышц, которые в свою очередь вызывают артериальный кровоток посредством выталкивания крови из желудочков в аорту и легочную артерию.

На электрокардиограмме (рис. 15.11) в сердечном цикле выделяется несколько последовательных во времени электрических всплесков, именуемых зубцами и обозначаемых латинскими буквами Р, Q, R, S, Т.

Рис. 15.11. Схема и структурные компоненты ЭКГ-цикла

Начальный импульс ЭКГ-возбуждения возникает в синусовом узле и распространяется в правое предсердие, затем влево, вниз и назад в левое предсердие. После активации предсердий импульс распространяется по проводящей системе сердца и достигает сократительного миокарда желудочков, который начинает возбуждаться почти одновременно в разных отделах субэндокардиальных слоев с распространением возбуждения от эндокарда к эпикарду.

Зубец Р отражает возбуждение (деполяризацию) предсердий. Общая продолжительность зубца Р составляет 0,060,11с.

Интервал PQ время предсердно-желудочковой проводимости, измеряемое от начала зубца Р до начала первого ответа. Сегмент PQ расположен на нулевой линии и отражает распространение волны возбуждения по проводящей системе. Нормальная продолжительность интервала PQ варьирует от 0,12 до 0,20 с и зависит от частоты сердечных сокращений.

Интервал QRS характеризует распространение возбуждения по миокарду желудочков, измеряется от начала зубца Q до конца зубца S, продолжительность его колеблется от 0,06 до 0,10 с.

Сегмент ST отрезок от конца комплекса QRS до начала зубца Т указывает на то, что миокард желудочков полностью охвачен возбуждением. Сегмент ST в отведениях от конечностей обычно расположен на изоэлектрической линии. Допустимо смещение ST вниз до 5 мкВ и вверх до 10 мкВ.

Зубец Т соответствует процессам прекращения возбуждения желудочков. Он может быть положительным, отрицательным и двухфазным. По форме зубец Т напоминает треугольник с пологим подъемом, закругленной вершиной и крутым спуском.

128

Интервал QRST, называемый электрической систолой, измеряется от начала зубца Q до конца Т. Длительность этого интервала зависит от пола, возраста и частоты сердечных сокращений и не должна отличаться от должной более чем на 15 %.

Функциональные пробыДля выявления реакций сердечной деятельности на различного вида нагрузки применяют функциональные пробы: задержку дыхания, атропиновую и другие медикаментозные пробы, физическую нагрузку в виде пробы «встать-сесть» или велоэргометрической пробы.

Система отведенийТрадиционная система регистрации ЭКГ предусматривает 12

отведений от пациента с использованием 10 электродов (рис. 15.12): R правая рука; L левая рука; F левая нога (нейтраль); G правая нога (общая земля для регистрирующей

аппаратуры); Gi грудные электроды i =16.

Рис. 15.12. Наложение электродов при традиционной системе регистрации ЭКГ.

Клиническая ЭКГ-диагностикаКардиографическая диагностика основывается на

обширнейшей системе сложно-определенных правил распознавания многочисленных отклонений от нормальной сердечной деятельности, включая различного рода аритмии, асистолии и экстрасистолии, нарушения нервной проводимости (выражающиеся в блокадах отдельных ветвей пучка Гиса), фибрилляции, трепетания и гипертрофии предсердий и желудочков, ишемии и инфаркты миокарда и пр. Эти правила обычно формулируются на качественно-количественном

129

уровне как соотношения между амплитудами зубцов ЭКГ и их формой в различных отведениях с учетом положения электрической оси сердца, отклонений в сердечном ритме или в длительности межзубцовых интервалов, наличия аномальных всплесков активности и искажений. Ситуация усложняется еще и тем, что одни и те же признаки могут вызываться различными заболеваниями.

Поэтому основным средством ЭКГ-диагностики является зрительное изучение записи кардиологом, что требует длительной практики для выработки профессионального навыка. В этом контексте основной задачей компьютерного анализа ЭКГ является документирование и обоснование формулируемого врачом заключения, сопровождаемое вычислением значений амплитудных, интервальных и производных показателей, обнаружением числовых отклонений от нормы, выдачей графиков динамики изменения отдельных показателей и статистических закономерностей.

Рис. 15.13. Результаты компьютерного анализа ЭКГ по традиционной системе отведений.

На рис. 18.13 представлена таблица параметров, в которой темным цветом обозначены параметры, отличающиеся от нормы. Такие сведения позволяют сократить время визуального изучения врачом записи, концентрируя его внимание на конкретных деталях.

Подобные статистические данные нередко сопровождаются графиками временной динамики изменения отдельных показателей.

На рис. 18.14 приведена типичная форма выдачи результатов клинического вычислительного анализа ЭКГ, в традиционной системе отведений.

130

Рис.15.14. Результаты компьютерного анализа ЭКГ по традиционной системе отведений.

Холтеровский мониторингДлительное мониторирование ЭКГ по Холтеру предполагает

многочасовую одноканальную непрерывную запись ЭКГ пациента, находящегося в своих обычных жизненных условиях, и осуществляется портативным носимым регистратором на магнитный носитель. В связи с большой продолжительностью записи ее последующее исследование возможно только машинными методами. При этом обычно строится график интервалограммы, определяется число кардиоинтервалов, выходящих за установленные границы длительности, ищутся экстрасистолические сокращения с подсчетом их общего количества и классификацией по форме.

ВелоэргометрияВелоэргометрия представляет собой исследование динамики

сердечной деятельности при дозированной физической нагрузке, осуществляемой при помощи велотренажера с регулируемым уровнем усилия, необходимого для кручения педалей. В ходе исследования предъявляют несколько уровней все возрастающей нагрузки в течение одной или нескольких минут каждая с регистрацией ЭКГ и спирометрии. Для каждого уровня нагрузки определяют среднюю частоту сердечных сокращений и средний объем вдыхаемого воздуха. Значения этих показателей сравнивают с нормативными в зависимости от роста,

131

возраста и пола пациента, на основании чего формируется медицинское заключение.

РеографияРеография, или импедансная плетизмография, это

бескровный метод исследования общего и органного кровообращения, основанный на регистрации колебаний сопротивления живой ткани организма переменному току высокой частоты (до 500 кГц и силой не более 10 мА). Изменение электропроводности тканей обусловлено пульсирующим артериальным кровотоком на фоне почти постоянного кровотока в артериолах, мелких венах и капиллярах. Применение переменного тока определенной частоты дает возможность выделить из общего электрического сопротивления переменный компонент (очень малый по величине и составляющий 0,51 %), связанный с пульсовыми колебаниями кровенаполнения. Обычно этот ток пропускается через те же электроды, которые служат и для измерения (за исключением тетраполярной реографии).

БиофизикаМежду изменениями электрического сопротивления участка

тела и пульсовыми колебаниями объема крови существует строгая линейная зависимость. В момент появления в межэлектродном пространстве систолического объема крови электропроводность этой зоны увеличивается, а сопротивление падает. Спад пульсовой волны и амплитуды реограммы обусловлен снижением электропроводности до время диастолы. Колебания сопротивления связаны не только с объемом крови, но и со скоростью ее движения. Оказывает влияние на колебания сопротивления сократительная способность миокарда, диаметр и эластичность сосудов, условия венозного оттока, фазы дыхания, величина и форма электродов. Реограмма отражает суммарное сопротивление всех тканей, находящихся в межэлектродном пространстве, в виде интегральной кривой, в генезисе которой ведущая роль принадлежит пульсовым колебаниям кровенаполнения.

Диагностические возможностиМетод реографии обеспечивает возможность изучения

гемодинамики любого органа, доступного исследованию; и участка конечности. Реография позволяет дать характеристику артериального кровенаполнения, состояния тонуса артериальных сосудов, венозного оттока, коллатерального кровообращения, микроциркуляции, определить величины ударного и минутного объемов кровообращения. При синхронной записи ЭКГ и реограммы аорты или легочной артерии можно получить информацию о сократительной способности изолированного миокарда левого и правого желудочков. Двухканальная запись реограммы от симметрично расположенных электродов позволяет судить о соотношении (асимметрии) левого и правого кровеносных путей.

Функциональные пробыФункциональные пробы важны в реографии, поскольку одни и

те же изменения морфологии реограммы могут быть как при

132

органических, так и при функциональных нарушениях. Находят применение пробы с физической нагрузкой, дыхательные (вдох, выдох), температурные (холод, тепло), фармакологические (нитроглицерин, папаверин, эуфиллин и др.) и др. Амплитуда волн РГ меняется с фазами дыхания: во время вдоха увеличивается, при выдохе уменьшается, что четко отражается на РГ аорты, легочной артерии и печени.

Морфология реограммыРеограмма любой области (кроме сердца) состоит из анакроты

(восходящей части), вершины и катакроты (нисходящей части), на которой располагаются 1-3 дополнительных волны (рис. 15.15).

Амплитуда систолической волны отражает пульсовой прирост объема крови, интенсивность артериального кровенаполнения. Вершина реограммы соответствует моменту, когда приток крови равен оттоку, то есть скорость кровенаполнения равна нулю. Нисходящая часть реограммы пологая и характеризует венозный отток. На катакроте может быть несколько дополнительных волн, но одна из них наибольшая и соответствует диастолической волне периферической сфигмограммы. Систолическому подъему может предшествовать пресистолическая волна (ее связывают с сокращением предсердий), вид которой различен от небольшой зазубрины до хорошо выраженной волны, равной 1/4 основной волны.

Рис. 15.15. Основные параметры объемной РГ на фоне ЭКГ (вверху) и дифференциальной РГ (внизу)

Разделы реографииВ зависимости от расположения электродов выделяют

центральную реографию (прекардиальная, реография аорты и легочной артерии) и органную (реоэнцефалография, реопатография, реовазография и т. д.).

Прекордиальная реография. При проведении прекордиальной реографии или реокардиографии (РКГ) активный электрод помещают над верхушкой сердца, а пассивный в точке Боткина, что позволяет

133

регистрировать изменение кровенаполнения камер сердца. РКГ отражает динамику сердечного сокращения и на ней имеются опознавательные точки, по которым определяется продолжительность фаз сердечной систолы. Временные показатели РКГ являются отражением фазовой структуры сердечного сокращения.

Реография аорты и легочной артерии Реография аорты и легочной артерии или реопульмонография (РПГ), используется для фазового анализа систолы правого и левого желудочков сердца, позволяющих оценить сократительную функцию миокарда, а также для оценки гемодинамики малого круга кровообращения.

Реоэнцефалография. При исследовании реоэнцефалограммы (РЭГ) наиболее часто используются фронто-мастоидальные (FM) и мастоидно-окципитальные (М0) отведения, отражающие процессы в лобном (бассейн внутренней сонной артерии) и затылочном (вертебробазилярная система) отделах кровоснабжения головного мозга. Круглые электроды обычно фиксируются на голове резиновыми лентами.

Между потоками крови, которые поступают по парным внутренним сонным артериям и по вертебробазилярной системе, имеется гемодинамическое равновесие. Поступая в артериальный круг, кровь не смешивается, а попадает в сосуды соответствующей стороны. Потоки крови, поступающие из позвоночных артерий в основную (базилярную), распределяются каждый в одноименной половине мозгового ствола, что дает возможность исследовать гемодинамику в бассейне каждой позвоночной артерии.

Артериальный круг большого мозга является постоянно действующей системой анастомозов, которые обеспечивают коллатеральное кровообращение в обоих полушариях. Важной особенностью является поддержание мозгового кровотока на постоянном уровне даже при изменении артериального давления.

Со всех сторон мозг в замкнутой полости черепа окружен несжимаемым ликвором спинномозговой жидкостью, общий объем которой у взрослого человека составляет 150200 мл. Эта жидкость определяет внутричерепное давление и предохраняет мозг от механических воздействий. Расширение сосудов мозга ведет к увеличению объема крови и повышению внутричерепного давления, при сужении же сосудов внутричерепное давление снижается. Отток крови из полости черепа осуществляется по развитой венозной системе, в которой имеются венозные пазухи и синусы, однако клапаны отсутствуют. Быстрый отток крови обеспечивается наличием венозных сплетений вокруг позвоночника.

Таким образом, мозговое кровообращение отличается от кровоснабжения других органов большой интенсивностью, постоянством, разнообразием путей оттока и тесной связью с ликвором. Все эти особенности предохраняют головной мозг от губительного недостатка кислорода.

134

Реогепатография. При регистрации реогепатограммы (РГГ) активный электрод помещают на правой среднеключичной линии на уровне реберной дуги, а пассивный электрод на уровне нижней границы правого легкого между позвоночником и заднеподмышечной линией, что позволяет регистрировать кровенаполнение в бассейне печеночной артерии и воротной вены.

Реовазография. Реовазограмму (РВГ) регистрируют в многоканальной записи с различных участков верхних (плечи, предплечья, кисти, пальцы) и нижних (бедра, голени, стопы, пальцы) конечностей.

РВГ применяют для определения интенсивности периферического кровообращения, состояния сосудистого тонуса, степени развития коллатерального кровообращения. Использование функциональной РВГ позволяет выявить несостоятельность клапанов поверхностных и глубоких вен нижних конечностей. В результате компьютерного анализа РВГ получены графики, отображающие отклонение параметров от нормы (рис. 15.16).

Рис.15.16. Окно программы «Регистрация и анализ реограмм»

Тетраполярная реография. Тетраполярная трансторакальная реокардиография (ТРГ) по методам Кубичека и Тищенко является неинвазивным методом косвенного определения основных гемодинамических показателей: ударный объем сердца, минутный объем кровотока, сердечный индекс и др.

Показатели

135

Численный анализ реозаписей позволяет уточнить характер изменений, определенных визуально, и выявить целый ряд дополнительных особенностей в изучаемой области. При количественном анализе реограмм обычно используют следующие показатели.

Реографический индекс (РИ) является важнейшим показателем, позволяющим определить относительную величину пульсового кровенаполнения в исследуемой области. Он представляет собой амплитуду систолической волны А2, измеренную в омах от основания систолической волны до высшей точки реограммы. Существует четкая тенденция: чем больше величина пульсового кровенаполнения в каком-либо участке сосудистого русла, тем выше там амплитуда реографических волн, и наоборот.

Амплитудно-частотный показатель (АЧП) представляет отношение РИ к длительности сердечного цикла в секундах и характеризует величину объемного кровотока исследуемой области в единицу времени.

Амплитуда диастолической волны (А4) в омах отражает соотношение артериального и венозного кровотока. В молодом возрасте в условиях высокой эластичности артериального русла она представляет собой преимущественно волну отражения пульсовой волны от мельчайших артерий и артериол.

Амплитуда инцизуры (А3) зависит от многих факторов: ригидность артериальной стенки, адекватность, объема региональной фракции сердечного выброса и просвета артерий. При высокой степени эластичности артерий, при явлениях низкого тонуса инцизура глубокая и ее амплитуда низкая.

Время распространения РВ (Qa) измеряется от зубца Q, ЭКГ до начала систолической волны. Этот показатель характеризует суммарное тоническое состояние сосудов (модуль упругости) от сердца до исследуемого участка: при повышении сосудистого тонуса или при склерозе магистральных сосудов он может существенно уменьшаться, а при понижении тонуса несколько увеличиваться.

Время магистрального систолического наполнения сосудов () представляет собой интервал от начала подъема РГ до ее вершины в секундах или же в процентах от RR-интервала и характеризует тонус и эластичность сосудов. Это время отражает период полного раскрытия сосуда и состояние сосудистой стенки: чем податливее, эластичнее сосудистая стенка, тем быстрее раскрывается она под действием притекающей крови.

Время быстрого кровенаполнения (1) представляет собой интервал от начала подъема РГ до пика дифференциальной кривой (в секундах или в процентах от RR) и связан непосредственно с сердечной деятельностью: его продолжительность обусловливается ударным объемом сердца и прямо зависит от модуля упругости стенок больших сосудов исследуемого участка (от состояния тонуса крупных сосудов).

Время медленного кровенаполнения (2.=  - 1) выражается в

136

секундах или процентах от RR. Его величина в значительно меньшей степени зависит от сердечных факторов и больше определяется тоническими свойствами сосудистой стенки. В норме оба периода кровенаполнения приблизительно равны между собой, а при повышении тонуса и снижении эластичности сосудистой стенки происходит изменение этого соотношения в сторону увеличения времени медленного кровенаполнения.

Максимальная скорость быстрого наполнения Vmax = A1/1

представляет отношение амплитуды быстрого наполнения к продолжительности этого периода, характеризует состояние сократительной функции миокарда и скорость кровенаполнения крупных артериальных сосудов.

Средняя скорость медленного наполнения Vcp = (А2 – A1)/2

представляет отношение амплитуды медленного наполнения к длительности этого периода и отражает наполнения средних и мелких артерий органа.

Дикротический индекс А3/А2∙100 % представляет собой отношение амплитуды ицензуры к высоте систолической волны и отражает преимущественно тонус артериол. Его значение в норме колеблется от 40 до 70% и зависит от периферического сосудистого сопротивления.

Диастолический индекс А4/А2 ∙100 % представляет собой отношение высоты диастолы к высоте систолической волны и отражает преимущественно состояние оттока крови из артерий в вены и тонус вен.

Вычисленные значения РГ-показателей выдаются в виде таблицы с указанием их статистически средних значений, стандартных отклонений и отклонений от границ клинической нормы, которые зависят от возраста и пола пациента. В случае реоэнцефалограммы и реовазограммы обычно производят двухканальную запись РГ от левых и правых отведений, поэтому в таблице выдают два ряда значений показателей с дополнительной колонкой асимметрии между отведениями и отметками выхода ее значений за границы нормы.

Миография, спирография и полиграфияВ данном разделе рассматриваются показатели, при

исследовании которых в основном используются средства ручного измерения различных визуально детектируемых на записи структурных составляющих: амплитуды пиков, латентности, временные интервалы, диапазоны изменения сигнала, скорости возрастания и уменьшения сигнала, суммарная мощность сигнала на заданном временном интервале (площадь под кривой с учетом знака сигнала или же ее абсолютное значение) и т.п. К таким показателям относятся электромиограмма (ЭМГ), кожно-гальваническая реакция (КГР), окулограмма, спирограмма и им подобные. Под полиграфией же в общем смысле понимается совместное исследование разнородных электрофизиологических показателей.

