КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

 

ОБЩИЕ СВЕДЕНИЯ


Номер проекта 24-21-00392

НазваниеМетоды и модели кооперативных самонастраивающихся гибридных интеллектуальных систем персонализированной диагностики и прогнозирования в медицине

Руководитель Румовская София Борисовна, Кандидат технических наук

Организация финансирования, регион федеральное государственное учреждение "Федеральный исследовательский центр "Информатика и управление" Российской академии наук" , г Москва

Конкурс №89 - Конкурс 2023 года «Проведение фундаментальных научных исследований и поисковых научных исследований малыми отдельными научными группами»

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-201 - Искусственный интеллект и принятие решений

Ключевые слова гибридная интеллектуальная система, интеллектуальная система поддержки принятия решений, самонастройка, кооперация, течение заболевания, диагностика, оценка тяжести состояния, прогнозирование в медицине

Код ГРНТИ28.23.20


 

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ


Аннотация
В неоднородной проблемной среде диагностики и прогностики в медицине, технике и т.д. представления об объекте и процессе как гетерогенной целостной системе не завершены в теории и не стали картиной мира узкопрофессиональных специалистов, которые на практике имеют недостаточно времени для охвата всех аспектов теории. Принятие решений в условиях ограниченности ресурсов, неоднозначности оценки ситуации, большого объема и разнообразия перерабатываемой информации об объекте сопровождается серьезными ошибками и рисками. Необходимы технологии виртуализации принятия решений, пронизывающих все сферы человеческой деятельности. Разнообразие мнений, дополнительность и сотрудничество (кооперация) знаний присущи малым коллективам (команды, консилиумы), которые лучше решают практические проблемы, непреодолимые для людей порознь и включающие задачи, каждая из которых должна решаться специалистом соответствующей области знаний. Примеры подобных проблем — проблемы медицинской диагностики (оценки тяжести состояния) и прогнозирования течения заболевания и его исходов — особенно заболеваний с разнообразной и непредсказуемой клинической картиной, например, острый панкреатит (ОП). Причем участие коллектива специалистов — не всегда тривиальная задача даже в стационаре. Таким образом, актуально исследование методов коллективного решения проблемы персонализированной оценки тяжести и прогнозирования состояния пациента (ПОТ ПСП) как гетерогенной системы, а также их моделирование в парадигме гибридных интеллектуальных систем (ГиИС), комбинирующих различные методы искусственного интеллекта и отображающих функциональную и инструментальную структуры решаемой проблемы, области её однородных параметров, представленных множеством однородных задач, решаемых специалистами разных профилей. При этом отношения сотрудничества в коллективах устанавливаются двух типов: «лицо, принимающее решения (ЛПР)–специалист» и «специалист–специалист». Последний важный тип отношений обычно опускается при моделировании работы коллектива. Также частные заключения специалистов могут быть противоречивы, тогда ЛПР либо их интегрирует (разрешая противоречия, если возможно), либо изменяет состав коллектива. Поэтому для повышения качества ПОТ ПСП в рамках проекта предлагается разработка нового класса интеллектуальных систем — кооперативных самонастраивающихся ГиИС (КСГиИС) «Виртуальные консилиумы персонализированной оценки тяжести и прогнозирования состояния пациентов» (ВК ПОТ ПСП) на примере ОП, интегрирующие разнородные модели гибридного интеллекта (трансформационную «нейро-нечеткая ANFIS–прецедентная экспертная система» и функциональную) и моделирующие сотрудничество индивидуальных решений и выработку коллективных решений в реальных консилиумах врачей во главе с ЛПР с учетом возможных противоречий в частных заключениях их разрешением или реконфигурированием структуры системы (самонастройка) персонализированно ситуативно в зависимости от проявляющейся симптоматики с интерпретацией всех решений. Научная новизна проекта заключается в разработке методов, моделей и алгоритмов нового класса интеллектуальных систем — КСГиИС, что позволит обобщить теоретические, методологические и технологические знания о коллективном интеллекте диагностики и прогностики в медицине, а также создать методологию и технологию построения самонастраивающихся искусственных кооперативных интеллектуальных коллективов, которые обеспечат своевременное выявление и прогнозирование тяжелых состояний и осложнений ввиду системного подхода и к объекту, и к анализу и моделированию процессов коллективного принятия диагностических и прогностических решений, а также к пониманию этиологии и патогенеза заболевания. Практическое значение КСГиИС — в раннем выявлении тяжелых состояний и возможного развития системных и местных осложнений, а также в повышении качества прогноза, и, как следствие, лечения. Отдельные модели ВК ПОТ ПСП могут быть использованы для автономного решения задач в медицине.


