• скачать файл

Нечеткий образный ряд в клинической медицине

с. 1
НЕЧЕТКИЙ ОБРАЗНЫЙ РЯД В КЛИНИЧЕСКОЙ МЕДИЦИНЕ
Кобринский Б.А., д.м.н., профессор

ФГУ «МНИИ педиатрии и детской хирургии»

тел.: (495)483-7192

email: bakob@pedklin.ru
1. ВВЕДЕНИЕ

Традиционные лингво-логические интеллектуальные системы не обеспечивают однозначного сопоставления между когнитивным представлением (эксперта/врача-пользователя) и описанием в базе знаний в вербальной форме некоторых визуальных характеристик заболеваний, имеющих трудно характеризуемые отличия. Обусловлено это участием в принятии диагностических решений различных интуитивно-образных представлений, формирующихся у высококвалифицированных специалистов, в особенности при развитом правополушарном мышлении. Это же касается и анализа понятия «здоровье», которое вызывает у человека чаще всего мысленный образ розовощекого ребенка как символа или архетипа здоровья [1]. Понятно, что возможны и другие мысленные отображения здоровых детей, как многосмысловых знаков, «перевод» которых с языка изображения в вербальную форму, состоящую из перечня признаков-характеристик, приводит, как минимум, к частичной потере интегрального содержательного смысла.

В то же время, интуитивно-образные представления в клинической медицине нередко помогают врачу на этапах принятия диагностического решения, дополняя систему рассуждений, построенных на логико-аргументационной основе, визуальными и/или псевдовизуальными характеристиками заболеваний [2]. Это могут быть различные признаки, их сочетания, двигательные реакции, память о которых сохраняется в виде четких или размытых образов-прецедентов, количество которых увеличивается с опытом врача. Разная степень уверенности в соответствии визуального образа проявлений болезни определенному диагнозу может быть отражена с помощью категорий нечеткой логики на серой шкале. Соответственно, взамен нечетких вербализованных представлений типа нос грушевидный (сливовидный, бульбообразный клювовидный и др.), «рот рыбий», «лицо птичье», гаргоилоподобные черты лица (метафора от скульптур-гаргулий собора Нотр-Дам в Париже), мысленное воспроизведение которых может отличаться большой вариабельностью, представляется необходимым поиск перехода к операциям над визуальными образами.

2. ОБРАЗНЫЙ РЯД

Сходные проявления образа, отвечающего одному понятию, можно рассматривать как множество или образный ряд [3]. Другими словами, можно говорить об образном континууме или квазиконтинууме близких или относительно близких изображений, что предполагает нечеткость переходов между отдельными представителями рассматриваемой последовательности.

Рассматривая принципы построения образного ряда, следует отметить, что составляющие его элементы (члены ряда) являются серией изображений-аналогов, представляющих прецеденты-фотографии больных одного класса (т.е. с одним диагнозом). Они демонстрируют различные варианты сходства и различия в клинической картине заболевания, наблюдавшиеся специалистами различных клиник, в том числе в разных странах, т.е. у людей различающихся этносов. Эти изображения могут быть фотографиями лица, тела или отдельных, диагностически значимых фрагментов (носы, уши, рты и т.д.). Множество вариантов одного образного ряда может также включать фотографии одного лица или явления, характеризующие его изменения на временной шкале трансформации клинических проявлений болезни.

Образное отражение клинических проявлений может, по ассоциации, ускорять выход на конкретный диагноз, но может и затруднять диагностику при отсутствии перед глазами исходного изображения ввиду различий псевдовизуального представления. Отдельные эпонимические наименования (от греч. eponymos – дающий название), которые довольно широко присутствуют в клинической медицине, в том числе метафорические, бывает трудно восстановить в памяти без предъявления изображения. В то же время, визуальная шкала образного ряда позволяет представить различные варианты подобия, в том числе характеризующие близость членов ряда к образу-метафоре – гаргоилоподобность, эльфолицесть, рыбьеротость и т.п. Последовательность взаимосвязанных образов, в особенности, включающих метафорические, можно рассматривать как символическую многослойность, которая может включать дополняющие и усложняющиеся образы.

Если обратиться к идее слабого кодирования, состоящей в использовании отношений типа «один ко многим» в процессе задания соответствия генотип – фенотип, где единственному генотипу соответствует нечеткое семейство фенотипов или паттерны эволюционного изменения [4, 5], то по аналогии можно сопоставить генотипу образ-архетип, а другие члены образного ряда рассматривать как семейство фенотипов.

Динамика во времени, определяющая изменения внешнего вида, что характерно для целого ряда болезней, позволяет говорить также о динамическом образном ряде, демонстрирующем последовательность трансформации исходного изображения.

Попытка вербализации нечетких переходов разрушает целостность образа, являющегося зачастую характерным признаком определенного заболевания. В то время, как визуальный ряд, наоборот, демонстрирует единство представителей образного кортежа. Как отмечается в последнее время [6], область значений принадлежности нечеткого множества вовсе необязательно должна быть интервалом [0, 1] и, вообще, интервалом чисел: это может быть некоторая структура, например: цепь, решетка L, решеточно-упорядоченный моноид.