137

Кожно-гальваническая реакция, рассматриваемая как одна из разновидностей электродермальных реакций, представляет собой изменение кожного сопротивления в ответ на различные эмоциональные реакции, происходящие в результате изменения деятельности потовых желез, проявляющееся в раскрытии или сужении их выходных каналов. Основное практическое применение этот показатель нашел в так называемых полиграфах, или «детекторах лжи», в совокупности с измерением других электрофизиологических показателей: ЭЭГ, ЭКГ, пульс, дыхание и др. КГР-ответы на различные стимулы, несущие для конкретного индивидуума эмоциональную окраску, проявляются как довольно резкие, но медленноволновые и затухающие колебания-всплески (обычно биполярные) на фоне среднего уровня (рис. 15.17). Исследователя обычно интересует частота и латентность этих всплесков относительно стимула и его модальности, а также их амплитуда и мощностные свойства (площадь, скорость нарастания и спада и т. п.).

Рис. 15.17. КГР с двумя высокоамплитудными реакциями (внизу) с параллельной записью ЭКГ (вверху)

В прикладных исследованиях КГР наиболее важной является работа психолога для составления опросника, ориентированного на конкретную социальную среду и конкретно поставленные цели исследования с таким чередованием значимых, контрольных и нейтральных вопросов, чтобы первые вызывали а) обусловленную реакцию; б) высокодостоверную реакцию; в) реакцию именно на ложь; г) реакцию только требуемой эмоциональной модальности.

Электроокулограмма (ЭОГ) представляет собой движение глаз, регистрируемое электродами, расположенными на глазных мышцах. Самостоятельного значения этот показатель, как правило, не имеет и используется совместно с другими показателями, например, при исследовании вызванных потенциалов на зрительный стимул или же для удаления артефактов с ЭЭГ. Исследователя в этих аспектах интересует амплитуда и направление ЭОГ, а также латентности относительно стимула.

Термин электронейромиография (ЭНМГ) используется для обозначения методики изучения вызванных потенциалов мышцы (стимуляционная электромиография) и нерва (стимуляционная электронейрография) и включает:

138

1) регистрацию и анализ параметров вызванных потенциалов (ВП) мышцы и нерва (латентный период, форма, амплитуда и длительность ВП);

2) определение числа функционирующих двигательных единиц (ДЕ);

3) определение скоростей проведения импульса (СПИ) по двигательным и чувствительным волокнам периферических нервов;

4) подсчет мотосенсорного и краниокаудального коэффициентов, коэффициентов асимметрии и отклонений от нормы.

Нестимуляционная миография, или просто электромиография (ЭМГ), в отличие от этого исследует не процессы иннервации мышц, а саму мышечную активность по следующим двум направлениям:

исследование естественной активности групп мышц в поверхностных отведениях в покое и при нагрузке;

исследование естественной активности отдельных мышечных волокон при внутримышечных отведениях игольчатыми электродами.

Спирография предполагает измерение легочных объемов и форсированных вентиляционных потоков как в клинической, так и в исследовательской практике в следующих процедурах:

диагностика предполагаемой легочной патологии, например, для выявления внутренне- и внегрудного ограничения воздушного потока или рестриктивных вентиляционных нарушений;

лечение больных с легочными заболеваниями для оценки терапевтического эффекта элиминации аллергенов, эффективности лекарственной терапии или при проведении сложных диагностических процедур;

прогнозирование, основанное на тяжести и степени респираторных нарушений, эффективности терапевтических мероприятий или скорости ухудшения показателей за определенный период времени;

проведение предоперационных исследований для оценки степени респираторных осложнений и предоперационной коррекции состояния пациента;

оценка степени легочной недостаточности; скрининговый мониторинг состояния респираторной системы у

населения при эпидемиологических и профессиональных заболеваниях.

Вопросы, вынесенные на семинар:1. Перечислить основные группы технических устройств, используемых в медицинской диагностике.2. Охарактеризовать основные компоненты диагностических АПК.3. Виды шумов и их влияние на определение измеряемых параметров.4. Основные категории электрофизиологических показателей.5. Виды биоэлектрических показателей прямого и косвенного измерений.6. Виды биоэлектрических показателей преобразовательного измерения.

139

7. Перечислить основные этапы компьютерного функционального исследования.8. Виды исследований, проводимых с помощью МАПК.

140

ТЕМА 16«АППАРАТЫ И СИСТЕМЫ ЗАМЕЩЕНИЯ УТРАЧЕНЫХ

ФУНКЦИЙ ЧЕЛОВЕКА»

План:1. Кардиостимуляторы.2. Современные технологии в слухопротезировании.3. Искусственная почка.4. Искусственное кровообращение и искусственное сердце.5. Искусственная поджелудочная железа.

Современная медицинская техника позволяет заменять полностью или частично больные органы человека. Электронный водитель ритма сердца, усилитель звука для людей, страдающих глухотой, хрусталик из специальной пластмассы – вот только некоторые примеры использования техники в медицине. Все большее распространение получают также биопротезы, приводимые в движение миниатюрными блоками питания, реагирующие на биотоки в организме человека.

Во время сложнейших операций, проводимых на сердце, легких или почках неоценимую помощь медикам оказывают «Аппарат искусственного кровообращения», «Искусственное сердце».

ЭлектрокардиостимуляторыНарушения сердечного ритма являются одним из наиболее

частых и тяжелых осложнений сердечно-сосудистых заболеваний. Постоянная электрокардиостимуляция в настоящее время является единственным надежным методом нормализации сердечного ритма, которая (в большинстве случаев) способствует улучшению гемодинамики и, тем самым, положительно влияет на клиническое течение и прогноз основного заболевания.

Электрокардиостимуляция (греч. kardia – сердце и лат. stimulatio – возбуждать, побуждать) – метод лечения нарушений сердечного ритма с помощью электрических импульсов. Нарушения ритма и проводимости, приводящие к необходимости имплантации электрокардиостимулятора, как правило, обусловлены различными заболеваниями, но могут иметь и самостоятельное значение. В большинстве случаев основными причинами являются ишемическая болезнь сердца, атеросклеротический кардиосклероз, ревматическая болезнь сердца, приобретенные и врожденные пороки сердца, артериальная гипертензия, миокардиты, кардиомиопатии и др.

Электрокардиостимулятор (водитель ритма искусственный) – аппарат для стимуляции сердца генерируемыми электрическими импульсами. Основными составляющими электрокардиостимулятора являются:

141

- генератор (импульсного тока) электрических импульсов прямоугольной формы с длительностью импульсов n=0,8…3,0 мс и диапазоном частот =1,0…1,2 Гц;

- электроды, которые обладают достаточной гибкостью и прочностью, чтобы выдерживать кручение и сгибание, вызываемое током крови и сокращением сердца.

При однокамерной электрокардиостимуляции (ЭКС) используется один электрод, размещаемый либо в правом предсердии, либо в правом желудочке, т.к. именно в правом предсердии расположен водитель ритма – синусовый узел (SA). Импульсы потенциала действия SA порождают соответствующую последовательность сокращений сердца. Наиболее эффективной и совершенной является двухкамерная стимуляция предсердия (А-atrium) и желудочка (V-ventrium), которая получила название “АV-последовательная ЭКС”. Двухкамерный электрокардиостимулятор предполагает наличие двух электродов – в предсердии и в желудочке. В процессе стимуляции за сокращением предсердий немедленно следует сокращение желудочков, что делает ритм работы сердца наиболее близким к физиологичному. В 1994 г. Впервые была предпринята трехкамерная (атриально-бивентрикулярная) ЭКС у больных с сочетанием тяжелой сердечной недостаточности и внутрижелудочковой блокады.

ЭКС могут осуществляться в различных режимах. 1. “Асинхронный” режим. Электрокардиостимулятор генерирует

импульсы  с постоянной частотой, не реагируя на  электрическую активность предсердий и желудочков.

2. Режим “demand” (“по требованию”). Электрокардиостимулятор, настроенный на заданную частоту стимуляции, начинает функционировать только в том случае, если частота собственного ритма предсердий или желудочков выходит за пределы определенного интервала, т.е. при возникновении брадикардии, асистолии или тахикардии. Это обеспечивается возможностью восприятия (индикации) собственной электрической активности сердца.

Тип имплантируемого электрокардиостимулятора оказывает существенное влияние на течение основного заболевания, развитие осложнений и эффективность лечения.

Для обозначения режима электростимуляции и типов аппаратов используется международная номенклатура трехбуквенного кода ICHD (разработан Американской межведомственной комиссией по заболеваниям сердца Intersociety Commission on Heart Disease). Код имеет следующую структуру:

- первая буква обозначает стимулируемую камеру сердца (A – предсердие, V – желудочек, D – обе камеры);

- вторая буква указывает детектируемую камеру сердца, где установлен чувствительный датчик, воспринимающий управляющий сигнал и дающий возможность выявить собственную электрическую

142

активность соответствующей камеры сердца (A – предсердие, V – желудочек, D – обе камеры, O – нет детекции);

- третья буква обозначает тип ответа электрокардиостимулятора на регистрируемую активность: (I – запрещающий (угнетение), T – триггерный (активация) и D – запрещающий и активирующий, О – отсутствие способности к восприятию сигналов и ответа на них).

С развитием более сложных систем электрокардиостимуляции в 1979 году код ICHD был расширен до пятибуквенного. В последующем создание новых моделей ЭКС вызвали преобразование пятибуквенного кода ICHD в пятибуквенный код имплантируемых систем электрического воздействия на ритм сердца – кардиостимуляторов, кардиовертеров и дефибрилляторов в соответствии с рекомендациями Британской группы по изучению электрокардиостимуляции и электрофизиологии (British Pacing and Electrophysiology Group – BREG) и Северо-Американского общества электрокардиостимуляции и электрофизиологии (North American Society of Pacing and Electrophysiology – NASPE). Код получил название NASPE/BREG (NBG) – по сокращенному названию обществ, которые его разрабатывали. Дополнительные буквы кода означают следующее:

- четвертая буква обозначает программируемость функций стимулятора и частотную адаптацию и может принимать следующие значения: О – стимулятор не обладает функцией программирования; Р – программируются два параметра (число сердечных сокращений в минуту и минутный объем кровообращения); М (мультипрограммируемый) позволяет перепрограммировать режимы кардиостимуляции и изменять параметры стимуляции); С (communicating) – двусторонняя связь; R (rate responsive) – частотная адаптация.

Например, если в модели ЭКС предусмотрена частотная адаптация (символ R), то код режима работы может быть записан в виде: VVI(R), DDD(R).

Программирование ЭКС – это дистанционное управление функциями имплантированного ЭКС. Например, программирование рефрактерного периода – отрезка времени, на протяжении которого аппарат остается нечувствительным к внешним электрическим сигналам. Этот период предусмотрен для того, чтобы ЭКС не воспринимал вызванную его импульсом деполяризацию миокарда и не блокировал бы в результате этого свой очередной стимулирующий импульс.

- пятая буква обозначает антитахиаритмическую функцию и может принимать следующие значения: О – стимулятор не имеет антитахиаритмической функции; Р (pacing) – возможность антитахиаритмической функции; S (shосk)- осуществляется кардиоверсия (дефибрилляция), D – имеется как противоаритмическая функция, так и кардиоверсия (дефибрилляция).

143

Параметры стимуляции в современных аппаратах позволяют контролировать не только электрофизиологические параметры сердечной активности, но также и состояния гемодинамики.

Например, частотно-адаптивные ЭКС позволяют изменять частоту стимуляции в зависимости от метаболических потребностей организма (физической нагрузки). Все изложенное выше можно систематизировать при помощи табл. 1.

Таблица 1

Структуры ICHD и NBG кодов электрокардиостимуляцииI II III IV V

Стимулируемая (-е) камера

(-ы) сердца

Детектируемая (-е)

камера (-ы) сердца

Вариант ответа на

сигнал детекции

Программируемость Антитахиаритмическая

(-ие) функция (-и)

O – None (никакой)

O – None (никакой)

O – None (никакой)

O – None (никакой) O – None (никакой)

A – Atrium (предсердие

)

A – Atrium (предсерд

ие)

T – Triggered

(включаемый)

P – Simple Programmable

(программируемый, простое

программирование)

P – Pacing (antitachyarrhythmia)

(стимуляция антитахиаритмическ

ая)V – Ventricle (желудочек)

V – Ventricle

(желудочек)

I – Inhibited (выключае

мый)

M – Multiprogrammable

(мультипрограммируемый)

S – Shock (дефибрилляция (кардиоверсия))

D – Dual (А+V)

(двойной)

D – Dual (А+V)

(двойной)

D – Dual (Т+I)

(двойной)

C – Communicating (двусторонняя

связь)

D – Dual (P+S) (двойной)

S – Single (A or V)

(одиночный)

S – Single (A or V)

(одиночный)

R – Rate modulation (регуляция частоты)

Режим AAI (Р – запрещаемая стимуляция предсердий) обеспечивает стимуляцию предсердий с запрограммированной частотой при отсутствии собственной предсердной активности. Спонтанное сокращение, возникающее в течение периода готовности, блокирует генерирование стимула от ЭКС и дает начало отсчету нового временного цикла.

Режим VOO (асинхронная стимуляция желудочков) – стимуляция желудочков происходит с запрограммированной частотой вне зависимости от спонтанного ритма.

Режим VVT (R – повторяющаяся стимуляция желудочков) обеспечивает стимуляцию желудочков с запрограммированной частотой при отсутствии собственного ритма. Если во время периода готовности воспринято собственное желудочковое сокращение, оно вызывает одновременный стимул от ЭКС.

Режим VVI (R – запрещаемая стимуляция желудочков) обеспечивает стимуляцию желудочков с запрограммированной частотой при отсутствии собственного ритма сердца. Спонтанное сокращение, возникающее в течение

144

периода готовности, блокирует генерирование стимула от ЭКС и дает начало отсчета нового временного цикла.

Режим DOO (асинхронная двухкамерная стимуляция) – стимуляции обеих камер с запрограммированной частотой и с запрограммированной AV задержкой (предсердие-желудочек) вне зависимости от спонтанного ритма.

Режим DVI (последовательная AV стимуляция) – стимулируются обе камеры, но воспринимаются только желудочковые сокращения, так что при отсутствии спонтанного желудочкового ритма обе камеры стимулируются с запрограммированной частотой и AV задержкой.

Режим DDI (AV последовательная стимуляция с восприятием спонтанных предсердных сигналов, но без проведения их на желудочки). В данном режиме возможна стимуляция и восприятие сигналов из обеих камер, однако воспринятое предсердное сокращение будет ингибировать (подавлять) нанесение стимула на предсердия, не влияя на стимуляцию желудочков.

Режим DDD (стимуляция и восприятие сигналов из обеих камер с проведением спонтанного предсердного сокращения на желудочки) – наиболее совершенный из всех возможных. В режиме DDD возможны стимуляция и восприятие сигналов из обеих камер; спонтанное сердечное сокращение (предсердное или желудочковое) ингибирует нанесение стимула на соответствующую камеру, а спонтанный предсердный ритм вызывает последующую стимуляцию желудочков.

Программирование электрокардиостимулятора. Использование мультипрограммируемых стимуляторов становится все более обычным явлением. В зависимости от модели, одна или несколько функций могут быть временно или постоянно изменены путем неинвазивного программирования – неинвазивной оценки и изменения параметров и функции ЭКС в диагностических и лечебных целях. Частота стимуляции, амплитуда, длительность импульса, чувствительность, технический рефрактерный период и т.д. могут быть изменены посредством электромагнитных или радио-телеметрических сигналов с использованием специального устройства – программатера.

Современные технологии в слухопротезированииСогласно статистике, каждый шестой человек в мире

испытывает проблемы со слухом. Современный уровень развития медицины и техники позволяет успешно оказывать помощь в общении и ориентации в пространстве абсолютному большинству людей с нарушенным слухом и даже с практически полным его отсутствием. В настоящее время слухопротезирование является единственно возможным способом полноценной социальной реабилитации, а современные цифровые слуховые аппараты (СА) представляют собой интеллектуальные системы, с помощью которых человек забывает о том, что он плохо слышит.

Классификация слуховых аппаратовВ зависимости от места расположения в ушном пространстве

слуховые устройства делятся на заушные, внутриушные и внутриканальные.

Заушный слуховой аппарат – это один из самых первых видов СА, которые использовались в области слухового протезирования.

145

Место расположения подобного аппарата – за ухом пациента. Слуховой аппарат подобного рода состоит из двух частей, соединённых друг с другом. Первая крепится за ушной раковиной, а вторая – в ушном канале. Они соединены при помощи специальной звукопроводящей трубочки. Такой слуховой аппарат достаточно крепко фиксирован и позволяет воспринимать большой диапазон звуков, особенно в сравнении с внутриушными СА.

Внутриушной слуховой аппарат. В отличие от заушного слухового аппарата, внутриушной слуховой аппарат размещается в начале слухового прохода уха и состоит всего лишь из одной части (корпуса), в которой встроена электроника слухового аппарата. Корпус изготавливается по индивидуальному слепку ушного канала каждого пользователя.

Этот тип слухового аппарата, чаще всего, является полностью автоматическим, но в некоторых моделях можно отрегулировать уровень громкости вручную.

Внутриканальные слуховые аппараты устанавливают в слуховом проходе уха в непосредственной близости к барабанной перепонке. Это обеспечивается за счёт маленького размера устройств, принадлежащих к данному виду. Непосредственная близость к барабанной перепонке обеспечивает высокий уровень восприятия звука, что позволяет распознавать направление звука, а также с лёгкостью использовать мобильный телефон и другие устройства, предназначенные для узнавания и прослушивания звука. За счёт маленьких размеров и внутриканального расположения такие аппараты практически незаметны, что делает их одними из самых популярных и востребованных. 

В зависимости от применяемого метода обработки звука слуховые аппараты подразделяются на: аналоговые и цифровые.

Аналоговые (линейные) - преобразовывают звуковые сигналы в электрические, которые в дальнейшем усиливаются и изменяются в соответствии с возможностями аппарата.

Цифровые - самый совершенный вариант аппарата; звуковой сигнал в нем преобразуется в цифровой код, который затем обрабатывается с помощью компьютерной программы с учетом всех акустических особенностей слуха пациента. В конечном счете, достигается высочайшее качество звучания и разборчивости, подавление шумов, слабые звуки делаются различимыми, а сильные комфортными. Сейчас бесспорным преимуществом пользуются цифровые модели слуховых аппаратов, тогда как аналоговые постепенно уходят в прошлое. У цифровых изделий подобного рода очень много преимуществ по сравнению с аналоговыми:

возможность протезирования пациентов со сложными заболеваниями, связанными с различными нарушениями слуха. Это достигается за счёт многоканальности цифровых слуховых аппаратов;

146

возможность программирования аппарата под различные акустические условия;

высокий уровень подавления посторонних шумов, возможность отделения основных звуков от побочных (уличного шума, шума от работающего вентилятора или компьютера, от характерного аппаратного свиста). Кроме того, у таких аппаратов повышен уровень воспринимаемости звуковых сигналов, даже если человек находится в сложных акустических условиях (в шумной толпе, в торговом центре, в общественном транспорте). Это обеспечивается расположением микрофонов;

качественное звучание своего голоса. В цифровых СА звуковой сигнал преобразуется в цифровой

формат, как это происходит при записи на компакт-диск. Специальный процессор обрабатывает этот сигнал со скоростью более 100 миллионов операций в секунду, выделяя полезный сигнал на фоне помех. Затем усиленный и индивидуально видоизмененный звук подается в ухо слабослышащего. Цифровые слуховые аппараты имеют не только цифровую программную часть, но и цифровой усилитель, позволяющий производить специальную цифровую обработку сигнала. Эта специальная обработка, например, может "очищать" речевой сигнал от шумов, делать его комфортной громкости, при наличии нескольких микрофонов делать восприятие звука точнонаправленным.

