Scientific journal

Modern high technologies

ISSN 1812-7320

"Перечень" ВАК

ИФ РИНЦ = 0,940

С развитием информационной деятельности человека и быстрым ростом объемов информации становится необходимым создание и разработка информационных технологий и эффективных интеллектуальных продуктов, способных справиться с обработкой больших объемов информации. Экспертная система – это интеллектуальная компьютерная система, построенная на фундаменте накопленных знаний и опыта специалистов-экспертов, о некоторой специализированной предметной области, способная принимать решения, которые не уступают по достоверности и качеству решениям эксперта-профессионала [6].

Одна из самых популярных областей применения экспертных систем – медицина. Это обусловлено тем, что диагностика большинства заболеваний должна проводиться оперативно, зачастую сроки варьируются до нескольких суток. Кроме того, медицинская экспертная система, которая содержит в себе знания и логику лучших специалистов может обеспечить пациенту объяснение причины его недомогания, она способна предложить одну или несколько эффективных методик лечения.

По имеющимся данным Всемирной организации здравоохранения, к началу XXI века примерно 30 % жителей планеты имели избыточную массу тела [9]. Почти у 30–60 % взрослых, которые страдали ожирением в детстве, оно протекает тяжелее, а кроме того, продолжает прогрессировать и ведет к развитию различных серьезных осложнений, таких неинфекционных болезней, как диабет, сердечно-сосудистые заболевания, атеросклероз и ишемическая болезнь сердца. Поэтому особую актуальность в этом сложном вопросе представляет рост ожирения у детей. Несвоевременное и неадекватное лечение ожирения приводит к изменениям во всех внутренних органах и является причиной многих заболеваний органов и систем, инвалидизирующих людей в возрасте социальной активности [7, 9].

Исследование различных показателей обмена веществ у здоровых детей и детей с ожирением, а также разработка базы знаний и экспертной системы могут служить основой для определения наиболее эффективных методов реабилитации пациентов детского возраста с ожирением и повысить эффективность терапии в неблагоприятные временные промежутки годового цикла.

Материалы и методы исследования

На базе детского отделения Томского НИИ курортологии и физиотерапии было проведено клиническое исследование детей с диагнозом конституционально-экзогенное ожирение [1, 7]. Дети обследовались в различные промежутки года [1]: 1 группа – август – ноябрь; 2 группа – декабрь – апрель; 3 группа – май – июль.

Определяли: объем талии и бедер, массу тела, индекс массы тела, диастолическое артериальное давление, индекс инсулинорезистентности, уровень холестерина и глюкозы.

Целью данной работы являлась оценка эффективности лечения больных с ожирением в различные периоды года с целью формирования базы знаний для медицинской экспертной системы.

Экспертные системы и базы знаний

Основное достоинство экспертных систем (ЭС) заключается в возможности накопления знаний. Под знанием в данном случае принято понимать формализованную информацию, на которую ссылаются или применяют в процессе логического вывода [6].

При создании экспертной системы используются данные и знания, которые накапливаются в базе знаний, а также специальные механизмы вывода решений и новых знаний на основе имеющихся. Все эти знания формируются различными экспертами, инженерами по знаниям и представлены в виде определенных правил для решения тех или иных задач [6]. Обобщенная структура экспертной системы представлена на рис. 1.

Процесс функционирования системы заключается в том, что пользователь, обратившийся к системе за информацией, посылает запрос системе с помощью пользовательского интерфейса. Решатель с помощью базы знаний генерирует информацию и выдает ответ, рекомендацию. При этом он выдает ход рассуждений с помощью подсистемы объяснений.

База знаний экспертной системы

База знаний (БЗ) – это одна из главных частей ЭС. Ее отличительная особенность заключается в том, что эта часть системы может меняться и пополняться (рис. 2) [6].

