Использование автоматных моделей в клинических системах поддержки принятия решений
Привет, Хабр! Я – аспирант Университета ИТМО и вхожу в научную группу, которая занимается использованием искусственного интеллекта в медицине. Этим занимаются многие, но у нас есть, в том числе, и своя фишка – использование автоматных моделей в медицине. Я хочу немного рассказать об этом.
Системы поддержки принятия решений (СППР) (англ. Decision Support System, DSS) набирают популярность в современной медицине. Основной целью таких компьютерных систем является помощь людям, принимающим решение в сложных условиях для полного и объективного анализа предметной деятельности.
Медицинские СППР в статьях называют CDSS, добавляя слово «clinical» и получая Clinical Decision Support System – Клиническая система поддержки принятия решений. Данные системы направлены, в первую очередь, на помощь в назначении процедур и лекарств при лечении и реабилитации пациентов.
В медицинских процессах довольно большой объем действий строго ограничен клиническим протоколом. Понять и простить его довольно сложно не только обычному человеку, но и не очень опытному медперсоналу. Поэтому задача о структурировании этого протокола для упрощения взаимодействия с ним является довольно востребованной.
На картинке – фрагмент клинического протокола из официального документа Министерства здравоохранения РФ «Клинические рекомендации: рассеянный склероз» с интересным названием «Алгоритм ведения пациента с обострением РС».
Если кому-то интуитивно понятно, что нужно делать в случае, когда после применения плазмафереза есть эффект, то он определенно что-то знает об этой жизни и не только. То есть основная проблема этих протоколов в том, что почти у каждой стрелочки возникает вопрос «а что, если не так?». В силу этой проблемы в сыром виде использовать клинические протоколы без непосредственного участия высококлассного специалиста не представляется возможным.
Понятно, что можно повысить эффективность медицинских процессов, если ради толкования строго регламентированных процессов не придется каждый раз дергать врача и, например, выдачу лекарств переложить на младших медработников, которым будет помогать СППР. На всякий случай поясню: во многих клинических процессах даже выбор лекарств строго зависит от численных результатов анализов, и врач не может просто взять и назначить что-то другое, просто потому что захотел.
Теперь, зная масштаб проблемы, вернемся к автоматным моделям. Данный пост рассчитан на то, чтобы показать, почему использование автоматных моделей при разработке СППР на самом деле не только оправдано, но и интуитивно логично.
Начнем с самого простого: в автомате есть множество состояний и множество переходов, ровно также и у пациента есть состояние. В предыдущем предложении слова «состояние» ни что иное, как омонимы. Более того, человек не может быть одновременно и жив, и мертв, а значит, что, как и в случае с автоматом, состояние в момент времени у человека ровно одно. Почему бы их не попытаться сопоставить друг другу?
Так как автоматную модель мы собираемся использовать в СППР, да еще и для реализации клинического протокола, использовать имеет смысл именно Детерминированные Конечные автоматы. Давайте рассмотрим свойства такой модели и убедимся, что они очень похожи на необходимые свойства требуемой системы.
Как оказалось, просто загуглить «свойства детерминированного конечного автомата» не получается, так как в явном виде их никто не формулирует – возможно, потому что эти свойства слишком очевидны, возможно, никому не интересны. Тем не менее, выделим два довольно полезных для обсуждаемой темы:
- Условия переходов из каждого состояния ортогональны физически.
- Функции логической дизъюнкции, описывающие такие переходы, тождественно равны единице.
Давайте разберемся, что нам это дает. В случае с первым условием пациент, например, не может одновременно находиться в разных стадиях обострения. Или нельзя, например, одновременно дать пациенту лекарство и не дать. Второе свойство гарантирует, что весь спектр действий, предложенных в текущем состоянии, покрывает множество всех вариантов полностью, что поможет избежать ситуации, описанной ранее про «после применения плазмафереза есть эффект», то есть, независимо от входной последовательности автомата/работы с пациентом, мы всегда будем знать следующее состояние.
Ну и финальный явный плюс применения автоматной модели – это, конечно же, огромное многообразие средств верификации, которые, в свою очередь, при правильном применении дают гарантию того, что если модель автомата составлена верно, то после интеграции в систему она будет работать корректно всегда.
В заключение хочется отметить, что, несмотря на описанные предпосылки, интеграция автоматной модели – не настолько простой процесс, как хотелось бы. Например, необычные случаи течения болезни не всегда описаны в клиническом протоколе и требуют умственной деятельности со стороны специалиста, однако все «глупые» вещи можно с чистой совестью оставить для СППР!