По способу настройки различают слуховые аппараты: программируемые и непрограммируемые (триммерные). Программируемые слуховые аппараты  настраивают при помощи компьютера и специальной программы, что обеспечивает максимально точную настройку для каждого определенного пользователя. Непрограммируемые (триммерные) слуховые аппараты  настраивают вручную при помощи миниатюрных регуляторов – триммеров.

Кохлеарные имплантаты. Помимо слуховых аппаратов современное слухопротезирование широко использует также кохлеарные имплантаты (кохлеарное протезирование).

Кохлеарный имплантат – медицинский прибор, позволяющий частично или полностью восстановить слух некоторым пациентам с выраженной или тяжёлой потерей слуха сенсоневральной этиологии, когда поражен рецепторный аппарат улитки, при этом улитка не генерирует электрические сигналы при воздействии механических колебаний.

Напомним основные положения биофизики слуха человека. В слуховой системе человека выделяют наружное, среднее и внутреннее ухо. Наружное и среднее ухо относятся к звукопроводящей системе. Звуковоспринимающей системой является внутреннее ухо. Главной частью внутреннего уха является улитка, в которой происходит преобразование механических колебаний (звука) в электрический сигнал. Латинское название улитки – cochlea («кохлеа»), отсюда и термин «кохлеарный аппарат». Полость улитки разделена двумя мембранами – вестибулярной и основной (базилярной) – на три хода,

147

или канала: вестибулярный, улитковый и барабанный. Вестибулярный и барабанный каналы соединены геликотремой, т.е. образуют единую систему и заполнены перилимфой. Улитковый ход заполнен эндолимфой. Между улитковым и барабанным ходами вдоль улитки проходит основная (базилярная) мембрана, на которой расположены рецепторные волосковые клетки. Эти клетки вместе с покровной пластинкой образуют кортиев орган. От улитки идет слуховой нерв. При распространении звуковой волны вдоль каналов улитки основная мембрана вовлекается в колебательный процесс. При этом волоски рецепторных клеток касаются покровной пластинки, при их деформации происходит возбуждение клеток. Генерируемые при этом потенциалы действия (электрические импульсы) передаются затем по слуховому нерву в мозг. Т.о., во внутреннем ухе прослеживается определенная функциональная цепь: колебание мембраны овального окна – колебание перилимфы – сложные колебания основной мембраны – раздражение рецепторов кортиева органа – генерация электрического сигнала.

Современный кохлеарный имплантат – это уникальная медицинская разработка, используется при глухоте или тугоухости IV степени, служащая «заменой» погибших рецепторов улитки. Имплантат выполняет, в принципе, те же функции, что и волосковые клетки – преобразует механические колебания в электрические сигналы. Однако, кохлеарный имплантат не усиливает звуки. Он передает сигналы на слуховой нерв в том виде, как они есть. При этом передача электрических импульсов стимулирует нервные окончания, что весьма важно, так как при длительном бездействии отдельные веточки слухового нерва «отвыкают» от работы.

Кохлеарный имплантат состоит из внешней (носимой) и внутренней (имплантируемой) части. Во внешней части находятся: микрофон и микропроцессор (звуковой процессор), служащие для преобразования и анализа звука в электрические импульсы, а также радиопередатчик. Внутренняя часть представляет собой имплантируемые в улитку электроды. Звуки улавливаются микрофоном, кодируются в пакет электрических импульсов при помощи звукового процессора и посредством радиоволн передаются на имплантируемые электроды в улитке.

Слуховой нерв воспринимает эти слабые электрические сигналы и передает их в головной мозг.

Таким образом, кохлеарный имплантат решает проблему повреждённых или погибших волосковых клеток улитки, передавая информацию о звуках окружающего мира по системе электродов непосредственно к слуховому нерву. При этом современные кохлеарные имплантаты стремятся максимально точно (насколько это вообще возможно при существующих технических ограничениях) воспроизвести естественную физиологическую систему кодирования информации о громкости, тональности и прочих характеристиках звука.

148

Глухота может быть вызвана не только повреждением рецепторных (волосковых) клеток кортиева органа улитки, но и поражением VIII пары черепномозговых (слуховых) нервов. Проблемы таких пациентов невозможно решить с помощью кохлеарных имплантатов. Слуховой стволомозговой имплантат (англ. auditory brainstem implant, ABI) – экспериментальный медицинский прибор, позволяющий восстановить слух некоторым пациентам с глухотой невральной этиологии – является реализацией ещё более смелой идеи – вживлять электроды имплантата не в улитку, а непосредственно в головной мозг, точнее, в локусы слуховых ядер (скоплений нейронов) ствола мозга.

Искусственная почкаПочки человека это биологически важный и жизненно

необходимый парный орган с уникальной структурой. Нарушение почечных функции в течение длительного времени угрожает жизни человека. Лечение пациентов с патологией почек стало более успешным не так давно, с 1960 года, когда в распоряжении врачей появился гемодиализ, позволяющий повысить качество жизни больных с почечной недостаточностью.

В 1913 г. американский учёный Джон Абель создал аппарат для гемодиализа, который явился прообразом искусственной почки. В 1944 г. голландский учёный Вильям Колф впервые успешно применил на практике искусственную почку.

Искусственная почка (гемодиализатор) – аппарат для временного замещения выделительной функции почек. Искусственную почку используют для освобождения крови от продуктов обмена, коррекции водно-электролитного и кислотно-щелочного равновесий при острой и хронической почечной недостаточности, а также для выведения диализирующихся токсических веществ при отравлениях и избытке жидкости при отёках.

Диализатор представляет собой искусственный фильтр, состоящий из 10 000 микроскопических волокон (рис. 16.1). Диаметр одного волокна составляет примерно 0,3 мм. Волокна полые, с полупроницаемыми стенками. Кровь пропускается через диализные волокна (вдоль волокон), а диализирующий раствор омывает их снаружи, двигаясь в обратном направлении. Когда кровь проходит по внутреннему просвету волокна, токсины определенной молекулярной массы выходят через поры его стенки. После чего они удаляются диализирующим раствором. При этом полезные вещества и клетки крови не проходят через микропоры стенок волокон, а движутся вдоль волокон.

149

Рис. 16.1. Диализатор.

Ультрафильтрация – удаление из организма избытка жидкости вследствие разности гидростатического и осмотического давлений по обе стороны полупроницаемой мембраны стенки волокна (рис. 16.2).

Необходимый для ультрафильтрации градиент давления достигается за счет понижения давления в диализирующем растворе по отношению к потоку крови.

Во время лечения кровь поступает через специальную систему стерильных магистралей в диализатор (фильтр), где происходит удаление избытка жидкости и продуктов обмена. После этого очищенная кровь возвращается в организм через систему магистралей. Вне организма во время процедуры единовременно находится объем крови, равный, примерно, 250 мл. В среднем в организме взрослого человека содержится 4-5 литров крови, поэтому временное отсутствие такого небольшого объема легко переносится.

150

Рис. 16.2. Схема работы диализной мембраны стенки волокна.

Аппарат для гемодиализа оснащен всем необходимым для постоянного контроля над нормальным ходом лечения. При любых изменениях в системе срабатывает звонок, зуммер или другой тип звукового сигнала, для того, чтобы можно было произвести необходимую коррекцию.

Основные элементы аппарата “Искусственная почка” (рис. 16.3): диализатор; перфузионное устройство для продвижения крови через аппарат; устройство для приготовления и подачи в диализатор раствора

(диализирующая система); устройство, контролирующее и регулирующее основные технико-

медицинские параметры гемодиализа; монитор.

Для достижения высокого качества диализной терапии огромное значение имеет индивидуальный подбор параметров процедуры и получение данных об эффективности терапии в режиме реального времени путем использования современных компьютерных технологий.

Показателями эффективности работы диализатора являются:- клиренс – характеризует очистную способность диализатора

при постоянном обновлении диализирующего раствора, [C] = мл/мин:C = a·(A – R)/A ,

где A – концентрация удаляемого вещества на входе в диализатор; R – концентрация удаляемого вещества на выходе из диализатора; a – объемная скорость перфузии;

- диализанс – характеризует работу диализатора по очистке крови при рециркуляции диализирующего раствора, когда в процессе диализа нарастает концентрация удаляемого вещества в диализирующем растворе, [D]=[a]=мл/мин:

151

D = a·(A – R)/(A – U),где U – концентрация удаляемого вещества в диализирующем растворе.

Рис. 16.3. Основные элементы аппарата «Искусственная почка».

Повышению эффективности работы аппарата «Искусственная почка» способствует информационная поддержка процесса гемодиализа путем использования компьютерных технологий, в задачи которых входит:

создание единой информационной сети между всем оборудованием, используемым в процессе диализа; повышение эффективности и улучшение организации работы современного диализного центра за счет автоматизации рутинных процессов, в частности, введение системы электронного документооборота; обеспечение легкого, быстрого и безошибочного доступа ко всем необходимым данным для их последующей обработки; возможность представления данных в удобном виде, позволяющем в сжатые сроки оценить ситуацию и принять соответствующее решение; повышение контроля качества лечения; максимальные возможности настроек в соответствии с требованиями каждого диализного центра. Кроме того, автоматизированный мониторинг и контроль

необходимых параметров, позволяют оператору контролировать течение процедуры лечения и состояние пациента непосредственно во время процедуры.

152

Так, например, непрерывный контроль (мониторинг) температуры крови за счет своевременного контроля помогает повысить гемодинамическую стабильность и снизить частоту сердечно-сосудистых осложнений. Наличие мониторинга в ходе процедуры гемодиализа позволяет обеспечивать стабильность температуры тела и осуществлять контроль температурно-энергетического баланса.

Мониторинг объема крови наряду с мониторингом температуры крови помогают избежать порочного круга развития интрадиализной гипотензии и объемной перенагрузки. Мониторинг объема крови позволяет регулировать скорость ультрафильтрации в зависимости от изменений объема циркулирующей крови и отслеживать в ходе процедуры изменение объема циркулирующей крови, уровень гематокрита и уровень гемоглобина.

Искусственное кровообращение и искусственное сердцеИзобретение аппарата искусственного кровообращения (АИК)

открыло новую эру в современной медицине. Именно с помощью АИК стало возможным проводить операции на открытом сердце и других жизненно важных органах. Этот аппарат предназначен для временного выполнения функций сердца и легких, поэтому его иногда называют аппаратом «искусственное сердце – легкие». АИК обеспечивает кровообращение и дыхание в организме больного. Он включает в себя два основных блока: искусственное сердце, состоящее из насоса и привода, и искусственные легкие (оксигенатор), служащий для насыщения крови кислородом и удаления из нее углекислого газа. Насос АИК поддерживает в большом круге кровообращения постоянный кровоток, заменяя сердце. В это же время оксигенатор АИК насыщает пропускаемую через него всю кровь кислородом, заменяя легкие.

Искусственное кровообращение (ИК) (экстракорпоральное кровообращение) – пока единственный способ добиться пустого и обескровленного сердца, в то же время поддерживая кровообращение во всем остальном теле человека. Применяется при операциях на открытом сердце и кровеносных сосудах, для проведения которых необходимо выключение сердца из кровообращения. В условиях ИК проводят коррекцию врожденных и приобретенных пороков сердца, осуществляют хирургическое лечение поражений сосудов сердца, сложных нарушений сердечного ритма, удаление опухолей сердца, а также его трансплантацию. В последние годы ИК стали использовать в реанимации, интенсивной терапии, в до- и послеоперационный период как средство коррекции жизненно важных функций у больных. В этих случаях насос АИК работает параллельно с сердцем больного, поэтому он должен создавать не постоянный, а пульсирующий кровоток в одном ритме с ним.

Искусственное кровообращение характеризуется тремя основными функциями: оксигенация крови, газообмен в тканях и поддержание кровотока в тканях.

153

Кроме того, важной функцией искусственного кровообращения является поддержание температуры тела пациента.

Аппарат искусственного кровообращения состоит из оксигенатора (искусственное легкое), теплообменника, поддерживающего необходимый температурный режим ИК, артериального насоса с регулируемой производительностью (искусственное сердце), магистралей для тока крови, одного или нескольких микрофильтров для улавливания из крови во время ИК пузырьков газа, агрегатов форменных элементов и других микроэмболов, систем для отсасывания крови из операционной раны (коронарный отсос) и дренирования левого желудочка сердца, измерительных устройств для определения производительности насосов, температуры крови в артериальной и венозной магистралях, перфузионного давления, расхода газов, уровня крови в оксигенаторе и т.д.

Венозная кровь (с низким содержанием кислорода и высоким содержанием углекислого газа) поступает от пациента за счет силы гравитации через канюли в полых венах (правом предсердии и т.д.) по венозной магистрали в венозный резервуар. Основной насос аппарата искусственного кровообращения выкачивает эту кровь из венозного резервуара и нагнетает ее в оксигенатор, откуда она попадает в артериальную фильтр и через артериальную линию и соответствующую артериальную канюлю назад в кровеносное русло пациента. Схема подключения аппарата ИК приведена на рис. 16.4.

Рис. 16.4. Схема подключения аппарата искусственного кровообращения: 1 – аорта; 2 – артериальная линия; 3 – микрофильтр; 4

154

– артериальный насос; 5 – оксигенатор; 6 – венозная линия; 7 – нижняя полая вена; 8 – верхняя полая вена.

Дальнейшим развитием АИК является создание искусственного сердца.

Искусственное сердце принципиально отличается от АИК – оно заменяет только сердце больного, а насыщение крови кислородом и удаление углекислого газа происходит естественным путем – в легких больного. Протез сердца должен работать в пульсирующем режиме – подобно живому сердцу, совершая 50-70, а иногда до 150 циклов в минуту.

Искусственное сердце представляет собой технологическое устройство, предназначенное для поддержания достаточных для жизнедеятельности параметров гемодинамики.

Простейшее искусственное сердце состоит из двух чашеобразных камер-желудочков. Внутри каждого желудочка имеется тонкая эластичная перегородка – диафрагма из силиконовой резины. Такой желудочек представляет собой ротационный насос с пневматическим приводом . Диафрагма делит желудочек на две камеры. В одной из них находится кровь. Эта камера снабжена, как и любой насос, двумя клапанами – впускным и выпускным. В другую камеру подается от управляющего устройства – пневматического генератора – пульсирующий поток сжатого и разреженного воздуха. Когда давление воздуха повышается, он выгибает диафрагму и выталкивает кровь в артерию. Это соответствует сокращению мышцы живого сердца – систоле. Когда давление воздуха снижается в этой камере ниже атмосферного, то диафрагма возвращается назад, и в желудочек поступает кровь из вены. Это состояние соответствует расслаблению мышцы живого сердца – диастоле. Клапаны пропускают кровь только в одном направлении. Один из них впускает кровь в желудочек из вены, а другой выпускает кровь из желудочка в артерию.

Искусственное сердце соединено с артериями и венами больного, а также с пневматическим генератором, находящимся вне организма больного. Все разработанные модели искусственного сердца имеют пневматический привод от внешнего источника. Этот привод заменяет мышцу живого сердца. Так же как и в живом сердце, левый желудочек искусственного сердца прокачивает кровь по большому кругу кровообращения, а правый по малому кругу. В сложных моделях с каждым желудочком связано еще и предсердие – как и в живом сердце.

Американская кардиология и медицинская индустрия являются мировыми лидерами в создании электронно-механических протезов сердца, которые помогают жертвам самых тяжелых форм сердечной недостаточности дождаться донорского сердца или просто продлевают им жизнь, если такая пересадка не имеет шансов на успех. Все эти устройства вживляются в грудную клетку больного и принимают участие в перекачке крови. Подобные кардиопротезы разделяются на два типа. Одни приборы подсоединяются к работающему сердцу и облегчают перекачку крови по большому кругу кровообращения. Их называют

155

помощниками левого желудочка (left ventricular assist devices, LVADs). Сейчас в ходу несколько моделей LVADs причем есть больные, которые прожили с одним таким протезом свыше шести лет.

Протезы второго типа или тотальные искусственные сердца (Total Artificial Heart, TAH) имплантируются на место удаленного сердца и перекачивают кровь и по большому, и по малому кругам кровообращения.

Искусственная поджелудочная железаС 1921 года основным средством лечения сахарного диабета 1-

го типа был и остается метод замещающей инсулинотерапии, предложенный Ф. Бантингом, лауреатом Нобелевской премии, и Ч. Бестом. С начала 80-х годов ХХ века ведутся поиски новых способов лечения:

- создание искусственной эндокринной поджелудочной железы; - пересадка донорской поджелудочной железы; - пересадка культур инсулинпродуцирующих бета-клеток,

выделенных особым способом из поджелудочной железы донора.С конца 70-х годов за рубежом в клинической диабетологии

получила распространение инсулинотерапия с помощью портативных инфузионных дозаторов инсулина и с помощью стационарных аппаратов, называемых «искусственной поджелудочной железой» («искусственной бета-клеткой»).

Аппарат «искусственная бета-клетка» относится к аппаратам с замкнутым контуром, который сам определяет уровень сахара в крови и регулирует подачу инсулина в зависимости от этого уровня и, возможно, от количества потребленных углеводов.

В состав аппарата входит датчик уровня глюкозы, ЭВМ и системы насосов, соединенных между собой так, что вместе с пациентом они образуют замкнутый контур (рис. 16.5).

С помощью постоянного двухполостного катетера венозная кровь подается в анализатор, приспособленный для непрерывного определения уровня глюкозы в крови. Электрические сигналы, генерируемые анализатором глюкозы, вводятся в ЭВМ и обрабатываются в соответствии с алгоритмом с заданными параметрами. В свою очередь ЭВМ формирует команду для насоса, который нагнетает инсулин в количестве, изменяющемся в соответствии с уровнем глюкозы в крови и скоростью его изменения. Подобным же образом другой насос может обеспечивать подачу глюкозы в качестве нейтрализующего агента при появлении тенденции к гипогликемии. Введение этих веществ в организм осуществляется с помощью второго постоянного венозного катетера. При надлежащем выборе параметров алгоритмов для ЭВМ установка такого типа способна регулировать уровень глюкозы в крови у больных сахарным диабетом и поддерживать нормальный уровень гликемии даже при наличии внешних нагрузок.