База знаний содержит в себе различные факты, сведения, статистические данные о некоторой предметной области, а также правила или набор инструкций, благодаря которому можно получать новые факты на основе полученных знаний. База знаний создается экспертами, исследователями и консультантами какой-либо предметной области. Ценность всей экспертной системы на 90 % определяется качеством созданной базы знаний. Для создания базы знаний существуют различные способы [2–6].

Принципиальное отличие знаний от данных заключается в их активности и структурности. Внесение новых фактов в базу знаний или нахождение новых связей может привести к изменениям в принятии решений. Проблема представления знаний состоит в том, что существует несоответствие между такими понятиями, как сведения о зависимостях в проблемной области, методами решения проблемы и возможностями представления информации в ЭВМ.

Рис. 1. Структура экспертной системы

Рис. 2. Структура базы знаний

Уровень представления знаний отличается более сложной структурой, особенностями в интерпретируемости, наличием классифицируемых связей от уровня представления данных. Кроме этого, для уровня представления знаний характерно наличие специальных процедур обобщения, а также пополнение имеющихся в системе знаний.

Следует помнить, что экспертные системы в основном разрабатываются не для универсальных задач, а для качественного решения задач в специализированной области. Главными критериями качества полученных новых знаний являются внутренняя согласованность, полнота информации, системность, историзм, однотипность и объективность. Информация должна быть четкой и непротиворечивой [6].

В результате наблюдений экспертов формируются эмпирические знания. Они могут быть согласованными или несогласованными. Таким образом, в процессе извлечения знаний аналитикам необходимо, прежде всего, установить внутреннюю согласованность эмпирических знаний, которая характеризуется понятием модальности, противоречивости, неполноты. Модальность знания – это возможность существования знания в различных категориях. Необходимо четко различать такие модальности, как: эксперт знает, что…; эксперт считает, что…; эксперт хочет, чтобы… Под противоречивостью понимают естественное свойство эмпирических знаний, которое не всегда может быть устранено. Напротив, противоречивость может служить отправной точкой в рассуждениях экспертов. Неполнота знаний связана с невозможностью исчерпывающего описания какой-либо предметной области. Системность знаний базируется на определении места новых знаний в многоуровневой иерархической организации. Инженер по знаниям должен рассмотреть и изучить проблемную область с точки зрения закономерностей не только целого, но и его частей. Объективность знаний определить практически невозможно, потому что процесс познания субъективен. Объективность некоторых закономерностей часто связывают с широтой области их применимости. Границы этой области можно установить экспериментальным или теоретическим путем, но далеко не всегда. В качестве косвенных свидетельств объективности иногда допускают совпадение представлений различных экспертов и подтверждение выдвинутых гипотез известными фактами [2–6]. Будем использовать следующие термины [6]: извлечение, получение, формирование, приобретение знаний и обучение БЗ. Определим сущность указанных терминов. Под извлечением знаний будем понимать процесс приобретения материализованных знаний из текстологических источников информации с помощью некоторой совокупности методов и процедур, позволяющих переходить от знаний в текстовой форме к их аналогам для ввода в базу знаний СИИ. Получение знаний – это процесс приобретения вербализуемых и невербализуемых знаний эксперта, основанный на использовании непосредственно им самим или инженером по знаниям приемов, процедур, методов и инструментальных средств.

Формирование знаний – это процесс автоматического приобретения (порождения) системой искусственного интеллекта или инструментальным средством нового и полезного знания из исходной и текущей информации, которое в явном виде не формируют эксперты, в целях освоения новых процедур решения прикладных задач на основе использования различных моделей машинного обучения.

В нашем случае для формирования базы знаний были использованы клинические данные [1, 7] и методы математической статистики [8].

Результаты исследования и их обсуждение

Сравнение показателей у больных ожирением детей до и после лечения (оценка достоверности сдвига) проводилось с использованием непараметрических критериев (критерий знаков и критерий Уилкоксона) в пакете Statistica 8. Полученные результаты представлены в табл. 1 и 2

Таблица 1

Результаты сравнения физиологических показателей у детей с ожирением до и после лечения