четверг, 16 января 2014 г.

Компьютерная обучающая система типа «Электронный пациент»

Решил разместить текст нашей совместной статьи. поскольку статья уже опубликована, то она является объектом охраны авторских прав. Полная ссылка выглядит так
Gushchin Alexand Nikolaevich, Dityatev Vladimir Pavljvich. Computer training system of the «Electronic Patient» /European Applied Sciences #5 – 2013. Section 1. p 6-10.

Computer training system of the "Electronic Patient"


Бесспорно, что основой принятия решений является правильная оценка ситуации, основанная на приобретенном опыте и знаниях. Бесспорно и то, что опыт и знания приобретаются в процессе обучения, который происходит вначале в учебном заведении, затем в процессе практической работы и далее в процессе повышения квалификации. Исходя из этого, любые информационные технологии и компьютерные обучающие системы (КОС), оптимизирующие процесс накопления знаний, ускоряют процесс становления профессионального специалиста. 
На сегодня КОС в медицине могут претендовать лишь на функции, дополняющие традиционное обучение. Что объясняется субъективностью слабоструктурированного врачебного опыта, опирающегося на реальную и динамичную среду ситуационно-зависимых решений. Традиционно принято считать, что никакой компьютер не заменит талантливого преподавателя, реального пациента и конкретную тактическую ситуацию со всей сложностью, присущей взаимодействию двух субъектов познания. Пока большинство КОС, независимо от доли активной компоненты в процедуре обучения,  моделирует так или иначе функцию «учителя», идет ли речь об «электронном учебнике» или о мультимедийной системе с полифункциональным интерфейсом. В медицине это, возможно, оправдывается тем хрестоматийным положением, которое гласит: компьютерные технологии наиболее эффективны там, где предметная область наиболее систематизирована и структурирована. Несомненно, что дидактика по своей сути предполагает систематизацию представлений и структуризацию знаний в преподаваемой предметной области даже ценой возможного упрощения неизмеримо более сложной реальности.
Уместно привести шутливый парадокс, именуемый законом Х.Л.Менкена: кто умеет - делает, кто не умеет - учит других, кто не может учить - управляет, кто не умеет управлять - правит. Из первого положения парадокса можно извлечь уже лишенные всякой иронии истины, иллюстрирующие проблематику разработки компьютерных систем профессионального обучения. В частности: чем более квалифицирован эксперт (читай - учитель), тем менее он способен объяснить, как он приходит к определенным выводам. В медицине с ростом профессионализма существенно возрастает удельный вес интуитивного постижения (инсайта), не всегда поддающегося рациональным объяснениям. Именно поэтому в медицине так велико значение другого аспекта обучения- практики, тренажа, включения подсознательных механизмов обучения. Другая истина заключается в том, что в угоду дидактике при всяком обучении неизбежно ограничение «мира» учителя, провоцирующее упрощение и подмену сложной реальности учебными стереотипами.  В этих условиях может возникать некий «зазор» между слегка искусственной информационной средой обучения (теории, схемы, таблицы,  представления «школ» и т.п.) и реальной средой принятия ситуационно-зависимых решений.
В связи с вышеприведенными рассуждениями возникает принципиальный вопрос - что же все-таки должна моделировать медицинская КОС? В общем виде это понятно- реальную среду принятия решений. Но реальная среда в медицине - это контакт врача и больного. Обратимся лишь к одной, но достаточно обстоятельной публикации М.Г. Крейнес и соавт.[1], посвященной активным обучающим системам в медицине. Авторы предлагают КОС, реализующую выбор диагностической альтернативы методом активного случайного поиска, эффективность которого далее оценивается путем сравнения с математическими моделями правильной диагностики. Можно не оспаривать отказ авторов от попыток имитировать логику профессионала ввиду разночтений семиотики и семантики заболеваний  и согласиться с предпочтениями математических моделей принятия решений, если они близки  логике врачебного мышления. Можно и приветствовать и реализацию активного обучения в виде случайного поиска, ибо реальный процесс диагностики не является строго последовательной процедурой и в каждом конкретном случае определяется персональной прагматикой. Но остается вопрос - насколько близка моделируемая среда обучения реальной среде принятия диагностических решений? Правоту высказанных сомнений подтверждает направление дальнейшего вектора развития информационных технологий в медицине: упор сделан был на развитие информационное обеспечение учебного процесса. Так в стандарте СТО МОСЗ 91500.16.0002-2004 «Информационные системы в здравоохранении. Общие требования» дается следующая классификация: (цитируется по [2])