Успехи микроэлектроники и кибернетики позволили создать миниатюрные носимые инсулиновые дозаторы. Эти модели отличаются

156

от стационарных более простым устройством и отсутствием регистрирующей системы обратной связи и насоса для инфузии глюкозы.

Дозатор подает инсулин в тело через тонкую трубку и иголку,

Рис. 16.5. Искусственная эндокринная поджелудочная железа («искусственная бета-клетка») – аппарат, регулирующий уровень глюкозы в крови у диабетиков посредством вливания инсулина и

глюкозы (декстрозы) под контролем замкнутой системы регулирования.

которые обычно вставляют под кожу в области брюшной полости. Дозатор инсулина можно запрограммировать таким образом, что инсулин будет подаваться маленькими, частыми (базовыми) дозами в определенное заранее запланированное время в течение дня. Из-за того, что в дозаторе содержится мало инсулина, их надо периодически дозаправлять.

Дозаторы инсулина позволяют варьировать время приема пищи. Благодаря их использованию снижается количество случаев понижения уровня сахара в крови (гипогликемические эпизоды).

Протезы конечностейПротезирование является важным этапом в процессе

социально-трудовой реабилитации человека, утратившего конечности или страдающего заболеваниями опорно-двигательного аппарата.

157

Многообразие видов и уровней ампутаций верхних и нижних конечностей, а также последствий заболеваний опорно-двигательного аппарата определяют весьма обширную номенклатуру протезно-ортопедических изделий. В настоящее время практически все уровни ампутаций конечностей и виды поражений обеспечены средствами протезирования. Разработаны и выпускаются серийно узлы максимальной готовности, отдельные полуфабрикаты и унифицированные узлы, из которых собирают изделия па протезно-ортопедических предприятиях.

Качество протезирования зависит не только от степени совершенства от дельных узлов, но и от того, как они собраны в протезе. В практике протезирования широко используются схемы построения протезов, представляющие собой совокупности базовых параметров, определяющих взаимное расположение узлов и всего протеза относительно опорно-двигательного аппарата протезируемого. При протезировании учитываются индивидуальные характеристики человека: масса, рост, уровень ампутации, половозрастные особенности.

Разработка протезно-ортопедических средств, предназначенных для компенсации утраченных или нарушенных опорно-двигательных функций, основывается на глубоком понимании особенностей двигательного аппарата человека и основных закономерностей выполнения человеком разнообразных действий, связанных с движениями сегментов тела.

Классификация протезно-ортопедических изделийВ зависимости от назначения, способа применения, характера и

уровня ампутации, половозрастных и конструктивных признаков, условий пользования и т.д. протезно-ортопедические изделия (ПОИ) подразделяются на различные классы и группы.Рассмотрим классификацию протезов верхних и нижних конечностей.

Протезы верхних конечностей по способу применения подразделяются на активные, функционально-косметические (пассивные), рабочие и приспособления для самообслуживания.

В зависимости от уровня ампутации протезы верхних конечностей подразделяются на протезы кисти, предплечья, плеча и после вычленения плеча. По возрастным признакам различают протезы для детей и взрослых.

Протезы нижних конечностей. В зависимости от уровня ампутации делятся на протезы стопы, голени, бедра, после вычленения бедра и при врожденном недоразвитии нижних конечностей.

По возрастным признакам различают протезы для детей, подростков и для взрослых. По условиям использования различают протезы общего назначения, протезы для купания, рабочие и специальные протезы.

158

Активные протезы являются функциональными протезами, т.к. выполняют одну или несколько функций здоровой верхней конечности, и, прежде всего, основную функцию руки человека – ухват.

Активные протезы верхних конечностей могут быть с мышечным (тяговым) управлением и с внешним источником энергии (ВИЭ).

В протезах с мышечным управлением (тяговых протезах) для приведения в действие приводов исполнительных механизмов используется сила групп мышц и перемещения сохранившихся сегментов тела человека – инвалида. В протезах с ВИЭ могут использоваться электромеханический или пневмомеханический типы привода.

В протезах с электромеханическим типом привода используется электрический двигатель с питанием от аккумулятора. При этом, в зависимости от типа применяемого датчика, различают:

- миотонические протезы, в которых управляющий сигнал формируется элементом управления под действием мышечного толчка (механического воздействия мышцы при увеличении ее поперечного сечения в момент сокращения);

- биоэлектрические протезы, в которых сигнал управления (биопотенциалы) снимается электродами отведения с поверхности управляющей мышцы в момент ее сокращения. Электроды отведения конструктивно совмещены со специальными усилителями биопотенциалов;

- протезы с контактными датчиками, в которых воздействие на элемент управления (переключатель) осуществляется любым сегментом тела инвалида;

- протезы с комбинированным управлением, в которых управление различными функциями осуществляется сигналами от различных по типу датчиков, либо комбинаций двух и более названных способов управления.

В отличие от протезов с электромеханическим типом привода в пневмомеханических протезах для приведения в движение отдельных приводных механизмов используется энергия сжатого газа.

Помимо двух вышеперечисленных групп существуют также комбинированные протезы – устройства, в которых для приведения в движение приводных механизмов используются различные комбинации источников энергии и систем управления.

Протезы, называемые рабочими предназначены для выполнения различных работ, как в производственных, так и в домашних условиях с помощью насадок и приспособлений.

Насадки могут быть: 1) активные и пассивные, 2) специальные и универсальные, 3) предназначенные для выполнения конкретной операции или удержания различных предметов или инструментов.

Приспособления, специальные устройства, помогающие инвалидам обслуживать себя собственными силами, могут быть стационарными и переносными, предназначенными для различных

159

целей: самообслуживания, пользования предметами быта, для обучения, для занятий спортом досуга и т.д.

160

ТЕМА 17ЭТИЧЕСКИЕ И ПРАВОВЫЕ ПРИНЦИПЫ УПРАВЛЕНИЯ

ИНФОРМАЦИЕЙ В СИСТЕМЕ ЗДРАВООХРАНЕНИЯ

План:1. Категории информационной безопасности.2. Электронная медицинская карточка.3. Проблемы организации защиты врачебной тайны.4. Проблемы внедрения комплексных систем защиты.

Современная ситуация в сфере информационной безопасностиВ последнее время сообщения об атаках на информацию, о

хакерах и компьютерных взломах, которые наполнили все средства массовой информации. Что же такое "атака на информацию"? Дать определения этому действию на самом деле очень сложно, поскольку информация, особенно электронная, представлена в разных видах. Информацией можно считать и отдельный файл, и базу данных, и одну запись, и целый программный комплекс. И все эти объекты могут подвергнуться и подвергаются атакам со стороны некоторой социальной группы лиц. При сохранении, поддержке и предоставлении доступа к любому информационному объекту его владелец, или уполномоченное им лицо, указывает набор правил по работе с ним. Намеренное их нарушение классифицируется как атака на информацию.

С массовым внедрением компьютеров во все сферы деятельности человека объем информации, сохраненной в электронном виде, возрос в тысячи раз. А с появлением компьютерных сетей даже отсутствие физического доступа к компьютеру перестало служить гарантией целостности информации. Какие возможные последствия атак на информацию? Рассмотрим для примера экономические потери фармацевтической фирмы: 1. Раскрытие коммерческой информации в фармации может привести к серьезным прямым убыткам на рынке. 2. Известие о краже большого объема информации серьезно влияет на репутацию фирмы. 3. Фирмы-конкуренты могут воспользоваться кражей информации, если она осталась незамеченной, для того чтобы целиком разорить фирму, навязывая ей фиктивные или сознательно убыточные соглашения. 4. Подмена информации, как на этапе передачи, так и на этапе хранения в фирме может привести к огромному ущербу.5. Многоразовые успешные атаки на фирму, которая предоставляет любой вид информационных услуг, снижают доверие к фирме у клиентов, что скажется на объеме доходов.

Естественно, компьютерные атаки могут принести и огромный моральный убыток. Понятие конфиденциального общения давно уже стало притчей. Понятно, что никакому пользователю компьютерной сети не хочется, чтобы его письма получали еще 5-10 человек кроме адресата или,

161

например, весь текст, который набирается на клавиатуре ЭВМ, копировался в буфер, а потом, при подключении к Интернету, отправлялся на определенный сервер. А именно так и происходит в тысячах и десятках тысяч случаев.

Категории информационной безопасностиИнформация с точки зрения информационной безопасности имеет следующие категории: – конфиденциальность – гарантия того, что конкретная информация доступна только тому кругу лиц, для которого она предназначена; нарушение этой категории называется разворовыванием или раскрытием информации. Данное понятие можно трактовать и так: конфиденциальность – инструмент защиты секретности, который имеет в виду ограничение к доступу информации. Пациент, доверяя врачу конфиденциальные данные, рассчитывает, что эта информация не будет раскрыта;– целостность – гарантия того, что информация на данный момент существует в ее исходном виде, т.е. при ее сохранении или передаче не были сделаны несанкционированные изменения; нарушение этой категории называется фальсификацией сообщения;– секретность – это право индивидуума руководить хранением, использованием и раскрытием личной информации. Приверженцы секретности настаивают, чтобы индивидуум был осведомлен относительно того, как информация должна быть открыта;– защита – это способы и методы защиты от случайного или намеренного открытия информации посторонним лицам, а также от деструктивных действий и потерь;– аутентичность – гарантия того, что источником информации есть именно то лицо, которое заявлено как ее автор; нарушение этой категории также называется фальсификацией, но уже автора сообщения;– апеллируемость – довольно сложная категория, но часто применяемая в электронной коммерции – гарантия того, что при необходимости можно будет доказать, что автором сообщения является именно заявленный человек, и не может быть никто другой; отличие этой категории от предыдущей в том, что при подмене автора, кто-то другой старается заявить, что он автор сообщения, а при нарушении апелляционности – сам автор старается "откреститься" от своих слов.

По отношению к информационным системам применяются другие категории:– надежность – гарантия того, что система ведет себя в нормальном и внештатном режимах так, как запланировано;– точность – гарантия точного и полного выполнения всех команд контроля доступа; гарантия того, что различные группы лиц имеют разный доступ к информационным объектам, и эти ограничения доступа постоянно выполняются;

162

– контролируемость – гарантия того, что в любой момент может быть сделана полноценная проверка любого компонента программного комплекса;– контроль идентификации – гарантия того, что клиент, подключенный в данный момент к системе, является именно тем, за кого себя выдает.

Защита медицинской информацииМедицинская информация требует защиты. Безопасность

медицинской информации следует рассматривать с нескольких точек зрения:– защита личности от распространения конфиденциальной информации;– защита интересов государства и ведомств, другими словами, защита от возможной утечки информации, злоупотреблений, нарушений этики и т.п.;– безопасность систем медицинского страхования;– вопрос права, конфиденциальности информации, законности и правомерности электронной подписи.

Защита информации о пациентахОбеспечение конфиденциальности секретных медицинских

сведений о пациентах является важной задачей при разработке информационных систем. Персонал, которому официально разрешено пользоваться информацией о пациентах, должен иметь легкий и оперативный доступ к данным, заложенным в компьютере. С другой стороны, эти данные должны быть недоступные для посторонних пользователей.

Для обеспечения конфиденциальности информации применяют следующие действия:– с помощью компьютерного алгоритма присваиваются буквенно-цифровые пароли. Пользователь может в любое время получить новый пароль;– каждый пароль меняется раз в шесть месяцев;– заведующие отделениями выдают пароли и определяют уровень полномочий;– всем пользователям сообщают о том, что пароль приравнивается к официальной подписи и что ни при каких обстоятельствах и никому он не может быть раскрыт;– группа обслуживания информационной системы выдает пароли заведующим отделениями и контролирует их использование;– доступ может ограничиваться как паролем, так и местонахождением терминала;– пользователи автоматически отключаются от системы при остановке работы терминала более чем на 5 минут;– компьютерная система сохраняет в памяти каждый случай доступа к информации о пациентах с фиксацией личности, профессиональной принадлежности (врач, медицинская сестра, сотрудник, студент, и т.д.), места, типа полученной информации, даты и времени;

163

– каждый сотрудник, который использует компьютерную систему, имеет возможность увидеть на дисплее имена всех лиц, которые пересматривали определенную личную электронную медицинскую карточку;– пациент может запросить список лиц, которые просматривали его медицинскую карточку;– терминалы блокируются в случае введения нелегального пароля несколько раз;– терминалы автоматически выводят на экран предупреждения, если пользователь просматривает карточку знаменитостей, сотрудников больницы и их родственников;– терминалы по случайному принципу выводят на дисплей предупреждения о конфиденциальности сведений приблизительно на каждый 500-ый запрос сведений о пациенте;– для доступа с домашнего телефона нужен второй пароль на базе встроенного в систему, специфический по отношению к пациенту, например, девичья фамилия матери.

Опознание пользователя на основе пароля – пример так называемой однофакторной идентификации. Современные методы идентификации основываются на множественных факторах (существует и широко применяется двухфакторная и даже трехфакторная идентификации). Например, двухфакторная идентификация пользователя проводится не только на основе того, что пользователь знает пароль (password), но и того, что он имеет персональный идентификатор (login). В качестве такого идентификатора может использоваться аппаратный токен (от англ. Token – опознавательный знак), смарт-карта и др.

Аппаратные токены для идентификации пользователей могут быть автономными и подключаемыми, или USB-токены.

Автономные токены – это мобильные персональные устройства, напоминающие маленький пейджер, не подсоединяемые к компьютеру и имеющие собственный источник питания. Они позволяют пользователю идентифицировать себя на серверах, используя или одноразовый пароль (токены с использованием ОТР – англ. One-TimePassword), или метод запрос – ответ. Суть метода запрос – ответ заключается в следующем:

пользователь вводит свой идентификатор на рабочей станции, которая передает его по сети серверу;

сервер аутентификации генерирует случайный запрос, который по сети передается пользователю;

пользователь вводит запрос в идентификационный токен; токен пользователя с помощью некого алгоритма и

секретного ключа пользователя зашифровывает этот запрос и результат отображает на своем экране;

пользователь вводит результат на рабочей станции, которая возвращает его серверу;

сервер зашифровывает то же самое случайное число (запрос);

164

при совпадении результатов процесс запрос/ответ в существующей системе аутентификации успешно завершается.

USB-токены – устройства, оформленные в виде флэш-карты, которые подключаются к стандартным портам USB и содержащие микроконтроллер и/или микросхему – электронный чип. Они позволяют осуществлять строгую двухфакторную идентификацию пользователя, а также обеспечивают функции шифрования и формирования электронной цифровой подписи пользователя. В отличие от OTP-токенов, они не нуждаются в дополнительном программном обеспечении, устанавливаемом на сервера.

Смарт-карты (англ. SmartCard – интеллектуальная карта) представляют собой пластиковые карточки размером с кредитку (рис. 17.1), содержащие чип (микропроцессор) для криптографических вычислений (электронно-цифровая подпись, шифрование) и встроенную защищенную память для хранения информации (данные о пользователе, криптографические ключи, сертификаты и пр.). Для использования смарт-карт необходим считыватель (карт-ридер).

Рис. 17.1 Смарт-карты врача и пациента, используемые в системе здравоохранения Германии.

По методу считывания информации смарт-карты делятся на: контактные; бесконтактные; со сдвоенным интерфейсом.

Контактные карты взаимодействуют со считывающим устройством (считывателем) (рис. 17.2) посредством непосредственного соприкосновения металлической контактной площадки карты и контактов считывателя. Данный метод считывания

165

просто реализуем, но повышает износ карты при частом использовании.

Бесконтактные карты имеют встроенную катушку индуктивности, которая в электромагнитном поле считывателя обеспечивает питанием микросхему, выдающую информационные радиосигналы. Такой метод считывания позволяет часто использовать карту без износа самой карты и считывателя.

Карты со сдвоенным интерфейсом имеют одновременно и контактную площадку и встроенную катушку индуктивности. Такие карты позволяют осуществлять работу с разными типами считывателей.

Смарт-карты могут выступать в качестве альтернативы парольной защиты, однако чаще дополняют ее, обеспечивая более полную (двух- или трехуровневую) идентификацию пользователя.

Другим, достаточно простым способом идентификации пользователя, является штрих-код. Эта достаточно эффективная, но одновременно дешевая технология. Используется, например, в библиотечных информационных системах (штрих-код является одним из реквизитов читательского билета) и в кассовых терминалах (штрих-код нанесен на бейджик кассира и выполняет роль его дополнительного идентификатора). В медицинских информационных системах штрих-код может наноситься на амбулаторную карту пациента и являться аналогом ее номера.

Рис. 17. 2 Контактные считывающие устройства для смарт-карт, подключаемые через порт USB (слева) или в слот PCMCIA

ноутбука (справа)/

Для идентификации пользователя широкое распространение получили устройства iButton. Это семейство микроэлектронных устройств разработано фирмой DallasSemiconductor (США). Каждое устройство заключено в стальной герметичный цилиндрический корпус MicroCan, имеет уникальный номер (ID) и выдерживает серьезные механические и температурные нагрузки.

166

Обмен данными с iButton производится через однопроводной интерфейс 1-Wire. Информация в этом интерфейсе передается по единственному проводнику. Питание iButton получают из этого же проводника, заряжая внутренний конденсатор в моменты, когда на шине нет обмена данными. Скорость обмена достаточна для обеспечения передачи данных в момент касания контактного устройства.

Для подключения iButton к компьютеру выпускаются считыватели (адаптеры), преобразующие сигналы стандартных портов компьютера (RS232, USB) в сигналы 1-Wire (рис. 17.3). Брелок для ключей позволяет надежно закрепить «таблетку» iButton.

Рис. 17.3. iButton – это семейство микроэлектронных устройств, разработанных фирмой DallasSemiconductor (USA)

Вместе с тем идентификационные процедуры не позволяют однозначно определить, что логин, пароль и/или какое-либо дополнительное устройство предъявляются именно их владельцем. Как теоретически, так и практически они могут быть переданы другому человеку или похищены им. В силу этого значительно более надежной является аутентификация по биологическим параметрам, являющимся неизменяемыми характеристиками человека на всей протяжении его жизни.

Биометрические системы аутентификации, доступные в настоящее время или находящиеся в стадии разработки, включают системы доступа по отпечатку пальца, аромату, ДНК, форме уха, геометрии лица, температуре кожи лица, клавиатурному почерку, отпечатку ладони, рисунку вен ладони, структуре сетчатки глаза, рисунку радужной оболочки глаза, подписи и голосу.