 

ОТЧЁТНЫЕ МАТЕРИАЛЫ


Аннотация результатов, полученных в 2024 году
Проект направлен на разработку методов, моделей и алгоритмов кооперативных самонастраивающихся гибридных интеллектуальных систем с целью повышения эффективности и качества решения проблем диагностики и прогнозирования в медицине в условиях существенного разнообразия, неоднородности, неопределенности информации о самом объекте (организм человека, его системы и подсистемы) и об этиологии и патогенезе заболеваний, а также гетерогенности процессов коллективной выработки решений. В рамках первого года выполнения проекта был проведен системный анализ существующих подходов к разработке интеллектуальных систем поддержки принятия решений (ИСППР) в медицине, их особенностей и проблем. Результаты представлены в аналитическом обзоре, включающем: описание особенностей предметной области, влекущих разнообразие направлений медицинских исследований пациента, изменяющих и осложняющих клиническую картину, а также процесс персонализированной оценки состояния пациента (как диагностической, так и прогностической), и, как следствие, осложняющие разработку и внедрение ИСППР при диагностике и прогнозировании в медицине; описание ряда проблем (барьеров, горячих точек) в разработке медицинских интеллектуальных систем, в том числе интеллектуальных систем поддержки принятия врачебных решений; аналитический обзор отечественных и зарубежных публикаций за последние 10 лет в научной литературе по теме ИСППР в медицине, разработанных с применением искусственных нейронных сетей, глубокого обучения, ансамблевых методов, логистической регрессии, экспертных систем и гибридных интеллектуальных систем разной архитектуры. Проведено исследование проблемной среды персонализированной оценки тяжести и прогнозирования состояния (ПОТ ПС) организма пациента на примере острого панкреатита, а также особенностей и проблематики выработки коллективных и индивидуальных решений в ходе оценки состояния пациента, в рамках которого: 1) исследованы особенности поджелудочной железы как сложного органа, относящегося сразу к двум системам – эндокринной и пищеварительной; 2) исследованы особенности и проблемы оценки состояния поджелудочной железы относительно развития заболевания «острый панкреатит», влияние работы поджелудочной железы на организм в целом, а также особенности клинического течения заболевания, его возможные осложнения и исходы; 3) исследованы процессы персонализированной оценки тяжести и прогнозирования состояния организма пациента и применяемый инструментарий (шкалы; инвазивные, малоинвазивные и неинвазивные методы), а также определен состав участников (врачей разной специализации). Результаты представлены в аналитическом обзоре, который также содержит: 1) множество функциональных моделей ПОТ ПС пациента относительно острого панкреатита, описание информационной модели в общем виде на теоретико-множественном уровне и множество общих схем динамических моделей, разработанных с помощью медицинского алгоритмического языка ДРАКОН; 2) концептуальную модель консилиума врачей и схему концептуальных моделей проблемы ПОТ ПС пациента, которая легла в основу идентификации и стратификации исследуемой проблемы. Проведена редукция проблемы ПОТ ПС сложного объекта – организма пациента, его систем и подсистем. Предложен метод редукции как адаптация для проблем типа ПОТ ПС пациента метода редукции проблемы вширь и вглубь, основанного на знаниях. Метод был применен к исследуемой проблеме на базе клинических рекомендаций, инструкций и методических указаний по острому панкреатиту, а также на базе результатов извлечения знаний врачей разной специализации. Для задач из полученной декомпозиции ПОТ ПС пациента разработана схема концептуальных моделей в терминах аксиоматической теории ролевых концептуальных моделей Колесникова А.В. и языка исчисления предикатов первого порядка. Для всех задач описаны цели, классы переменных, информационно-управляющие отношения декомпозиции, классы задач и определены языки профессиональной деятельности. Последний результат первого года выполнения проекта – соответствие, установленное на множествах «классы методов формализованного представления систем (МФПС)» и «задачи» как результат системного анализа МФПС, их преимуществ и недостатков относительно особенностей функциональных и технологических задач из декомпозиции ПОТ ПС. Для получения этого результата было проделано следующее: - исследование функциональной неоднородности проблемы ПОТ ПС СО. Из схем концептуальных моделей функциональных и технологических задач декомпозиции проблемы извлекалась информация о классах переменных, а также знания о типах отношений, заданных на множествах переменных. Таким образом, разнообразие и терминологическая неоднородность сводились к исследованию переменных и отношений. Затем данная информация представлялась графически с нанесением информационно-управляющих отношений в соответствии с декомпозицией и анализировалась. Здесь выявлялись области функциональной неоднородности такие, что классы переменных задач из них различны, а внутри области все задачи оперируют переменными одного и того же класса, на множестве которых помимо однородных должны быть установлены неоднородные информационно-управляющие отношения декомпозиции; - исследование особенностей декомпозиции проблемы, в ходе которого выявлялись особенности субъекта решения проблемы и получения им решения, специфика знаний субъекта, процесса сбора выборок данных и требуемых их характеристик для решения тех или иных задач, а также формировалось множество классов базисных методов для решения однородных задач из декомпозиции проблем подобных ПОТ ПС; - анализ отечественных и зарубежных работ за последние 10 лет по отобранным базисным классам МФПС с выделением их основных преимуществ и недостатков; - выбор методов решения задач из декомпозиции проблемы и анализ инструментальной неоднородности проблемы по трехквадрантной матричной информационной модели, содержащей знания «метод–характеристика», «задача–характеристика» и «задача–метод». Каждая задача относилась не к конкретному инструментарию, а к их классу с учетом его плюсов и минусов, что упрощает впоследствии выбор метода внутри класса. При этом учитывались общие, качественные характеристики методов, чтобы обеспечить требуемую функциональность кооперативных гибридных интеллектуальных систем (КСГиИС) в целом. Инструментальная неоднородность определялась как свойство проблемной среды, возникающее вследствие вариативности методов из классов базисных методов, применяющихся для решения однородных задач из декомпозиции проблемы. - проверка наличия «белых пятен», т.е. задач, для которых не удалось идентифицировать класс методов их решения. При наличии таковых был бы необходим синтез и тестирование мелкозернистой ГиИС из набора инструментальных средств (зерен) метода-потомка, лишенного родительских недостатков (гибрида внутри гибрида).