В этом смысле можно говорить о нечетком образном ряде, представители которого, соответствующие одному диагнозу, имеют более или менее выраженные отличия от образа-архетипа и друг от друга. Упорядочение образов в ряду может быть осуществлено экспертным путем на основе оценки близости по отношению к некоторому «идеальному» объекту в многопризнаковом пространстве, чему в образном ряду можно сопоставить архетипический образ [3]. В качестве варианта шкалы для оценки сходства отдельных представителей ряда с архетипом можно рассмотреть следующий: полное сходство, очень похоже, похоже, умеренное сходство, немного похоже, слабое сходство. Выбор широкой шкалы, вплоть до слабого сходства, объясняется тем, что при ряде наследственных заболеваний встречается резко выраженный полиморфизм клинических проявлений, в особенности для разных стадий болезни.



3. НЕЧЕТКИЕ ЛОГИКИ И ОБРАЗНЫЕ РЯДЫ

Нечеткие множества можно рассматривать как подходящий способ установления упорядочения на множестве возможных миров или на возможных интерпретациях. Такое применение приводит к двум видам нечетких логик с различной семантикой: логике сходства или близости Руспини (Ruspini) и логике предпочтения или возможностей Дюбуа-Прада (Dubois-Prade). Первая занимается различными метриками для возможных миров, а вторая – различением более или менее правдоподобных интерпретаций [7]. Соответственно, логике сходства можно поставить в соответствие истинные образы в ряду, тогда как сравнение истинных и метафорических образов, архетипически послуживших причиной наименования конкретного образного ряда, может осуществляться с использованием обеих логик или логики предпочтения.

При моделировании шаблонов приближенного вывода нечеткие множества используются для выражения следующей семантики: предпочтения, неопределенности и сходства. Один из примеров семантики предполагает выражение таких свойств, как близость, сходство и неразличимость. Если рассматривать элементы со значением функции принадлежности, равным 1, как прототипы нечеткого множества, то другие степени принадлежности оценивают близость элементов к прототипам. Подобная точка зрения соответствует классификации по образцу, когда достаточно близкие объекты собираются в общий нечеткий класс [7]. В образном ряду таким образцом может быть визуальный образ-архетип, в качестве которого может выбираться и образ-метафора.

Рассматривая различаемые сущности как денотаты, а множество объектов восприятия как денотативное пространство [8], можно говорить о денотатах образного ряда в базе знаний и об отражении «подлинников» в системе восприятия пользователя. Но в нашем случае, компоненте реальности в когнитивном процессе сопоставлен ряд денотатов – денотаты «подлинника» в образном нечетком ряде и денотат отражения в когнитивном процессе. Денотаты в ряду можно поставить в соответствие метаденотатам, являющимся производными метапонятий – элементов когнитивного пространства. С каждым метаденотатом соотносится класс (нозологическая группа) или метаобразный ряд, т.е. открытое множество наблюдавшихся, наблюдаемых и/или потенциально возможных (т.е. виртуальных) денотатов, включаемых в данный класс по принципу сходства визуальных проявлений группы заболеваний.

На вход системы могут поступать нечеткие (в смысле отличия от архетипа) образы (например, лица больных), а в базе знаний храниться серии целостных изображений аналогичных образов, представляющих собой прецеденты, имевшие место в прошлом, что должно позволять принимать решение о сходстве с лицом при определенном заболевании. В качестве аналогии можно вспомнить пример Л.Заде [9] в отношении оценки степени принадлежности к классу прекрасных женщин, которое невозможно однозначно формализовать, что приводит к определению функции совместимости не на множестве математически точно определенных объектов, а на множестве обозначенных некими символами впечатлений.

Условие выдвижения гипотезы, в том числе на основе «образа», должно сопровождаться указанием о степени уверенности врача его соответствию (принадлежности) определенной ситуации:



  1. скорее всего или весьма (очень) вероятно,

  2. нельзя исключить,

  3. можно заподозрить,

  4. противоречивые или спорные сведения,

  5. сомнительно, но не исключено или маловероятно,

  6. крайне маловероятно [10].

Эта уверенность складывается, с одной стороны, из полноты наблюдаемых проявлений в смысле степени их совпадения с мысленным псевдовизуальным образом и, с другой стороны, из учета однозначности соответствия конкретного образа другим проявлениям заболевания.

4. АССОЦИАЦИЯ И РАСПОЗНАВАНИЕ НЕЧЕТКИХ ПАТТЕРНОВ В ОБРАЗНОМ РЯДУ

Выявление взаимосвязи имени с определенным представителем визуального кортежа, или, иначе говоря, опознание образов, можно рассматривать как результат действия ассоциативной памяти по механизму сходства, которая служит для восполнения пробелов неполного исходного набора данных и получения их полноценной совокупности или исходного интегрального паттерна [11].