Аутентификация по отпечаткам пальцев в будущем будет использоваться наиболее широко. Ее преимуществом является быстрота и простота использования, удобство и надежность. Вероятность ошибки при аутентификации пользователя намного меньше в сравнении с другими биометрическими методами. Кроме того, само устройство аутентификации достаточно компактно (рис. 17.4).

167

Аутентификация по геометрии руки применяется сегодня в США в более чем 8000 организаций, включая Колумбийский законодательный орган, Международный Аэропорт Сан-Франциско, больницы и иммиграционные службы. Ее преимущества сравнимы с аутентификацией по отпечатку пальца, хотя устройство занимает больше места. Наиболее удачное устройство, Handkey, сканирует как внутреннюю, так и боковую сторону руки.

Рис. 17.4. Сканеры BioLink, которые позволяют производить

биометрическую аутентификацию по отпечатку пальца (слева) и сочетанную, дополняющую использованием смарт-карт (справа)

Для считывания пользователь (рис. 17.5) кладет ладонь на панель устройства, где специальные штырьки-фиксаторы помогают скорректировать ее расположение. Трехмерное изображение кисти руки фиксируется специальной телекамерой с инфракрасной подсветкой. Информацию о толщине кисти устройство получает посредством боковых зеркал, которые попадают в обзор телекамеры. Отсканированное изображение сравнивается с шаблоном, хранящимся в памяти считывателя. По результатам сравнения считыватель аутентифицирует пользователя.

Процедура аутентификации личности с помощью биометрического считывателя HandKey II проводится в два этапа. Сначала на клавиатуре сотрудник набирает свой уникальный идентификационный номер из 1–10 цифр, а затем считыватель производит сканирование кисти руки и сравнивает полученную информацию с шаблоном. Кроме того, вместо набора PIN-кода в HandKey II предусмотрено подключение считывателя электронных карт доступа, использующих протоколы Proximity, Wiegand и др.

Двухэтапная процедура аутентификации пользователя, с одной стороны, существенно повышает уровень безопасности, а с другой – позволяет практически мгновенно осуществить сверку с шаблоном из

168

базы данных. Набирая свой PIN-код (или используя карту доступа), человек заранее «сообщает» считывателю, с каким именно шаблоном необходимо сравнить полученные данные. Время верификации по кисти руки не превышает 1 с, а общее время аутентификации в системе составляет 1–5 с.

Рис. 17.5. Аутентификации личности с помощью биометрического считывателя HandKey II

Преимущество сканирования радужной оболочки состоит в том, что образец пятен на радужной оболочке находится на поверхности глаза, и от пользователя не требуется специальных усилий – фактически видеоизображение глаза может быть отсканировано на расстоянии метра, что делает возможным использование таких сканеров в банкоматах (рис. 17.6). Катаракта – помутнение хрусталика глаза – никоим образом не влияет на процесс сканирования радужной оболочки.

169

Рис. 17.6. Ручной (слева) и стационарный (справа) сканеры радужной оболочки глаза

Результаты исследований разработчика технологии – компании IridianTechnologies– показали, что при чрезвычайно большой базе регистраций (около миллиарда) вероятность ошибочного распознавания человека была ниже 0,000001, а вероятность ошибочного отказа в распознавании – ниже 0,003.

Процесс аутентификации личности происходит следующим образом. В системе формируется снимок радужной оболочки в ИК-свете (700–900 нм), который затем преобразуется в 512-байтный код (IrisCode), описывающий структуру оболочки. Полученный IrisCode проверяется на соответствие всем IrisCode, находящимся в базе данных, и по результатам сравнения происходит либо аутентификация личности, либо отказ в доступе пользователю.

Сканирование сетчатки происходит с использованием инфракрасного света низкой интенсивности, направленного через зрачок к кровеносным сосудам на задней стенке глаза. Сканеры для сетчатки глаза получили большое распространение в сверхсекретных системах контроля доступа, так как эти средства аутентификации характеризуются одним из самых низких процентов отказа в доступе зарегистрированным пользователям и почти нулевым процентом ошибочного доступа. Однако, сканирование сетчатки является потенциально более опасным, поскольку проводится специальным лазерным лучом. Кроме того, при сканировании сетчатки, глаз должен находиться на расстоянии не больше 1,5 сантиметра от считывающего устройства, взгляд необходимо фиксировать на определенной точке и сохранять неподвижным во время сканирования.

Аутентификация по чертам лица (по геометрии лица) – одно из быстро развивающихся направлений в биометрической индустрии. На сегодняшний день существует две таких биометрических технологии. В основе первой лежит специальное программное обеспечение, которое получает изображение с самой обычной веб-камеры и обрабатывает его. На лице выделяются отдельные объекты (брови, глаза, нос, губы), для каждого из которых вычисляются параметры, полностью его определяющие. При этом многие современные системы строят трехмерный образ лица человека. Это нужно для того, чтобы аутентификация оказалась возможной, например, при наклоне и повороте головы, изменении выражения лица или макияже у женщин. Вторая технология, основанная на аутентификации человека по его лицу, использует термограмму. Фотография пользователя, сделанная с помощью специальной инфракрасной камеры, позволяет получить «карту» расположения артерий, которая у каждого человека различна. Даже у однояйцовых близнецов артерии расположены по-разному. В связи с этим надежность метода достаточно высока. К сожалению, он появился недавно и пока не получил большого распространения.

170

Криптографический метод защиты информацииСреди базовых технологий безопасности, можно выделить

криптографию. Криптография (от др.-греч. κρυπτός – скрытый и γράφω– пишу) – наука о методах обеспечения конфиденциальности и аутентичности информации.

Многие службы информационной безопасности, такие как контроль входа в систему, разграничение доступа к ресурсам, обеспечение безопасного хранения данных и ряд других, опираются на использование криптографических алгоритмов.

Шифрование – процесс преобразования сообщения из открытого текста (plaintext) в шифротекст (ciphertext) таким образом, чтобы:

его могли прочитать только те стороны, для которых оно предназначено;

проверить подлинность отправителя (аутентификация); гарантировать, что отправитель действительно послал

данное сообщение.В алгоритмах шифрования предусматривается наличие ключа.

Ключ – это некий параметр, не зависящий от открытого текста.Существуют два вида криптографических систем: системы с секретным ключом (симметричные); системы с открытым ключом (несимметричные).Как следует из названия, симметричные системы используют

один и тот же ключ для проведения операций шифрования и расшифровки, а несимметричные системы – разные. В симметричных системах обе стороны, обменивающиеся информацией, должны иметь этот общий для них ключ, но никто другой этим ключом обладать не должен. Тем самым обеспечивается секретность передаваемой информации.

В несимметричных системах каждый пользователь имеет два ключа, образующих ключевую пару:

открытый ключ, который используется для шифрования сообщения, предназначенного (направляемого) владельцу этого ключа. Открытый ключ позволяет зашифровать, но не прочитать зашифрованное сообщение;

закрытый ключ используется владельцем этого ключа для расшифровки направленных ему сообщений, а также формирования собственной электронной подписи.

Пара этих ключей обладает важным свойством: при достаточно большой длине этих чисел очень сложно восстановить значение закрытого ключа, зная только открытый ключ. Таким образом, любой пользователь – участник системы защищенного электронного документооборота может «публиковать» свой открытый ключ в общедоступных местах, чтобы любой другой участник этой системы мог им воспользоваться и зашифровать направляемое этому пользователю сообщение. Таким образом, с помощью открытого ключа можно лишь

171

зашифровать, но не прочитать зашифрованное им сообщение. Это возможно только при наличии закрытого ключа, парного открытому.

Пользователь должен держать свой закрытый ключ в секрете от посторонних. Закрытый ключ обычно хранится на каком-либо съемном носителе (дискете, флэш-карте, смарт-карте) в зашифрованном виде и расшифровывается только на время произведения каких-то действий. Криптографические операции зачастую выполняются внутри такого устройства, выдавая на выход только результат, но не раскрывая содержимого закрытого ключа. Закрытый ключ, хранящийся на смарт-карте, может быть защищен паролем.

Наиболее популярные алгоритмы шифрования с секретным ключом: DES, TripleDES и ряд других.

Несимметричные системы позволяют создавать цифровую подпись, которая будучи поставлена на цифровом документе, служит гарантией того, что именно владелец данного ключа, а не кто-то другой действительно подписал этот документ. Для этого пользователь-отправитель, используя свой закрытый ключ, производит над данными, которые он хочет подписать, некоторую операцию и передает ее результат вместе с исходными данными любому другому субъекту – получателю подписанного электронного документа. Этот субъект, используя только открытый ключ отправителя, парный закрытому, может проверить, что цифровая подпись верна, т.е. соответствует отправителю. В ходе такой проверки устанавливается соответствие электронного документа его открытому ключу, т.е. подлинность электронной подписи (принадлежность подписи ее владельцу), а также устанавливается наличие или отсутствие искажений электронного документа после его электронного подписания (умышленное или вызванное ошибками при его передаче по каналам связи). Проверка выполняется с помощью хеширования – вычисления контрольной суммы бит электронного документа. Бытовым аналогом хеширования может служить приём, когда при переездах в памяти держат количество мест багажа. Тогда для проверки не нужно вспоминать про каждый чемодан, а достаточно их посчитать. Совпадение будет означать, что ни один чемодан не потерян. То есть, количество мест багажа является его хеш-кодом. Любое изменение подписанных данных (даже изменение всего одного бита в большом файле) ведет к изменению их хеш-кода и делает электронную цифровую подпись недействительной.

Гарантией соответствия открытого ключа его владельцу является сертификат, формируемый и выдаваемый членам системы защищенного документооборота, удостоверяющим центром. Этот цифровой сертификат является неким конгломератом из открытого ключа пользователя, информации о нем, имени сертификата и цифровой подписи удостоверяющего центра, которая скрепляет все эти данные друг с другом. При этом у сертификата есть срок действия, который ограничивает срок соответствия открытого ключа его владельцу.

172

Электронно-цифровая подпись в электронном документе становится равнозначной собственноручной подписи при следующих условиях (одновременно):

1) сертификат ключа электронно-цифровой подписи не утратил силу;

2) подтверждена подлинность электронно-цифровой подписи в электронном документе;

3) электронно-цифровая подпись используется в отношениях, имеющих юридическое значение.

Электронное сообщение, подписанное электронной цифровой подписью, признается электронным документом, равнозначным документу, подписанному собственноручной подписью, в случаях, если федеральными законами или иными нормативными правовыми актами не устанавливается или не подразумевается требование о составлении такого документа на бумажном носителе

Использование электронных документов получило широкое распространение во многих сферах деятельности, причем они применяются не только наряду с традиционными бумажными документами, но и вместо них.

В современных медицинских информационных системах электронная цифровая подпись может применяться с несколькими целями. Это, прежде всего:

Персонификация данных, накапливаемых в информационной системе, позволяющая однозначно определить автора записи.

Хранение в информационной системе законченных документов, когда после подписания документа с помощью электронной цифровой подписи невозможно дальнейшее редактирования документа. Это придает документу юридический статус и обоснованно позволяет оказаться от эквивалентного бумажного документа.

Медицинская информационная система как объект защиты

Медицинская информационная система (МИС) – это сложная, распределенная в пространстве система, состоящая из большого количества локальных подсистем (информационных узлов), которые оперируют программно-аппаратными средствами реализации информационных технологий и большим количеством средств, обеспечивающих соединение и взаимодействие этих подсистем с целью предоставления территориально отдаленным пользователям широкого набора услуг в сфере информационного обслуживания.

Иначе говоря, МИС – организационно-техническая система, которая реализует информационные технологии и предусматривает аппаратное, программное и другие виды обеспечения, а также соответствующий персонал.

173

Проблемы организации защиты врачебной тайныБольшая концентрация массивов медицинской информации,

отсутствие элементарного контроля за ее сохранением и относительно низкий уровень надежности технических средств вызывают серьезную тревогу в обеспечении сохранности информации.

В процессе эксплуатации МИС, информация, которая накапливается и обрабатывается, является довольно незащищенной, подверженной разрушению и несанкционированному использованию. А большое количество разнообразных компонентов, операций, ресурсов и объектов МИС создают привлекательную среду для разного рода вторжений и несанкционированных действий.

Выделяют такие основные проблемы, которые возникают в процессе защиты информации в МИС:– предупреждение утечки, кражи, потери, искажения, подделки информации;– предупреждение угроз безопасности информации личности, общества, государства;– предупреждение несанкционированных действий по уничтожению, модификации, искажению, копированию, блокированию информации;– предупреждение разных форм незаконного вмешательства в информационные ресурсы и информационные системы;– обеспечение правового режима использования документированной информации как объекта собственности;– защита конституционных прав граждан на сохранение личной тайны и конфиденциальности персональных данных, которые содержатся в информационных системах;– сохранение врачебной тайны, конфиденциальности документированной информации в соответствии с законодательством Украины;– гарантия прав субъектов в информационных процессах и при их разработке, производстве и применении информационных систем, технологий и средств их обеспечения.

Следует отметить, что сегодня в качестве базового уровня МИС применяются обычные (бытовые) ПК, которые объединяют с помощью дополнительного оборудования в локальные и распределенные вычислительные сети. Для защиты информации при таком подходе приходится тратить неоправданно большое количество средств на организацию защиты ценной информации, которая обрабатывается с помощью дешевой техники. А в условиях, когда пользователи имеют доступ к нескольким серверам и владеют правами отдаленной регистрации, защита настолько усложняется, что ее обеспечение становится не по карману даже мощным фирмам и большим медицинским центрам.

Классификация нарушений защиты информацииНаиболее распространенными путями утечки информации

являются:

174

– кража носителей информации и документов, полученных в результате работы информационных систем;– копирование информации на ПК;– несанкционированное подключение к аппаратурам и линиям связи;– перехват электромагнитных излучений в процессе обработки информации.

Среди лиц и мест риска несанкционированного доступа и использования можно выделить следующие:

Системный программист – может нарушать защиту, имея право входа в систему. Может обнаруживать и обходить систему защиты.

Инженер по эксплуатации – может нарушать защиту технических средств, используя автономные утилиты для доступа к файлам и для входа в систему.

Рабочие станции – наиболее доступные компоненты сетей и именно из них может быть сделано наибольшее количество попыток несанкционированных действий. Из рабочих станций осуществляется управление процессами обработки информации, запуск программ, введение и редактирование данных; на дисках рабочих станций могут размещаться важные данные и программы обработки.

Серверы нуждаются в особой защите, как концентраторы больших объемов информации, в которых осуществляется преобразование данных при согласовании протоколов обмена в разных участках сети. Здесь злоумышленники, прежде всего, будут искать возможности повлиять на работу разных подсистем, используя недостатки протоколов обмена и средств размежевания отдаленного доступа к ресурсам и системным таблицам. При этом, используются все возможности и средства, вплоть до специальных программных ключей для преодоления системы защиты.

Каналы и средства связи. В силу большой пространственной протяжности линий связи через неконтролируемую территорию практически всегда существует возможность подключения к ним, или вмешательство в процесс передачи данных со стороны злоумышленников.

Кроме того, возможные утечки, нарушения целостности, истинности и сохранности информации происходят в результате случайных или намеренно неправильных (неразрешенных) действий пользователя (санкционированного или несанкционированного для работы данной МИС).

Проблемы внедрения комплексных систем защиты. Системный подход в создании механизмов защиты

информационных системПонятие системности заключается не просто в создании

соответствующих механизмов защиты, а представляет собой регулярный процесс, который осуществляется на всех этапах жизненного цикла ИС. При этом все средства, методы и мероприятия, которые используются для защиты информации, объединяются в целостный механизм – систему

175

защиты информации (СЗИ). Укажем основные постулаты СЗИ, которые не потеряли своей

актуальности и сегодня: – абсолютную защиту создать нельзя; система защиты информации должна быть комплексной; – СЗИ должна быть такой, которая адаптируется к постоянно изменяющимся условиям.

К этим аксиомам нужно прибавить и другие. Во-первых, СЗИ должна быть именно системой, а не простым, во многом случайным и хаотичным набором некоторых технических средств и организационных мероприятий, как это чаще всего наблюдается на практике. Во-вторых, системный подход к защите информации должен применяться, начиная с подготовки технического задания и заканчивая оценкой эффективности и качества СЗИ в процессе ее эксплуатации. К сожалению, необходимость системного подхода к вопросам обеспечения безопасности информационных технологий пока еще не находит надлежащего понимания у пользователей современных ИС.

Сегодня специалисты из разных областей знаний, так или иначе, вынуждены заниматься вопросами обеспечения информационной безопасности. Это обусловлено тем, что в ближайшие лет сто нам придется жить в обществе информационных технологий, куда перекочуют все социальные проблемы человечества, в том числе и вопрос безопасности.

Модель представления СЗИСЗИ лишь тогда станет системой, когда будут установлены

логические связи между всеми ее составляющими. Как же организовать такое взаимодействие?

Задача автора СЗИ при решении этого вопроса заключается в предоставлении пользователям вспомогательного инструмента – модели СЗИ, а задача пользователя – дополнить ее своими знаниями и решениями. Таким образом, многообразие вариантов построения информационных систем порождает необходимость создания разных систем защиты, которые учитывают индивидуальные особенности каждой из них.

Понятие системности заключается не просто в создании соответствующих механизмов защиты, а представляет собой регулярный процесс, который осуществляется на всех этапах жизненного цикла МИС. При этом, все средства, методы и мероприятия, которые используются для защиты информации, объединяются в целостный единый механизм - систему защиты.

Практическая задача обеспечения информационной безопасности (ИБ) состоит в разработке модели системы/процессов ИБ, которая на основе научно-методического аппарата, позволяла бы решать задачи создания, использования и оценки эффективности СЗИ для проектированных и существующих ИС.

176

Что понимается под моделью СЗИ? На сколько реально создать такую модель? В упрощенном виде модель СЗИ представлена на рис.17.7.

Специфическими особенностями решения задачи создания системы защиты являются:

– неполнота и неопределенность исходной информации о составе МИС и характерных угрозах;– многокритериальность задачи, связанная с необходимостью учета большого количества показателей (требований) системы защиты информации (СЗИ);– наличие как количественных, так и качественных показателей, которые необходимо учитывать при решении задач разработки и внедрения СЗИ;

Рис.17.7. Модель системы защиты информации

– невозможность применения классических методов оптимизации.

Требования к моделиТакая модель представляет собой комплекс подходов и

методик на основе матрицы знаний в совокупности с математическими методами. Она должна обладать следующими свойствами:

- универсальность;- комплектность;- простота в использовании;- наглядность;- практическая направленность.

Модель системы защиты информации позволяет:- установить взаимосвязь между показателями (требованиями);- задавать разнообразные уровни защиты;- получать количественные оценки;- контролировать состояние СЗИ;

177

- применять разнообразные методики оценок;- оперативно реагировать на смену условий функционирования;- объединять усилия разнообразных специалистов с единой целью.