-        Медико-технологические ИС (МТИС), предназначенные для информационного обеспечения процессов диагностики, лечения, реабилитации и профилактики пациентов в лечебно-профилактических учреждениях.
-        Информационно-справочные системы (БИИС), содержащие банки медицинской информации для информационного обслуживания медицинских учреждений и служб управления здравоохранением.
-        Статистические ИС (СМИС) органов управления здравоохранением.
-        Научно-исследовательские ИС (НИИС), предназначенные для информационного обеспечения медицинских исследований в клинических научно-исследовательских институтах (НИИ).
-        Обучающие ИС (ОМИС), предназначенные для информационного обеспечения процессов обучения в медицинских учебных заведениях.
Разрабатывая КОС, мы пришли к убеждению, что обучающие системы в медицине должны моделировать не столько учителя и врача, сколько реального пациента, точнее, реальный интерактивный контакт врача и пациента, в котором могут сталкиваться две стратегии поведения с не полностью совпадающими интересами. При таком подходе обучающая система представляет собой тренажер, имитирующий проблемные  диагностические и тактические ситуации во взаимодействии двух моделей – модели врача и модели пациента с варьирующими стратегиями поведения в диалоге: КОС подобного типа мы условно обозначили «Электронный пациент».
В основу модели поведения  пациента  мы положили следующие принципы:
-        пациент - система с целенаправленным поведением;
-        цель пациента - предоставить врачу информацию, максимизирующую  вероятность постановки правильного диагноза, что с его точки зрения гарантирует возвращение (или возмещение) утраченных качеств жизни (исключая, разумеется, случаи паранойяльного отношения к медицине);
-        пациент сам для себя – «черный ящик» (т..е не знает своего «внутреннего устройства»), поэтому пациент сугубо индивидуален в интерпретации своего заболевания и своих симптомов.
Модель врача предопределяется двумя основными составляющими :
-        предварительным квалиметрическим тестом,
-        активно изобретаемой стратегией диалога.
В свете изложенного общая модель контакта врача с пациентом может быть представлена в виде кооперативной игры двух лиц, цель которой – постановка правильного диагноза и выбор оптимальной тактики лечения. Обучение в рамках такой модели подразумевает выработку доминирующей стратегии, обеспечивающей «выигрыш», т.е. быстрый и наиболее «приемлемый» диагноз, не зависимо от действий контрагента. Уточним позиции «играющих» сторон в отношении «приемлемости» диагноза. Для «врача» - приемлемый диагноз равнозначен точному или по крайней мере, обеспечивающему эффективное лечение. Что касается пациента, то для него «приемлемость» диагноза и точность могут не совпадать. Например, возможно различные психолого-поведенческие  стереотипы общения пациента с врачом, предопределяемые степенью невротизации и психопатизации личности пациента. Мы выделили, в частности, такие стереотипы поведения, как «идеальный пациент», «аггравант», «дезаггравант», «симулянт», «дисимулянт». Очевидно, что фобия, боязнь «опасного» с точки зрения пациента, диагноза может существенно повлиять на стратегию поведения пациента в диалоге с врачом  на этапе выяснения жалоб и анамнеза, побуждая пациента подсознательно приуменьшить, блокировать или, наоборот, преувеличить определенную информацию. Именно данные особенности поведения «пациента» в диалоге позволяют сформулировать задачу корпоративной игры со стороны врача как выработку доминирующей стратегии, т.е стратегии приводящей к успеху независимо от поведения контрагента. Сформированная доминирующая стратегия представляет собой профессиональную компетентность в постановке диагноза.
Если рассматривать диалог «врач-пациент» как кооперативную игру ради получения максимума необходимой информации, то «игра» в данном случае есть последовательность поочередных «ходов», где «ходом» врача является очередной вопрос, а «ходом» пациента – очередной ответ. Согласно принятой стратегии задача пациента при очередном «ходе» – предоставление информации, максимально приемлемой в рамках его поведенческого стереотипа, стратегия врача – обеспечение доминирования в быстрой и правильной постановке диагноза независимо от стратегии пациента.
Общая идея алгоритма
Общая идея алгоритма основана на следующих принципах: предположим, что имеется пространство признаков (симптомов) {S(i)} (i=1…N), каждый из которых имеет j градаций (j=1…KG(i)), KG(i) – количество градаций i-того симптома. Все параметры: N, S(i), G(i) – задаются заранее. Безотносительно к пространству признаков существует множество событий (заболеваний - disease) Dk (k=1…K).  Будем считать, что заболевание Dk характеризуется набором признаков – «клиническим портретом» {G(i,j), P(i,j)}, где G(i,j) – j-тая градация i-того симптома, P(i,j) – вероятность наблюдения j-той градации i-того симптома в клиническом портрете (оценивается экспертами). Общая схема показана на рис. 1. 