В интеллектуальной системе в составе образных рядов могут быть предъявлены изображения, включающие какие-то характерные особенности, например, черты лица, формы носа или общий облик пациента, которые могут отвечать начальному состоянию процедуры опознания образа. По мере сравнения с образами различных нечетких дифференцируемых рядов должно наблюдаться смещение в пользу высказывания о различии или о сходстве. При этом в процессе восполнения или уточнения отсутствующих или изменившихся черт лица могут быть распознаны паттерны, исходно нечеткие и дополнительно «зашумленные» от времени или других причин.

Для оптимизации диагностического процесса исходная многомерность образного ряда может быть снижена путем кластеризации нечеткой последовательности с использованием соответствующего алгоритма [12].

Для принятия диагностических решений на основе логико-аргументационных построений с включением образной компоненты (иконический знак как символ) можно обратиться к модели нечеткой экспертной системы, позволяющей менять логику в системе вывода на любой ветви и на любом шаге вывода [13]. На этой основе представляется возможной интеграция обработки нечетких образных и понятийных представлений, как разнотипных знаковых систем, в необходимой последовательности, что будет соответствовать алгоритму диагностического процесса, когда рассуждения периодически подкрепляются всплывающими образами-прецедентами.

5. ЗАКЛЮЧЕНИЕ

Нечеткий образный ряд в медицине должен предусматривать включение последовательности сходных, но визуально различающихся изображений (в том числе, отражающих возрастную динамику изменений), фрагменты изображений, контурные варианты изображений и их метафорические представления. Такому ряду аналогов-прецедентов клинических проявлений заболевания следует искать прямое отражение, без вербализации визуальной картины, в базе знаний.

Рассуждения на основе прецедентов (CBR – Case-Based Reasoning), опираясь в целом на понятие аналогии, должны учитывать особенности модифицированного CBR-цикла интеллектуальной системы [14], в данном случае для нечеткого ряда образов, характеризующих наблюдаемые клинические проявления.

Интеграция формализованной вербальной компоненты и визуальных нечетких множеств позволит перейти к построению образно-лингво-логических нечетких интеллектуальных систем.



Литература

  1. Поспелов Д.А. Метафора, образ и символ в познании мира// Новости искусственного интеллекта. – 1998. – №1. – С.94-114.

  2. Кобринский Б.А. Аргументация и нечеткая логика в медицинских системах искусственного интеллекта// Математические методы в технике и технологиях. Сборник трудов 13-й Международной научной конференции (ММТТ – 2000, Санкт-Петербург). 2000.  Т.4. – С.112-115.

  3. Кобринский Б.А. Образные ряды и их отображение в базе знаний// Труды 11-й Национальной конференции по искусственному интеллекту с международным участием. – М.: Ленанд, 2008. – Т.2.  С.393-400.

  4. Гладков Л.А. Нечеткие генетические алгоритмы// Новости искусственного интеллекта. – 2005. – №4. – С.45-52.

  5. Stadler B.M.R., Stadler P.F., Wagner G.P., Fontana W. The Topology of the Possible: Formal Spaces Underlying Patterns of Evolutionary Change.// Journal Theoretical Biology – 2001. – Vol. 213. – P.241-274.

  6. Тарасов В.Б. Теория нечетких множеств: новый виток развития// Научная сессия МИФИ-2006: Сборник научных трудов. Т.3. – М.: МИФИ, 2006. – С.16-18.

  7. Загорянская А.А. Методы вывода в условиях неопределенности и нечеткости исходных данных: обзор зарубежных достижений// Новости искусственного интеллекта. – 1997. – №4. – С.6-24.

  8. Нариньяни А.С. НЕ-факторы: Неоднозначность (доформальное исследование). 1-я часть// Новости искусственного интеллекта. – 2003. – №5. – С.47-55.

  9. Заде Л.А. Понятие лингвистической переменной и его применение к принятию приближенных решений. – М.: Мир, 1976.

  10. Кобринский Б.А. Нечеткая логика в анализе образных представлений в медицинских системах искусственного интеллекта// Международная конференция по мягким вычислениям и измерениям: Сборник докладов. – С.-Петербург, 1998.  Т.1. – С.233 -235.

  11. Хакен Г. Принципы работы головного мозга: синергетический подход к активности мозга, поведению и когнитивной деятельности: Пер. с англ. – М.: ПЕРСЭ, 2001.

  12. Ярушкина Н.Г., Вельмисов А.П., Стецько А.А. Нечеткие гибридные системы в задачах интеллектуального анализа данных// Труды X-й Национальной конференции по искусственному интеллекту с международным участием. – М.: Физматлит, 2006.  Т.2. – С.408-415.

  13. Averkin A.N. Expert Oriented Fuzzy Logics Acquisition in Soft Computing Systems// Мягкие вычисления-96. Труды Международного семинара. – Казань, 1996. – С.15-19.

  14. Варшавский П.Р. Реализация метода правдоподобных рассуждений на основе прецедентов для интеллектуальных систем поддержки принятия решений// Труды X-й Национальной конференции по искусственному интеллекту с международным участием. – М.: Физматлит, 2006.  Т.1. – С.303-311.

с. 1