Формирование модели информационной безопасностиКак составить такое представление об информационной

безопасности, чтобы охватить все аспекты проблемы? Человек получает наиболее полное представление о явлении, которое наиболее его интересует, когда ему удается рассмотреть это что-то неизвестное со всех сторон, в трехмерном пространстве. Исходя из этого, рассмотрим три “координаты измерений” - три группы составляющих модели ИБ.

– Из чего составляется (ОСНОВЫ).– Для чего предназначается (НАПРАВЛЕНИЕ).– Как работает (ЭТАПЫ).

В качестве ОСНОВ или составных частей СИСТЕМЫ рассматривают компоненты, представленные на рис.17.8:

Рис.17.8. Основы информационной безопасности

Далее выделяют основные НАПРАВЛЕНИЯ обеспечения безопасности информационных технологий:

– защита объектов информационных систем;– защита процессов, процедур и программ обработки информации;– защита каналов связи;– погашение побочных электромагнитных излучений;– управление системой защиты.

Выделяют следующие ЭТАПЫ создания СЗИ:1) определение информационных и технологических ресурсов, а

также объектов МИС, которые подлежат защите;2) выявление множества потенциально возможных угроз и

каналов утечки информации;3) проведение оценки незащищенности и рисков информации

(ресурсов МИС) при имеющемся множестве угроз и каналов утечки;

178

Законодательная,нормативно-методическая

и научная база

Структура органов (подразделений), которые осуществляют защиту

информации

Политика информационной безопасности

(организационно-технические и режимные

мероприятия)

Основы системы

информационной

безопасности

4) определение требований к СЗИ;5) осуществление выбора средств защиты информации и их

характеристик;6) внедрение и организация применения выбранных

мероприятий, способов и средств защиты;7) осуществление контроля целостности и управление системой

защиты.

Вопросы, вынесенные на семинар:1. Современная ситуация в области информационной безопасности.2. Категории информационной безопасности: конфиденциальность, целостность, секретность, защита, аутентичность, аппеляционность, надежность, точность, контролируемость, контроль идентификации.3. Защита медицинской информации.4. Защита информации о пациентах:

действия для обеспечения конфиденциальности информации;однофакторная и двухфакторная аутентификация, токены,

смарт-карты, штрих-код, устройства iButton, аутентификация по биологическим параметрам (по отпечатку пальца, геометрии лица, температуре кожи лица, отпечатку ладони, рисунку вен ладони, структуре сетчатки глаза, рисунку радужной оболочки глаза);5. Криптографический метод защиты информации:

шифрование;виды криптографических систем;цифровая подпись.

6. Медицинская информационная система как объект защиты7. Проблемы защиты врачебной тайны.8. Классификация нарушений защиты информации.9. Проблемы внедрения комплексных систем защиты. Системный подход в создании механизмов защиты информационных систем10. Моделирование процессов создания СЗИ.

ТЕМА 18БАЗЫ ДАННЫХ, СИСТЕМЫ УПРАВЛЕНИЯ БАЗАМИ

ДАННЫХ. ИСПОЛЬЗОВАНИЕ СИСТЕМ УПРАВЛЕНИЯ БАЗАМИ ДАННЫХ ПРИ РЕШЕНИИ МЕДИЦИНСКИХ ЗАДАЧ

План:1. Основные идеи концепции баз данных.2. Классификация баз данных.3. Информационные единицы баз данных (БД).4. Типы организации БД в зависимости от связи между полями и записями:

- иерархическая БД.- сетевые БД.

179

- реляционные БД.5. Этапы разработки баз данных.6. Классификация систем управления базами данных.7. Microsoft Access.8. Будущее систем управления базами данных.

Свременная медицина невозможна без использования баз данных. Например, базой данных локального характера может быть база учета пациентов, которая ассоциируется с понятием «регистратура». Здесь могут храниться все истории болезней, результаты анализов, ЭКГ, рентгенограммы и прочая информация, которая может быть доступна врачу в любой момент времени без постороннего участия. Электронный способ ведения учета пациентов позволяет оперативно решать проблемы передачи информации в другое медицинское учреждение (в связи с переездом или направлением на лечение больного), обеспечивать защиту от несанкционированного доступа.

Базой данных называют поименованную совокупность структурированных данных, относящихся к определенной предметной области.

Технология баз данных позволяет упорядочивать информацию по различным признакам и быстро извлекать выборку с произвольным сочетанием признаков.

Основные идеи концепции баз данныхОсновными концептами технологии баз данных являются:

o изолировать прикладные программы от возможного влияния изменений, вносимых в другие программы посредством их общих данных за счет разграничения логических записей, используемых прикладными программами, и записей, которые физически запоминаются на магнитных носителях;

o устранить избыточное дублирование данных; o централизовать управление данными.

Таким образом, суть концепции баз данных заключается в совместном хранении и дифференцированном использовании прикладными программами всей информации об объектах предметной области. При таких условиях, с одной стороны, форматы представления данных описываются на логическом, «понятном» для каждой программы уровне, а, с другой стороны, все иные данные, хранящиеся в базе данных, но не имеющие отношения к конкретной прикладной программе, являются для нее «невидимыми».

Таким образом, все данные размещаются в единственном хранилище. Пользователи автоматизированных информационных систем (АИС) имеют возможность обращаться к любым данным, которые их интересуют. Эти же данные могут быть в разных комбинациях и по-разному представлены в соответствии с

180

потребностями пользователей АИС. Все это реализуется посредством системы управления базами данных.

Системой управления базами данных (СУБД) называют комплекс программных и языковых средств, необходимых для создания баз данных, поддержания их в актуальном состоянии и организации поиска в них необходимой информации.

Чтобы совокупность файлов образовывала БД, файлы должны быть взаимосвязанными; независимыми (от программ, в которых они используются, от процессов, в которых они поддерживаются); иметь единственную централизованную программу управления, обеспечивающую логическую независимость программ от данных, хранимых в файлах.Основные требования к БД и СУБД:

- возможность представления адекватных реальной предметной области структур данных (построение адекватной информационной модели предметной области);

- простота и малые расходы ресурсов на развитие системы (быстрая и дешевая модификация старых и разработка новых программных дополнений в рамках автоматизированной информационной системы);

- простота и оперативность доступа к данным, возможность поиска информации разными методами;

- возможность эффективного одновременного обслуживания большого количества пользователей;

- обеспечение представления данных пользователям в удобном виде для их дальнейшего применения;

- обеспечение защиты информации в БД от сбоев и отказов в работе технических средств и ошибок пользователей.

Основные преимущества применения БД и СУБД во время реализации на их основе автоматизированных поисково-информационных систем:

- сокращение лишней избыточности хранимых данных. Данные, используемые несколькими программами, интегрируются и сохраняются в одном месте;

- устраняется противоречивость данных, которая может возникать, если одни и те же данные, используемые разными программами, подаются несколько раз и в случае необходимости их изменения не все копии восстановлены;

- сохраняемые данные используются совместно. Это предоставляет возможность разрабатывать новые программные дополнения над уже существующей базой данных с минимальными затратами;

- обеспечивается более простое, быстрое и дешевое развитие автоматизированных систем за счет обеспечения логической взаимной независимости программ и данных в БД;

- упрощается поддержка целостности данных (адекватности и согласованности);

181

- обеспечивается возможность быстрого предоставления данных на нестандартные (предварительно непредвиденные) запросы пользователей без дополнительной разработки прикладных программ;

- в случае централизованного управления базой данных упрощается стандартизация и унификация представления данных в АИС.

Что касается системы здравоохранения, то проблема выбора оптимальных способов хранения и обработки больших объемов медицинской информации уже давно является одной из самых актуальных проблем. В структуре любого лечебного заведения существуют центры, куда поступает информация, которую следует хранить и обрабатывать.

Создавая базу данных, пользователь стремится упорядочить информацию о разных признаках объектов и быстро получить выборку данных с произвольным соединением признаков. Сделать это возможно, только если данные структурированы. Структуризация – это введение соглашений о способах представления данных. Неструктурированными называют данные, записанные, например, в текстовом файле.

Пример неструктурированных данных, которые содержат сведения о студентах (номер личного дела, фамилия, имя, отчество и год рождения):

Личное дело № 16493, Сергеев Петр Михайлович, дата рождения 1 января 1976 г.; л/д № 16593, Петрова Анна Владимировна, дата рождения 15 марта 1975 г.; № личного дела 16693, дата рождения 14.04.76, Анохин Андрей Борисович.

Пример структурированных данных приведен в табл 1.

Таблица 1№ личного дела

Фамилия Имя Отчество Дата рождения

16493 Сергеев Петр Михайлович 01.01.197616593 Петрова Анна Владимировна 15.03.197516693 Анохин Андрей Борисович 14.04.1976

Легко убедиться, что сложно организовать поиск необходимых данных, которые сохраняются в неструктурированном виде, а упорядочить подобную информацию практически невозможно.

Чтобы автоматизировать поиск и систематизировать эти данные, необходимо произвести определенные соглашения о способах представления данных, например, дату рождения нужно записывать одинаково для каждого студента, она должна иметь, одинаковую длину и определенное место среди другой информации. Эти же замечания справедливы и для других данных (номер личного дела, фамилия, имя, отчество).

Классификация БД

182

1. По технологии обработки данных базы данных подразделяются на централизованные и распределенные.

а) Централизованная база данных хранится в памяти одной вычислительной системы. Если эта вычислительная система является компонентом компьютерной сети, возможен распределенный доступ к такой базе. Такой способ использования баз данных часто применяют в локальных сетях ПК.

б) Распределенная база данных состоит из нескольких, возможно пересекающихся или даже дублирующих друг друга частей, хранимых на различных компьютерах. Работа с такой базой осуществляется с помощью системы управления распределенной базой данных.

2. По способу доступа к данным базы данных разделяются на автономные базы данных с локальным доступом и централизованные базы данных с удаленным (сетевым) доступом.

Автономные локальные БД являются наиболее простыми. Они хранят свои данные в локальной файловой системе на том компьютере, на котором установлены. СУБД, осуществляющая к ним доступ, находятся на том же самом компьютере. Сеть не используется. Разработчику автономной БД не приходится иметь дело с проблемой параллельного доступа, когда два клиента пытаются одновременно изменить одну и ту же запись.

Системы централизованных баз данных с удаленным (сетевым) доступом предполагают различные архитектуры подобных систем (рис. 18.1):

o файл-сервер; o клиент-сервер.

а) Файл-сервер. Архитектура систем БД с удаленным (сетевым) доступом предполагает выделение одной из машин сети в качестве центрального сервера файлов. На такой машине хранится совместно используемая централизованная БД. Все другие машины сети выполняют функции рабочих станций, с помощью которых поддерживается доступ пользовательской системы к централизованной базе данных. Файлы базы данных в соответствии с пользовательскими запросами передаются на рабочие станции, где в основном и производится обработка. При большой интенсивности доступа к одним и тем же данным производительность информационной системы падает. Пользователи могут создавать также на рабочих станциях локальные БД, которые используются ими монопольно.

Недостатки архитектуры файл-сервер состоят в следующем:- вся тяжесть вычислительной работы ложится на компьютер

клиента;- поскольку БД представляет собой набор файлов на сетевом

сервере, доступ к таблицам регулируется только сетевой операционной системой, что делает такую БД по сути беззащитной от случайного или намеренного искажения хранящейся на ней информации, уничтожения или хищения.

183

(а) (б)Рис. 18.1. Схема обработки информации в БД по принципу

файл-сервер (а) и клиент-сервер (б).

б) Клиент-сервер. В этой концепции подразумевается, что помимо хранения централизованной базы данных центральная машина (сервер базы данных) должна обеспечивать выполнение основного объема обработки данных. Запрос на данные, выдаваемый клиентом (рабочей станцией), порождает поиск и извлечение данных на сервере. Извлеченные данные, но не файлы транспортируются по сети от сервера к клиенту.

Спецификой архитектуры клиент-сервер является использование языка запросов SQL (Structured Query Language – язык структурированных запросов). Универсальный язык, предназначенный для создания и выполнения запросов, обработки данных как в собственной базе данных приложения, так и с базами данных, созданных другими приложениями, поддерживающими SQL. Запрос на языке SQL состоит из одного или нескольких операторов, следующих один за другим и разделенных точкой с запятой.

Преимущества архитектуры клиент-сервер:- большинство вычислительных процессов происходит на

сервере, что снижает требования к вычислительным мощностям компьютера клиента. Увеличение вычислительной мощности одного сервера эквивалентно одновременному увеличению мощности всех клиентских мест;

- БД на сервере представляет собой, как правило, единый файл, в котором содержатся таблицы, и другие компоненты БД, что препятствует взлому, хищению и порче БД;

- существенно увеличивается защищенность БД от ввода неправильных значений, поскольку сервер БД проводит автоматическую проверку соответствия вводимых значений наложенным ограничениям;

- сервер отслеживает уровни доступа для каждого пользователя и блокирует попытки выполнения неразрешенных для пользователя действий, что обеспечивает существенно более высокий уровень безопасности БД, ссылочной и смысловой целостности информации;

184

- сервер управляет изменениями данных и предотвращает попытки одновременного изменения одних и тех же данных.

Для реализации архитектуры клиент-сервер применяют так называемые промышленные серверы баз данных, такие, как InterBase, Oracle, Informix, IBM DB2, MS SQL Server.

Информационные единицы БДЕдиницей хранящейся в БД информации является таблица.

Каждая таблица представляет собой совокупность строк и столбцов, где строки соответствуют экземпляру объекта (конкретному событию или явлению), а столбцы – атрибутам (признакам, характеристикам, параметрам) объекта, события, явления. В терминах БД столбцы таблицы называются полями, а ее строки – записями.

Объектами обработки СУБД являются следующие информационные единицы БД.

Поле – элементарная единица логической организации данных, которая соответствует неделимой единице информации – реквизиту.

Запись – совокупность логически связанных полей. Таблица – упорядоченная структура, состоящая из конечного

набора однотипных записей. Первичный ключ – поле (или группа полей), позволяющее

однозначным образом определить каждую строку в таблице. Первичный ключ должен обладать двумя свойствами:

1. однозначная идентификация записи: запись должна однозначно определяться значением ключа;

2. отсутствие избыточности: никакое поле нельзя удалить из ключа, не нарушая при этом свойства однозначной идентификации.

Кроме первичного, могут использоваться так называемые простые (или вторичные) ключи таблицы. Простых ключей может быть множество. Вторичные ключи (индексы) устанавливаются по полям, которые часто используются при поиске и сортировке данных: вторичные ключи помогут системе значительно быстрее найти нужные данные.

Виды моделей организации БД в зависимости от связей

между полями и записямиМежду полями и записями существуют определенные связи.

В зависимости от характера этих связей различают три вида моделей организации баз данных: иерархическая организация, сетевая организация и реляционная организация.

1. Иерархическая модель БД представляет собой совокупность элементов, расположенных в порядке их подчинения от общего к частному и образующих перевернутое по структуре дерево (граф). К основным понятиям иерархической структуры относятся уровень, узел и связь.

185

Узел – это совокупность атрибутов данных, описывающих некоторый объект. На схеме иерархического дерева узлы представляются вершинами графа. Каждый узел на более низком уровне связан только с одним узлом, находящимся на более высоком уровне. Иерархическое дерево имеет только одну вершину, не подчиненную никакой другой вершине и находящуюся на самом верхнем – первом уровне. Зависимые (подчиненные) узлы находятся на втором, третьем и т.д. уровнях. Количество деревьев в базе данных определяется числом корневых записей. К каждой записи базы данных существует только один иерархический путь от корневой записи (рис. 18.2).

Рис. 18.2. Иерархическая модель БД.Например, для записи С4 приведенной выше иерархической

модели путь проходит через записи А и В3. Пусть запись А описывает явление «Институт» и состоит из

полей: специальность, название института, директор. Например: 071900, Экономической информатики, Иванов И.В.

Пусть запись Ві описывает явление «Группа» и состоит из полей: номер группы, староста. Например:

В1 В2 В3111 Петровская И.Т. 112 Зайцев Р.В. 123 Никулин К.Л.

Запись Сj — явление «Студент»: номер зачетной книжки, фамилия, имя, отчество. Например,

С1 С2 С398795 97695 98495

Полищук Черняховская МарчукАндрей Юлия Константин

Петрович Николаевна Иванович

Для рассмотренного примера иерархическая структура правомерна, потому что каждый студент учится в определенной (только одной) группе, которая относится к определенному (только одному) институту.

186

2. В сетевой модели БД при тех же основных понятиях (уровень, узел, связь) каждый элемент может быть связан с любым другим элементом.

Примером сетевой модели может служить структура базы данных, которая содержит сведения о студентах, которые принимают участие в научно-исследовательских работах (НИРС). Возможно участие одного студента в нескольких НИРС, а также участие нескольких студентов в разработке одной НИРС. Графическое изображение упомянутой сетевой БД, состоящей только из двух типов записей, приведено на рис. 18.3.

Рис. 18.3. Пример структуры сетевой БД: «Работа» (шифр, руководитель, область знаний), «Студент» (номер зачетной книжки, фамилия, группа).

3. Реляционные модели БД. В настоящее время наиболее распространенными являются реляционные БД. Между отдельными таблицами БД могут существовать связи (отношения). Связанные отношениями таблицы взаимодействуют по принципу главная-подчиненная. Главную таблицу называют родительской, а подчиненную – дочерней. Одна и та же таблица может быть главной по отношению к одной таблице БД и дочерней по отношению к другой.

Концепция реляционной базы данных разработана Е.Ф. Коддом в 1970 г. В основе этой базы данных лежит математическое понятие отношения (от англ. ralation). Отношения представляются в виде двумерных таблиц, Например, в табл. 7.2 представлена реляционная база данных, в которой содержатся сведения об учителях школы.

Таблица 2ФИО Дата

рожденияПедагогический

стажПредмет Категория

Бойко Н.Н.Сергеев M.И.Федирко И.B.Прокопенко Б.А.

5.01.5010.03.4832.08.6519.04.40

16204

25

ФизикаМатематика Математика

Химия

1121

Отношение (таблица) представляется в компьютере в виде файла данных. Строка таблицы соответствует записи в файле данных, а

187

столбец – полю. В теории реляционных баз данных строки называют кортежами, а столбцы – атрибутами.

Соответствие между перечисленными понятиями для таблиц, отношений и файлов приведено в табл. 3.

