Expert system "comprehensive multidiscipline rehabilitation (innovative sketch model)"

Full Text

Текущей особенностью комплексной многопрофильной реабилитации как сферы научной и практической деятельности является её нормативно-правовая, организационно-методическая, концептуально-теоретическая неопределённость [1, 2]. Подтверждением этому ― диагностическая несостоятельность, отсутствие общепризнанной теории, хаотичность используемых данных, дефицит профессионально подготовленных реабилитологов. Перечисленные характеристики являются прямым показанием для привлечения экспертных систем в качестве технологических основ робастных моделей принятия решений, позволяющих приходить к правдоподобным выводам при отсутствии или ошибочности исходных данных [3].

Экспертные системы являются одним из методов техники использования знаний специалистов в определённой проблемной области для принятия экспертных решений. Классическим вариантом архитектуры экспертной системы является совокупность следующих компонентов:

1) база знаний;

2) машина вывода;

3) модуль извлечения знаний;

4) система объяснения (интерфейс).

База знаний содержит знания или предположения специалиста о данных, используемых по определённым правилам для экспертного заключения.Эти правила (правила продукции) являются средством отображения неформализованных знаний (т.е. личного мнения специалиста) в виде семантического формата типа «если, и/или», а также «то, а иначе». Таким образом, специалист может восполнить дефицит необходимой исходной информации путём использования предположений на основе своего опыта работы и знаний.

Машина вывода, более точно ― машина логического вывода, представляет собой совокупность методов правдоподобного вывода от данных к заключению («прямая цепочка рассуждений») или от некой гипотезы к сбору данных в её пользу или для её опровержения («обратная цепочка рассуждений»). Возможен и вариант «косвенной цепочки рассуждений» как сочетания вышеуказанных приёмов.

Модуль извлечения знаний представляет процедуру перевода знаний специалиста в программно-машинную форму. Система объяснений (интерфейс) как составная часть экспертной системы обеспечивает возможность её диалога с человеком (специалистом в данной области знаний и практической работы).

Несостоятельность предпринимавшихся ранее попыток статистического моделирования динамики «инвалидности» путём линейной экстраполяции статистических событий прошлого в будущее, неструктурированность статистической среды «инвалидности и агнозия» факторов и условий генезиса «инвалидности» обусловливают необходимость разработки современных технологий использования знаний причинно-следственной и стохастической природы в сфере комплексной многопрофильной реабилитации. По существу, речь идёт о переходе от информационных моделей типа «чёрного ящика» к моделям типа «знания + вывод = система». Оставляя проблемы построения модуля извлечения данных и «системы объяснений интерфейса» вниманию специалистов в области программного обеспечения, сосредоточимся на вопросах «ядра экспертной системы», состоящего из «базы знаний» и «машины логичного вывода».

В качестве основы для форматизации «базы» знаний в сфере комплексной многопрофильной реабилитации можно использовать модели систем Mycin и Jnternist. Формат «базы знаний» может быть представлен двумя блоками данных.В первом блоке данных отображаются такие позиции, как:

1) название предметного анализа (инвалидность; индивидуально-средовой реабилитационный потенциал);

2) априорная вероятность (р) наличия анализируемого предмета у произвольно взятого освидетельствуемого из той или иной популяции;

3) число привлекаемых факторов и/или условий для принятия решения (подтверждающих или опровергающих это решение);

4) трёхэлементная характеристика привлекаемых факторов и/или условий, включающая референтный номер фактора и/или условия, вероятность его наличия в контексте рассматриваемого предмета анализа, вероятность его наличия вне контекста рассматриваемого предмета анализа.

Во втором блоке данных, касающегося привлекаемых факторов и/или условий, отображаются:

1) порядковый номер фактора и/или условия из всего их перечня;

2) название (имя) фактора и/или условия;

3) возможный вопрос к исследователю экспертной системы (специалисту или освидетельствуемому) для определения реального наличия фактора и/или условия в конкретной ситуации.