Рис. 1. Организация базы знаний для программы «электронный пациент»

Предположим далее, что перед началом работы алгоритма задано заболевание D0. Процесс обучения над представленной структурой данных представляет собой кооперативную игру двух лиц – врача и пациента, которые поочередно делают ходы. «Врач» - обучаемый может спрашивать (выбирать) симптом S(i), компьютер - «пациент», отвечать, сообщая номер градации j – симптома S(i). Предполагается, что оба игрока заинтересованы в постановке правильного диагноза, т.е. в максимизации байесовской вероятности P(S(i,i)/D0).


Рис. 2. Дерево игры базы знаний на рис. 1.  Желтый – ходы «пациента», серый – ходы «врача» (обучаемого), при условии что начальное заболевание - «ангина».

В нашем случае множество стратегий «врача» (обучаемого) представляет набор (подмножество) {S(i)}, которое интерпретируются как вопросы, которые обучаемый задает в ходе сеанса, функция выигрыша – вероятность правильной постановки диагноза. Функция выигрыша, в отличие от формальных математических моделей, здесь не формализуется. Сформировать свою функцию выигрыша и есть задача обучаемого.
Функцию выигрыша можно модифицировать: определить правильный диагноз за минимальное число ходов. Множество стратегий «пациента», представляет собой набор (подмножество) G(i,j) – градаций выраженности симптома, которые выбираются таким образом, чтобы максимизировать байесовскую вероятность P(S(i,i)/D0), где D0 – предварительно заданное заболевание. Исходя из сказанного, приходим к следующей блок-схеме алгоритма.
Для генерации ответов «пациента» необходима предварительно созданная и заполненная база знаний по определенному кругу заболеваний. Заполнение базы знаний ведут специалисты по проблеме. Для заполнения базы знаний необходим специальный сервис - «панель администратора», с помощью которого специалист заносит информацию в базу знаний.


Рис. 3. Алгоритм генерации ответов.
 
Вычисление байесовской вероятности
Важным моментом алгоритма является вычисление байесовской вероятности для требуемой градации симптома S(i). Для построения вероятности воспользуемся наивным байесовским классификатором [3].

Рис. 4. Пространство состояний для заболевания «ангина».