Таблица 3Таблица Строка Столбец

Отношение Кортеж АтрибутФайл Запись Поле

Список имен атрибутов отношения называется схемой отношения. Так, схема отношения с именем УЧИТЕЛЬ, изображенного в табл. 3, запишется следующим образом:

УЧИТЕЛЬ (ФИО, ДАТА РОЖДЕНИЯ, ПЕДАГОГИЧЕСКИЙ СТАЖ, ПРЕДМET, КАТЕГОРИЯ).

В каждом отношении выделяют один атрибут, который называют ключевым или просто ключом. Ключевой атрибут должен быть уникальным, т.е. он должен однозначно определять (идентифицировать) кортежи. Например, для отношения, изображенного в табл. 3, ключевым полем является ФИО.

В некоторых отношениях могут использоваться составные ключи, включающие несколько атрибутов. Например, в отношении, изображенном в табл. 4, ключ состоит из двух атрибутов: НОМЕР РЕЙСА и НОМЕР БИЛЕТА. В этом отношении представлены данные о регистрации пассажиров на авиарейс.

Таблица 4НОМЕР РЕЙСА НОМЕР БИЛЕТА ФИО НОМЕР БАГАЖА

Над отношениями (таблицами) могут выполняться различные операции, подобно выполнению арифметических операций. Это дает возможность получать из одних отношений, хранимых в компьютере, другие отношения.

Этапы разработки БДI этап. Постановка задачи. На этом этапе формируется

задание по созданию БД. В нем подробно описывается состав базы, назначение и цели ее создания, а также перечисляется, какие виды работ предполагается осуществлять в этой базе данных (отбор, дополнение, изменение данных, печать или вывод отчета и т.д).

II этап. Анализ объекта. На этом этапе рассматривается, из каких объектов может состоять БД, каковы свойства этих объектов. После разбиения БД на отдельные объекты необходимо рассмотреть свойства каждого из этих объектов, или, другими словами, установить, какими параметрами описывается каждый объект. Все эти сведения можно располагать в виде отдельных записей и таблиц. Далее необходимо рассмотреть тип данных каждой отдельной единицы

188

записи. Сведения о типах данных также следует занести в составляемую таблицу.

III этап. Синтез модели. На этом этапе по проведенному выше анализу необходимо выбрать определенную модель БД. Далее рассматриваются достоинства и недостатки каждой модели и сопоставляются с требованиями и задачами создаваемой БД. После такого анализа выбирают ту модель, которая сможет максимально обеспечить реализацию поставленной задачи. После выбора модели необходимо нарисовать ее схему с указанием связей между таблицами или узлами.

IV этап. Выбор способов представления информации и программного инструментария. После создания модели необходимо, в зависимости от выбранного программного продукта, определить форму представления информации. В большинстве СУБД данные можно хранить в двух видах:

- с использованием форм; - без использования форм.

Форма – это созданный пользователем графический интерфейс для ввода данных в базу.

V этап. Синтез компьютерной модели объекта. В процессе создания компьютерной модели можно выделить некоторые стадии, типичные для любой СУБД.

Стадия 1. Запуск СУБД, создание нового файла базы данных или открытие созданной ранее базы.

Стадия 2. Создание исходной таблицы или таблиц. Создавая исходную таблицу, необходимо указать имя и тип

каждого поля. Имена полей не должны повторяться внутри одной таблицы. В процессе работы с БД можно дополнять таблицу новыми полями. Созданную таблицу необходимо сохранить, дав ей имя, уникальное в пределах создаваемой базы.

При проектировании таблиц, рекомендуется руководствоваться следующими основными принципами:

1. Информация в таблице не должна дублироваться. Не должно быть повторений и между таблицами. Когда определенная информация хранится только в одной таблице, то и изменять ее придется только в одном месте. Это делает работу более эффективной, а также исключает возможность несовпадения информации в разных таблицах. Например, в одной таблице должны содержаться адреса и телефоны клиентов.

2. Каждая таблица должна содержать информацию только на одну тему. Сведения на каждую тему обрабатываются намного легче, если они содержатся в независимых друг от друга таблицах. Например, адреса и заказы клиентов лучше хранить в разных таблицах, с тем, чтобы при удалении заказа информация о клиенте осталась в базе данных.

3. Каждая таблица должна содержать необходимые поля. Каждое поле в таблице должно содержать отдельные сведения по теме таблицы. Например, в таблице с данными о клиенте могут содержаться

189

поля с названием компании, адресом, городом, страной и номером телефона. При разработке полей для каждой таблицы необходимо помнить, что каждое поле должно быть связано с темой таблицы. Не рекомендуется включать в таблицу данные, которые представляют собой выражение. В таблице должна присутствовать вся необходимая информация. Информацию следует разбивать на наименьшие логические единицы (например, поля "Имя" и "Фамилия", а не общее поле «Фамилия Имя»).

4. База данных должна иметь первичный ключ. Это необходимо для того, чтобы СУБД могла связать данные из разных таблиц, например, данные о клиенте и его заказы.

Стадия 3. Создание экранных форм. Первоначально необходимо указать таблицу, на базе которой

будет создаваться форма. Ее можно создавать при помощи мастера форм, указав, какой вид она должна иметь, или самостоятельно. При создании формы можно указывать не все поля, которые содержит таблица, а только некоторые из них. Имя формы может совпадать с именем таблицы, на базе которой она создана. На основе одной таблицы можно создать несколько форм, которые могут отличаться видом или количеством используемых из данной таблицы полей. После создания форму необходимо сохранить. Созданную форму можно редактировать, изменяя местоположение, размеры и формат полей.

Стадия 4. Заполнение БД. Процесс заполнения БД может проводиться в двух видах: в

виде таблицы и в виде формы. Числовые и текстовые поля можно заполнять в виде таблицы, а поля типа МЕМО и OLE – в виде формы.

VI этап. Работа с созданной базой данных. Работа с БД включает в себя следующие действия:

- поиск необходимых сведений; - сортировка данных; - отбор данных; - вывод на печать; - изменение и дополнение данных.

Классификация СУБДПо степени универсальности различают два класса СУБД: - системы общего назначения; - специализированные системы. СУБД общего назначения – это сложные программные

комплексы, предназначенные для выполнения всей совокупности функций, связанных с созданием и эксплуатацией базы данных информационной системы.

СУБД общего назначения не ориентированы на какую-либо предметную область или на информационные потребности какой-либо группы пользователей. Каждая система такого рода реализуется как программный продукт, способный функционировать в определенной операционной системе и поставляется многим пользователям как

190

коммерческое изделие. Такие СУБД обладают средствами настройки на работу с конкретной базой данных.

Использование СУБД общего назначения в качестве инструментального средства для создания автоматизированных информационных систем, основанных на технологии баз данных, позволяет существенно сокращать сроки разработки и экономить трудовые ресурсы. Этим СУБД присущи развитые функциональные возможности и определенная функциональная избыточность.

Специализированные СУБД создаются в редких случаях при невозможности или нецелесообразности использования СУБД общего назначения.

Простейшие СУБД позволяют обрабатывать на компьютере один массив информации, например персональную картотеку. Более сложные СУБД поддерживают несколько массивов информации и связи между ними, то есть могут использоваться для задач, в которых участвует много различных видов объектов, связанных друг с другом различными соотношениями. Обычно эти СУБД включают средства программирования, но многие из них удобны и для интерактивного применения.

Рынок программного обеспечения ПК располагает большим числом разнообразных по своим функциональным возможностям коммерческих систем управления базами данных общего назначения, а также средствами их окружения практически для всех массовых моделей машин и для различных операционных систем.

Среди СУБД общего назначения наиболее известными являются:- Microsoft Access;- Microsoft Visual FoxPro;- Paradox;- Microsoft SQL Server.

В наше время невозможно представить информационную поддержку современного медицинского учреждения без применения профессиональных СУБД. Однако существующий сегодня уровень возможностей программных продуктов данного направления был достигнут не сразу. Эволюция СУБД прошла путь от систем, которые опирались на иерархическую модель и сетевую модель, к системам так называемого третьего поколения, для которых характерны идеи объектно-ориентированного подхода.

СУБД первого поколения имели ряд существенных недостатков: отсутствие стандарта внешних интерфейсов и возможность переносить прикладные программы. Однако эти СУБД оказались достаточно долговечными: разработанное на их основе программное обеспечение используется и сегодня, а большие компьютеры (mainframe) содержат огромные массивы актуальной информации.

Разработка Е. Коддом реляционной теории подтолкнула к созданию следующего класса СУБД. Особенностями второго поколения является применение реляционной модели данных и языка запросов SQL. Простота и гибкость модели данных позволили ей стать

191

доминирующей и занять лидирующие позиции на соответствующем секторе рынка. Среди негативных моментов в реляционной модели можно отметить: невозможность представления и манипулирования данными сложной структуры (тексты, пространственные данные). Это вынуждает вести работы по усовершенствованию систем второго поколения или по созданию новой модели данных.

Для СУБД третьего поколения характерно использование предложений, которые касаются управления объектами и правилами, управления распределенными данными, использования языков программирования четвертого поколения (4GL), технологий тиражирования данных и других достижений в области обработки данных. Сегодня СУБД этого поколения применяются в деловой сфере достаточно активно не только как незаконченные технические решения, но и как готовые продукты, которые дают возможности разработчикам активно использовать мощные средства управления данными.

Вопросы для самокотроля:1. Зачем нужны базы данных с СУБД?2. В чем разница между централизованными и распределенными БД?3. Почему неудобно использовать неструктурированные данные?4. Какие типы организации БД вы знаете?5. В чем отличие между иерархическими и сетевыми БД?6. Для чего необходимы специализированные БД?

ТЕМА 19МУЛЬТИМЕДИЙНЫЕ ТЕХНОЛОГИИ В МЕДИЦИНЕ

План:1. Мультимедийные технологии. Достоинства и особенности технологи.2. Процесс подготовки мультимедийной медицинской информации.

Мультимедиа технологии – возможность представления информации пользователю во взаимодействии различных форм (текст, графика, анимация, звук, видео) в интерактивном режиме.

Буквально мультимедиа означает «более чем один носитель информации». Мультимедиа-продукты можно разделить на несколько категорий в зависимости от того, на какие группы потребителей они ориентированны. Наиболее массовая группа мультимедийных продуктов компьютерные игры.Вторую группу составляют мультимедийные бизнес-приложения. Третья группа – образовательные программы, распространяемые чаще всего на компьютерных компакт-дисках. В четвертую группу входят специальные программы, предназначенные для самостоятельного производства различных

192

мультимедийных продуктов (как любительских, так и профессиональных).

С начала 90-х годов средства мультимедиа развивались и совершенствовались, став к началу XXI века основой новых продуктов и услуг, таких как электронные книги и газеты, новые технологии обучения, видеоконференции, средства графического дизайна, голосовой и видеопочты.

Несомненным достоинством и особенностью технологии являются следующие возможности мультимедиа, которые активно используются в представлении информации:

- возможность хранения большого объема самой разной информации на одном носителе;

- возможность увеличения (детализации) на экране изображения или его наиболее интересных фрагментов при сохранении качества изображения;

- возможность сравнения изображения и обработки его разнообразными программными средствами с научно- исследовательскими или познавательными целями;

- возможность выделения в сопровождающем изображение текстовом или другом визуальном материале "горячих слов (областей)", по которым осуществляется немедленное получение справочной или любой другой пояснительной (в том числе визуальной) информации (технологии гипертекста и гипермедиа);

- возможность осуществления непрерывного музыкального или любого другого аудиосопровождения, соответствующего статичному или динамичному визуальному ряду;

- возможность использования видеофрагментов из фильмов, видеозаписей и т.д., функции "стоп-кадра", покадрового "пролистывания" видеозаписи;

- возможность включения в содержание диска баз данных, методик обработки образов, анимации (к примеру, сопровождение рассказа о композиции картины графической анимационной демонстрацией геометрических построений ее композиции) и т.д.;

- возможность работы с различными приложениями (текстовыми, графическими и звуковыми редакторами, картографической информацией);

- возможность создания собственных "галерей" (выборок) из представляемой в продукте информации (режим "карман" или "мои пометки");

- возможность "запоминания пройденного пути" и создания "закладок" на заинтересовавшей экранной "странице";

- возможность автоматического просмотра всего содержания продукта ("слайд-шоу") или создания анимированного и озвученного "путеводителя-гида" по продукту ("говорящей и показывающей инструкции пользователя"); включение в состав продукта игровых компонентов с информационными составляющими;

193

- возможность "свободной" навигации по информации и выхода в основное меню (укрупненное содержание), на полное оглавление или вовсе из программы в любой точке продукта.

Возможности технологии мультимедиа безграничны. Бизнес-приложения мультимедиа, в основном, применяются для обучения и проведения презентаций. Благодаря наличию обратной связи и живой среде общения, системы обучения на базе мультимедиа обладают потрясающей эффективностью и существенно повышают мотивацию обучения. Уже давно появились программы, обучающие пользователя иностранным языкам, которые в интерактивной форме предлагают пользователю пройти несколько уроков, от изучения фонетики и алфавита до пополнения словарного запаса и написания диктанта. Благодаря встроенной системе распознавания речи, осуществляется контроль произношения обучаемого. Пожалуй, самая главная особенность таких обучающих программ – их ненавязчивость, ведь пользователь сам определяет место, время и продолжительность занятия.

Технологию мультимедиа составляют специальные аппаратные и программные средства. Мультимедийные компьютеры должны иметь конфигурацию, позволяющую получать хорошее изображение графических объектов, демонстрировать реально движущееся видео, прослушивать мелодию, воспроизводящуюся с качеством, не уступающим качеству звучания бытовых аудиоприборов.

Дополнительно к персональному компьютеру можно подключить множество различных устройств. Художник не обойдется без графического планшета, режиссер - без видеокамеры, музыкант - без музыкальной клавиатуры и хороших средств воспроизведения звука. Для этого потребуется наличие таких устройств, как:

принтер – устройство для вывода текста и другой графической информации на бумагу; 3D-принтер — устройство, использующее метод послойного создания физического объекта по цифровой 3D-модели. сканер – устройство для ввода изображений с бумаги или слайдов; плоттер – устройство для вывода рисунков и другой графической информации на бумагу. Его скорость значительно ниже, чем у принтера, но качество печати – превосходное; устройства для подключения к локальным или глобальным компьютерным сетям; звуковые колонки – для воспроизведения звука; TV-тюнер – для приема теле- или радиопередач; джойстик – манипулятор в виде укрепленной на шарнирах ручки с кнопками, который используется для управления объектами в компьютерных играх; различного типа внешние накопители – для хранения данных; технические средства для создания виртуальной реальности - всевозможные шлемы и очки, оснащенные стереоскопическими

194

средствами обзора и системами стереофонического и панорамного звучания, перчатки и даже костюмы с тактильными датчиками для действий в трехмерном пространстве, руль, педали и т. п.

На отдельном компьютере мультимедиа часто означает воспроизведение ранее записанного фильма с, например, оптического диска (CD, DVD, BR).

Другой вариант использования мультимедиа заключается в загрузке видеоклипа из Интернета. Многие web-страницы содержат ссылки для загрузки короткометражных фильмов, или, при наличии высокоскоростной линии передачи данных, прогрывания потока в он-лайн режиме прямо с web-страницы.

Преимущество системы ADSL заключается в том, что каждому пользователю представляется выделенный канал с гарантированной пропускной способностью. Недостатком является низкая пропускная способность (несколько мегабит в секунду), что вызвано ограничениями существующих телефонных линий. Кабельное телевидение использует высокоскоростные коаксиальные кабели (гигабиты в секунду), однако нескольким пользователям приходится совместно использовать один кабель, что приводит к состязанию за кабель и не гарантирует пропускной способности отдельному пользователю.

Возвращаясь к мультимедиа, стоит отметить два ключевых момента:1. Мультимедиа использует предельно высокие скорости передачи данных.2. Для мультимедиа требуется воспроизведение в режиме реального времени.

Высокие скорости передачи данных обусловлены природой визуальной и акустической информации. Человеческий глаз и ухо способны обрабатывать за секунду огромные объемы данных, поэтому им необходимо поставлять информацию с той скоростью, которая обеспечит приемлемый уровень качества восприятия.

Например, скорость передачи данных МР3 музыки 0,096 Мбит/с, цифровой видеокамеры – 25 Мбит/с, несжатое телевидение (640х480) – 22 Мбит/с.

Некоторые из этих форматов кодирования данных будут обсуждаться ниже. Следует обратить внимание на высокую скорость передачи данных, требующуюся для мультимедиа, необходимость сжатия данных и на большие объемы, занимаемые данными.

Второе требование, накладываемое мультимедийными приложениями на систему, заключается в необходимости доставки данных в режиме реального времени. Графическая составляющая видеофильма состоит из последовательности кадров, передаваемых с определенной частотой. Система NTSC, используемая в Северной и Южной Америке и Японии, работает с частотой 30 кадров в секунду (точнее, 29,97), тогда как в системах PAL и SECAM, используемых в остальном мире, применяется частота 25 кадров в секунду. Кадры должны доставляться через точные интервалы времени по 33,3 мс или по 40 мс соответственно, чтобы изображение не подергивалось.

195

Официально сокращение NTSC означает National TeleVision Standards Committee (Национальный комитет по телевизионным стандартам США), однако плохое качество передачи цвета на ранних этапах существования телевидения привело к появлению шутки, согласно которой NTSC следует расшифровывать как «постоянно меняющийся цвет» (Never Twice the Same Color). Аббревиатура PAL расшифровывается как Phase Alternation Line (построчное изменение фазы). Технически это лучшая из систем. Сокращение SECAM означает SEquentiel Couleur Avec Memoire (последовательные цвета с запоминанием). Эта система была разработана во Франции для защиты французских производителей телевизоров от иностранных конкурентов. Система SECAM также используется в восточной Европе; при появлении там телевидения тогдашние коммунистические правительства не хотели допустить, чтобы их граждане смотрели немецкое (PAL) телевидение, поэтому они выбрали несовместимую систему. Следует отметить, что современной тенденцией является вытеснение этих форматов цифровыми способами передачи данных (HDTV), позволяющими получать изображения более высокого качества.

Чувствительность человеческого уха превосходит чувствительность глаза, поэтому отклонение во времени доставки даже в несколько миллисекунд будет заметным. Неравномерность времени доставки речевого сигнала называется джиттером. Для обеспечения высокого качества воспроизведения следует удерживать джиттер в строгих рамках.

Параметры реального времени по отношению к среде передачи, требуемые для приемлемого воспроизведения мультимедиа, часто называют параметрами качества обслуживания. К ним относят среднюю доступную пропускную способность, максимальную пропускную способность, минимальную и максимальную задержку (что вместе ограничивает джиттер) и вероятность потери бита. Например, сетевой оператор может предлагать службу, гарантирующую среднюю пропускную способность, равную 4 Мбит/с, 99% задержек при передаче в интервале от 105 до 110 мс и частоту потерь битов, равную 10-10, что является прекрасными параметрами для передачи фильма в формате MPEG-2.