Иллюстрацией вышеизложенного (в качестве примера) является следующая информационная конфигурация:

• инвалидность (название предмета анализа);
• вероятность наличия инвалидности у случайно выбранного человека (например, 0,7);
• число привлекаемых факторов и/или условий (например, три: наличие анатомо-морфологических дефектов/деформаций; нарушение повседневной жизнедеятельности; необходимость социальной защиты);
• вероятность наличия привлекаемого фактора и/или условия при инвалидности (например, «выраженный анатомический дефект» при инвалидности вследствие травмы на производстве равняется 1,0, но вероятность нарушения повседневной жизнедеятельности не столь очевидна безотносительно самого дефекта и может быть на уровне 0,5; ещё менее определённо, в пределах, например, 0,3, можно говорить о связи между анатомическим дефектом и необходимостью социальной защиты, учитывая отсутствие нормативно-правового и методического определения термина «социальная защита»).

Эти же факторы и/или условия вне контекста инвалидности могут оцениваться совершенно иным образом. Например, вероятность и «выраженность анатомического дефекта» определяется статистическими показателями возможности таких исходов при различных травмах. Следовательно, эксперт должен располагать соответствующей информацией.

Аналогичным образом формируется информационная матрица относительно и двух других факторов и/или условий, представленных выше.

Что же касается индивидуально-средового реабилитационного потенциала, то формат его данных включает в себя показатели «биосоциального развития» индивида: уровни физико-соматического развития, функциональной выносливости, эмоционально-волевой устойчивости; структуру потребностей; круг интересов; уровень притязаний; социальный статус, социально-ролевую функцию, социально-векторную направленность.

Объективизация вероятностных решений (выводов) обеспечивается основными положениями теории вероятностей, правилами определения эквивалентов операций «И», «ИЛИ», «НЕ», использованием коэффициентов уверенности Шортлиффа, приёмами вычисления относительного правдоподобия конкурирующих гипотез исходя из силы свидетельств.

Вышеизложенное не исключает возможности использования других вариантов экспертных систем (например, методов классической статистики, методов распознавания образов), но может являться предпосылкой к разработке экспертных систем в сфере комплексной многопрофильной реабилитации с целью получения вероятностно-целевых индикаторов динамики инвалидности и эффективности используемых реабилитационных социально-биологических технологий.

Конфликт интересов. Авторы данной статьи подтвердили отсутствие конфликта интересов, о котором необходимо сообщить.

Финансирование. Исследование не имело спонсорской поддержки.

Участие авторов. Все авторы внесли существенный вклад в проведение исследования и подготовку статьи, прочли и одобрили финальную версию до публикации.

About the authors

Anatoliy I. Osadchikh

Federal Bureau of Medical and Social Expertise of the Ministry of Labor of Russia

Author for correspondence.
Email: and6400@yandex.ru

MD, PhD, Professor

Russian Federation, 3 Ivana Susanina street, 125040, Moscow

Mikhail A. Dymochka

Federal Bureau of Medical and Social Expertise

Email: dmochka@fbmse.ru
ORCID iD: 0000-0002-0617-5093

MD, PhD

Russian Federation, 3 Ivana Susanina street, 125040, Moscow

Sergey P. Zapariy

Main Bureau of Medical and Social Expertise in Moscow

Email: zapariy.sp@mse77.ru
ORCID iD: 0000-0002-4636-1130

MD, PhD, Professor

Russian Federation, Moscow

Irina V. Fedorova

Main Bureau of Medical and Social Expertise in Moscow

Email: irinavit-na@mail.ru
ORCID iD: 0000-0002-0733-3954
Russian Federation, Moscow

Anastasia G. Samysenko

Main Bureau of Medical and Social Expertise in Moscow

Email: agsamusenko@yandex.ru
ORCID iD: 0000-0002-9646-1092
SPIN-code: 9684-6257
Russian Federation, Moscow

Sergey N. Puzin

Russian Medical Academy of Continuous Professional Education

Email: s.puzin2012@yandex.ru
ORCID iD: 0000-0002-9711-3532
SPIN-code: 2206-0700
Russian Federation, Moscow

Dmitry Y. Shestakov

Department of Orthopedics and Complex Trauma of the Moscow Clinical Research Center named after A.S. Loginov

Email: and6400@yandex.ru

PhD

Russian Federation, Moscow

References

Supplementary files