В простейшем случае наивный байесовский классификатор можно построить следующим образом. Пусть для заданного симптома S(i):
-        T1 = количество вхождений j-той градации симптома S(i), принадлежащей клиническому портрету N1,
-        T2 = Общая мощность пространства состояний,
Тогда значение наивного байесовского классификатора или апостериорная вероятность появления j-той градации, равна
Р(j | S(i), Начальное_заболевание) = Т1/Т2
(Можно построить более сложные классификаторы).
Проектирование интерфейса
Правильное (психологически достоверное) проектирование интерфейса является важной составляющей успеха проекта в целом. В процессе принятия решений обучаемый может просматривать материалы объективных исследований, а также задавать вопросы об анамнезе заболевания, субъективных симптомах. Интерфейс программы допускает большое количество вариантов реализации, начиная от тривиального ответа на поставленный вопрос, и заканчивая демонстрацией специально подготовленного видео с отчетом на поставленный вопрос. С нашей точки зрения наиболее естественным  вариантом интерфейса является интерфейс, в котором общение «врач-пациент» производится через посредника. Например, дается вводная о том, что позвонил врач скорой помощи (центра медицины катастроф), который просит дать консультацию по поводу сложного случая – рис 5. Такое общение через посредника делает психологически оправданным использование медицинских терминов в ответах «пациента», т.к. предполагается, что на медицинский язык все терминологию переводит посредник.

Рисунок 5. Первое окно диалога. (Web-интерфейс).
Заставка нужна для того, чтобы создать контекст ситуации и объяснить врачу, что он будут общаться не непосредственно с пациентом, а опосредованно – через своего коллегу. Помимо этого «коллега» предлагает предоставить информацию об индивидуальных особенностях поведения консультируемого «пациента». 
Далее переходим непосредственно к работе. Согласно алгоритму, показанному на рисунке 3, «врач» (обучаемый) вправе задать любой вопрос, который касается самочувствия «пациента». В имеющейся версии КОС вопрос выбирается из списка, как показано на рисунке 6.

Рисунок 6. Выбор вопроса из списка. (Web-интерфейс).
Согласно блок-схеме, представленной на рисунке 3, КОС должна сгенерировать ответ, таким образом, чтобы максимировать условную вероятность постановки правильного диагноза как показано на рисунках 2 и 4. Результат работы представленного алгоритма показан на рисунке 7.

Рисунок 7.
 Далее «врач» продолжает задавать вопросы относительно «самочувствия пациента», результатом чего является диалог, представленный на рисунке 8.


Резюме
Большинство обучающих программ построено по принципу «натаскивания» обучаемого – ему остается слишком «свободы выбора». Как правило, обучающая программа построена по принципу теста. Обучаемому предлагается серия вопросов, на каждый из которых имеются один или несколько вариантов ответа. В предлагаемом подходе свобода выбора при принятии решения у обучаемого возрастает в разы, т.к он может задать в произвольном порядке любой вопрос из тех, что занесены в базу знаний. По нашему мнению, именно данное обстоятельство – увеличение степени свободы выбора является причиной, обеспечивающей формирование профессиональной компетентности в области постановки диагноза и успешности применения компьютерных обучающих систем при выработке профессиональных компетенций.  




[1] Крейнес, М. Г. К задаче создания машинной обучающей системы для студентов-медиков на основании математической модели диагностического процесса [Текст] / М.Г. Крейнес, А.В. Сучков, В.И. Ершов // Вопросы применения экспертных систем : Сб. науч. тр. / НПО "Центросистем"; Под общ. ред. В.В.Соломатина, Е.В. Мраковой. - Минск, 1988. - С. 206-219
[2] «Информационные технологии в медицине. 2011-2012»/ Под ред. Г.С. Лебедева и Ю.Ю. Мухина – М.: Радиотехника, 2012,c 42-62.
[3] К.В. Воронцов. Лекции по статистическим (байесовским) классификаторам информации. URL:http://www.cs.ru/voron/download/Bayes.pdf 
Лицензия Creative Commons
Произведение «Блог "Эффективное дистанционное образование"» созданное автором по имени А.Н.Гущин, публикуется на условиях лицензии Creative Commons «Attribution» («Атрибуция») 3.0 Непортированная.
Основано на произведении с an1954.blogspot.ru. на следующий (также выделен полужирным шрифтом):