Мультимедийные файлыВ большинстве систем обычный текстовый файл состоит из

линейной последовательности байтов без какой-либо структуры, о которой знала бы операционная система. В мультимедиа ситуация гораздо более сложная. Во-первых, видео- и аудиоданные полностью различны. Они вводятся совершенно разными устройствами (ПЗС-матрицей («прибор с зарядовой связью» — специализированная аналоговая интегральная микросхема, состоящая из светочувствительных фотодиодов, называемых «пикселями») или микрофоном). Кроме того, у них различная внутренняя структура (видео передается с частотой 25-30 кадров в секунду (~25,6 отсчетов в секунду), тогда как аудио обычно передается и хранится в виде 44100 отсчетов в секунду), и воспроизводятся они также различными устройствами (монитором и громкоговорителями).

196

Аудио аппаратура работает с сигналами, включающими частоты до 20 кГц, поскольку звук большей частоты не воспринимается слухом.

Более того, большинство голливудских фильмов сегодня нацелено на всемирную аудиторию, немалая часть которой не говорит по-английски. Последняя проблема решается одним из двух способов. Для некоторых стран производится, дополнительная звуковая дорожка, с голосами (но не звуковыми эффектами), дублированными на местном языке. В Японии все телевизоры оснащены двумя звуковыми каналами, чтобы позволить зрителю слушать зарубежные фильмы на языке оригинала или на японском. Для выбора языка пульты дистанционного управления оснащаются специальной кнопкой. В других странах используется оригинальный звук с субтитрами на местном языке.

В результате цифровой фильм может оказаться состоящим из большого количества файлов: видеофайла, нескольких аудиофайлов и нескольких текстовых файлов с субтитрами на различных языках. DVD способны хранить до 32 звуковых дорожек на разных языках, а также файлы с субтитрами. Таким образом, файловая система должна следить за несколькими «субфайлами».

Кодирование звукаАудиоволна (звуковая волна) представляет собой одномерную

акустическую волну. Аудиоволны могут преобразовываться в цифровую форму при помощи аналогово-цифрового преобразователя (АЦП). АЦП принимает на входе электрическое напряжение и формирует двоичное число на выходе.

Если звуковая волна не является чисто синусоидальной, а представляет собой сумму нескольких синусоидальных волн, самая высокая частота составляющих которых равна ƒ, тогда для последующего восстановления сигнала достаточно измерять значения сигнала с частотой дискретизации 2ƒ. Это утверждение было математически доказано Найквистом в 1924 году.

Оцифрованные отсчеты никогда не бывают точными. Ошибка, возникающая в результате неточного соответствия квантованного сигнала исходному сигналу, называют шумом квантования. При недостаточном количестве битов, которыми представляется каждый отсчет сигнала, этот шум может быть настолько велик, что будет, различим на слух как искажение исходного сигнала или как посторонние шумы.

Двумя хорошо известными примерами оцифрованного звука являются телефон (новые цифровые АТС) и аудиокомпакт-диски. В кодово-импульсной модуляции, применяемой для телефонной системы, используются 7-битовые (в Северной Америке и Японии) и 8-битовые (в Европе) отсчеты, передаваемые 8000 раз в секунду. Таким образом, получаемая скорость передачи данных составляет 56 000 бит/с или 64 000 бит/с. При частоте дискретизации в 8 кГц частотные составляющие сигнала выше 4 кГц теряются.

Аудиокомпакт-диски содержат звуковой сигнал, оцифрованный с частотой дискретизации 44 100 Гц, в результате чего они могут

197

хранить звуки с частотами до 22 кГц. Каждому отсчету выделяется 16 бит, которые используются как обычное 2-байтовое целое число, пропорциональное амплитуде сигнала.

При 44 100 отсчетов в секунду по 16 бит каждый аудиокомпакт-диску нужна пропускная способность в 705,6 кбит/с для монофонического сигнала и 1,411 Мбит/с для стереофонического. Алгоритм MPEG, уровень 3 (МРЗ) позволяет сжимать оцифрованный звук примерно в 10 раз.

Цифровой звук легко обрабатывать на компьютере. Существует много программ для персональных компьютеров, позволяющие пользователям записывать, воспроизводить, редактировать, микшировать и хранить звук. Сегодня вся профессиональная звукозапись и редактирование звука осуществляется в цифровом виде.

Кодирование изображенияСетчатка глаза человека обладает инерционными свойствами, то

есть яркое изображение, быстро появившееся на сетчатке, остается на ней несколько миллисекунд, прежде чем угаснуть. Если последовательность одинаковых или близких изображений появляются и исчезают с достаточно высокой частотой, то глаз человека не заметит, что он смотрит на дискретные изображения. Частота, при которой глаз перестает замечать мигание яркости источника света (изображения), превышает 50 Гц. Все видео (то есть телевизионные) системы используют этот принцип для создания двигающихся изображений.

Чтобы понять, как работают видеосистемы, лучше всего начать с простого старомодного черно-белого телевидения. Для преобразования двумерного изображения в вид одномерной зависимости напряжения от времени камера быстро сканирует электронным лучом изображение, разбивая его на горизонтальные линии и записывая по мере продвижения интенсивность света. Закончив сканирование кадра, луч возвращается в исходную точку.

В последнее время все больше распространение получают матричные жидкокристаллические мониторы и цифровые камеры с ПЗС-матрицами (прибор с зарядовой связью). В этих устройствах нет электронно-лучевой трубки и сканирующого луча.

В разных странах использовались различные стандарты, описывающие параметры сканирования (количество строк развертки и т.д.). В системе NTSC, принятой в Северной и Южной Америке, а также в Японии, экран разбивался на 525 горизонтальных линий развертки, соотношение горизонтального и вертикального размеров экрана составляло 4:3, кадры передавались с частотой 30 кадров в секунду. Принятая в Европе система PAL/SECAM разбивала кадр на 625 линий, размеры экрана у нее также 4:3, а частота кадров составляет 25 кадров в секунду. В обеих системах самые верхние и самые нижние линии кадра не показываются (это связано с круглой формой электронно-лучевой трубки). На экране телевизоров показываются только 483 из 525 линий развертки для системы NTSC и 576 из 625 для системы PAL/SECAM.

198

Хотя частоты в 25 кадров в секунду достаточно, чтобы передать плавное движение, при такой частоте кадровой развертки многие зрители (особенно пожилые) заметят мигание изображения, связанное с тем, что сетчатка глаза успеет восстановиться, прежде чем появится новый кадр. Увеличение частоты кадров потребовало бы увеличения объемов хранимой и передаваемой информации. Вместо этого было выбрано другое решение. Линии развертки показываются на экране телевизора не подряд, а через одну: сначала все нечетные, а затем все четные. Каждый такой полукадр называют полем. Эксперименты показали, что хотя люди замечают мерцание при 25 кадров в секунду, при 50 кадров в секунду оно уже не заметно. Такая техника называется чересстрочной разверткой.

Помимо чересстрочной существует также построчная развертка, при которой кадр не делится на поля (полукадры). Ее также называют прогрессивной разверткой и именно она применяется в ставшем популярном стандарте передачи изображений HDTV (телевидение высокой четкости).

В цветном видео используется тот же принцип развертки, что и в черно-белом, с той разницей, что вместо одного цвета изображение представляется суммой трех цветов: красным, зеленым и синим (RGB – red, green, blue). Комбинации этих трех цветов оказывается достаточно для передачи любого цвета благодаря особенностям устройства человеческого глаза. При передаче по каналу связи эти три цветовых сигнала объединяются в единый смешанный сигнал.

До сих пор мы рассматривали аналоговое видео. Обсудим теперь цифровое видео. Простейшая форма представления цифрового видео заключается в последовательности кадров, состоящих из прямоугольной сетки элементов рисунка, называемых пикселами. В цветном телевидении достаточно использовать по 8 бит на каждый из трех цветов RGB, что дает в сумме 24 бита на пиксел. Хотя числом, состоящим из 24 бит, можно обозначить около 16 млн цветовых оттенков, человеческий глаз не в состоянии даже различить такое огромное количество цветовых оттенков, не говоря уже о больших количествах.

Для гладкой передачи движения, как и в аналоговом видео, в цифровом видео необходимо отображать, по меньшей мере, 50 кадров в секунду.

Другими словами, плавность движущегося изображения определяется количеством отличающихся изображений в секунду, тогда как мерцание зависит от частоты перерисовки экрана. Не следует путать эти два параметра. Неподвижное изображение, рисуемое с частотой 20 кадров в секунду, не будет дергаться, но будет мерцать, поскольку возбуждение сетчатки глаза успеет угаснуть, прежде чем появится следующий кадр. Фильм, в котором выводится 20 различных кадров в секунду, каждый из которых повторяется по четыре раза, не будет мерцать, но будет заметно отсутствие плавности движений.

Важность этих двух параметров становится ясна, если мы попробуем оценить пропускную способность, необходимую для передачи цифрового видеосигнала по сети. Во всех современных компьютерных

199

мониторах используется соотношение размеров экрана 16:9, поэтому они вполне могут использоваться для отображения телевизионного изображения.

Сжатие видеоинформацииИтак, теперь должно быть, очевидно, что о передаче

мультимедийной информации в несжатом виде не может быть и речи. К счастью, за несколько последних десятков лет было разработано множество методов сжатия, делающих возможной передачу мультимедийной информаций.

Для всех систем сжатия требуется два алгоритма: один для компрессии данных у источника информации, а другой – декомпрессии у ее получателя. В литературе эти алгоритмы называют соответственно алгоритмами кодирования и декодирования. Мы также будем пользоваться здесь этой терминологией.

Стандарт JPEG используется для сжатия неподвижных изображений с непрерывноменяющим-ся цветом (например, фотографий).

Стандарт MPEG. Ключевой вопрос мультимедиа: стандарты МРЕG (Motion Pictures Experts Group – Экспертная группа по вопросам движущегося изображения). Эти стандарты, ставшие международными в 1993 году, описывают основные алгоритмы, используемые для сжатия видеофильмов. Первым законченным стандартом стал стандарт MPEG-1 (Международный стандарт 11172). Его целью было создание выходного потока данных качества бытового видеомагнитофона (352x240 для NTSC) на скорости 1,2 Мбит/с. Следом появился стандарт MPEG-2 (Международный стандарт 13818), разрабатывавшийся для сжатия видеофильмов качества широковещания до скорости потока от 4 до 6 Мбит/с, что позволяло передавать этот фильм в цифровом виде по стандартному телевизионному каналу NTSC или PAL. В настоящее время широко используется стандарт МPEG-4. Форматами будущего считаются MPEG-7 и MPEG-21.

В видеофильмах имеется избыточность двух типов: пространственная и временная. Чтобы использовать пространственную избыточность, можно просто кодировать каждый кадр отдельно алгоритмом JPEG. Дополнительного сжатия можно достичь, используя преимущество того факта, что последовательные кадры часто бывают почти идентичны (временная избыточность).

В сценах, в которых камера и задний план неподвижны и один или два актера медленно двигаются, почти все пиксели в соседних кадрах будут идентичны. В этом случае простое вычитание каждого кадра из предыдущего и обработка разности алгоритмом JPEG даст достаточно хороший результат. Однако этот метод плохо подходит к сценам, в которых камера поворачивается или наезжает на снимаемый объект. Для таких сцен необходим какой-либо способ, компенсировать это движение камеры. В этом и состоит основное отличие MPEG от JPEG.

Выход MPEG-2 состоит из кадров следующих типов:I (Intracoded – автономные) – независимые неподвижные

изображения, кодированные алгоритмом JPEG.

200

Р (Predictive – предсказывающие) – содержащие разностную информацию, относительно предыдущего кадра.

В (Bidirectional – двунаправленные) – содержащие изменения относительно предыдущего и последующего кадров.

I-кадры представляют собой обычные неподвижные изображения, кодированные алгоритмом JPEG с использованием полного разрешения яркости и половинного разрешения для обоих сигналов цветности. I-кадры должны периодически появляться в выходном потоке по трем причинам. Во-первых, должна быть возможность просмотра фильма не с самого начала. Зритель, пропустивший первый кадр, не сможет декодировать все последующие кадры, если все кадры будут зависеть от предыдущих, и I-кадры не будут время от времени включаться в поток. Во-вторых, дальнейшее декодирование фильма станет невозможным в случае ошибки при передаче какого-либо кадра. В-третьих, наличие таких кадров существенно упростит индикацию во время быстрой перемотки вперед или назад. По этим причинам I-кадры включаются в выходной поток примерно один-два раза в секунду.

Р-кадры, напротив, представляют собой разность между соседними кадрами. Они основаны на идее макроблоков, покрывающих 16x16 пикселей в пространстве яркости и 8x8 пикселей в пространстве цветности. При кодировании макроблока в предыдущем кадре ищется наиболее близкий к нему макроблок.

В-кадры подобны Р-кадрам с той разницей, что позволяют привязывать макроблок либо к предыдущему, либо к следующему кадру. Такая дополнительная свобода позволяет достичь лучшей компенсации движения. Для декодирования В-кадров необходимо удерживать в памяти сразу три кадра: предыдущий, текущий и следующий. Для упрощения декодирования кадры должны присутствовать в потоке MPEG не в порядке их отображения, а в порядке зависимостей друг от друга. Это означает, что при передаче видео по сети необходима буферизация данных на машине пользователя, чтобы изменить порядок кадров для их правильного отображения. Поскольку порядок отображения кадров не совпадает с порядком их взаимозависимостей, для воспроизведения фильма задом наперед потребуется значительная буферизация и сложные алгоритмы.

Microsoft PowerPoint – это инструмент подготовки и проведения презентаций, позволяющий четко структурировать, хорошо иллюстрировать и профессионально представлять идеи и достижения. Став частью интегрированного пакета Microsoft Office, этот модуль получил сегодня очень широкое распространение.

Специальный мастер автосодержания (AutoContent Wizard) помогает качественно и быстро подготовить профессионально оформленные презентации. Он задает несколько вопросов о том, какова планируемая продолжительность выступления, о чем будет идти речь (жанр, характер выступления и т.п.), каким должно быть оформление, и другие. В результате при корректировке автора создается «скелет» презентации, который необходимо наполнить содержанием, т. е. конкретным текстом.

201

Мастер автосодержания включает до 30 шаблонов, помогающих создавать самые различные презентации (включая презентации online), например презентацию своего университета для «дня открытых дверей» маркетингового исследования, плана, отчета и т. п.

Искатель слайдов (Slide finder) применяется для эффективной работы со слайдами, он позволяет использовать слайды из нескольких презентаций для составления новой. Такой инструмент делает возможной эффективную групповую работу над одной общей презентацией. Slide finder имеет встроенную функцию предварительного просмотра, что способствует отбору слайдов для будущей презентации и быстрому их сведению воедино для новой демонстрации, без обращения к операциям «копировать-вставить».

В данном пакете также представлена библиотека шаблонов, включающая заранее установленные анимационные эффекты для отдельных частей слайдов.

В Microsoft PowerPoint реализованы новые эффекты анимации, обогащающие презентации неожиданными и впечатляющими вариантами воспроизведения отдельных элементов каждого слайда. Текст можно заставить появляться «наплывом» издалека, так же как приближается быстро движущийся в сторону смотрящего объект. Предусмотрен и механизм фоновой проверки орфографии. Одной из популярных и распространенных мультимедийных программ является новая версия программы ToolBook, которая в интегрированном виде включает все необходимые параметры мультимедийной технологии: текст, графические изображения, звук, анимацию, видео и т.п.

С помощью специальных стрелок (навигационных маршрутов) обучаемый способен осваивать материал индивидуально, переключаться с одной страницы на другую, возвращаться к структуре текста, миновать целые параграфы и перейти к другим частям или разделам текста.

Программа предусматривает возможность создания цветового фона для каждого отдельного листа, построения графиков, импортирования рисунков, записи звуков и т.п. В ней имеется библиотека шаблонов: анимаций, изображений, которые легко переводятся в авторский план программы.

Наличие авторского плана в обучающих мультимедийных программах, построенных на основе ToolBook, позволяет ограничить некую относительную свободу пользователя и предостеречь его от возможности потери связующей текст нити, имеющей место в данной обучающей программе.

Вопросы для самоконтроля1. Какие задачи помогают решить мультимедийные технологии?2. Категории мультимедийной продукции.3. Возможности мультимедийных технологий в предоставлении информации.

202

4. Минимальная конфигурация компьютера для использования мультимедийной продукции.5. Форматы предоставления информации.6. Кодирование изображения.7. Стандарты сжатия информации.8. Мультимедийная программа MS Power Point

203

СОДЕРЖАНИЕПредисловие

Тема 8. Формальная логика в решении задач диагностики,

лечения и профилактики заболеваний

3

Тема 9. Системный анализ в медицинских исследованиях 14

Тема 10. Принятие решений в медицине 31

Тема 11. Математическое моделирование в биологии и медицине 48

Тема 12. Нейронные сети. Экспертные системы 60

Тема 13. Доказательная медицина 81

Тема 14. Биологическая, медицинская и физиологическая

кибернетика

94

Тема 15. Медицинские аппаратно-программные комплексы 103

Тема 16. Аппараты и системы замещения утраченных функций

человека

136

Тема 17. Этические и правовые принципы управления информацией в системе здравоохранения.

154

Тема 18. Базы данных, системы управления базами данных.

Использование систем управления базами данных при решении

медицинских задач

172

Тема 19. Мультимедийные технологии в медицине 185

204

Учебное издание

Авторы: Бондаренко Марина АнатольевнаВысоцкая Елена ВладимировнаГордиенко Нина АлександровнаЗайцева Ольга ВасильевнаКочарова Татьяна РостиславовнаКнигавко Владимир ГиляриевичЛад Светлана НиколаевнаМещерякова Оксана ПетровнаПолетова Наталья ПетровнаРадзишевская Евгения БорисовнаРисованая Любовь МихайловнаСолодовников Андрей СергеевичШуба Ирина Викторовна

МЕДИЦИНСКАЯ ИНФОРМАТИКА.

УЧЕБНИК ДЛЯ СТУДЕНТОВ 2 КУРСА МЕДИЦИНСКИХ ВУЗОВ.

В 2 частяхЧасть 2

Под редакцией В. Г. Книгавко

Ответственный за выпуск: Е.Б. Радзишевская

Компьютерная верстка: А.С. Солодовников

Подп. к печатиРизография.Тираж экз.

Формат А4Усл. печ. л. 5,4Зак. №

Бумага xeroxУч.-из. Л.4,7

Віддруковано з оригінал макету на ПП «Петрова».Україна, 61144, Харків, вул. Гвардійців Широнінців, 79в, к. 137

205