 

Публикации

1. Румовская С.Б., Листопад С.В., Лучко А.С. Study of functional and instrumental heterogeneity of the problem of assessing the patients’ body state 6th International Conference on Control Systems, Mathematical Modeling, Automation and Energy Efficiency SUMMA-2024. Lipetsk: IEEE., P. 724-730 (год публикации - 2024)
10.1109/SUMMA64428.2024.10803724

2. Румовская С.Б. Интеллектуальные системы поддержки принятия решений в медицине: понятие, проблемы, подходы к разработке Системы и средства информатики. Федеральный исследовательский центр "Информатика и управление" РАН (Москва)., Т. 34. №.2. С. 107–122. (год публикации - 2024)
10.14357/08696527240208

3. Румовская С.Б., Парамзин Ф.Н. Кооперативные самонастраивающиеся гибридные интеллектуальные системы персонализированной диагностики и прогнозирования в медицине: концепция, подход к разработке, декомпозиция проблемы Системы и средства информатики. Федеральный исследовательский центр "Информатика и управление" РАН (Москва)., Т. 34. №.4. С. 59-72. (год публикации - 2024)
10.14357/08696527240405


Аннотация результатов, полученных в 2025 году
Проект направлен на разработку методов, моделей и алгоритмов кооперативных самонастраивающихся гибридных интеллектуальных систем «Виртуальных консилиумов персонализированной оценки тяжести и прогнозирования состояния пациентов» (ВК ПОТ ПСП) с целью повышения эффективности и качества решения проблем диагностики и прогнозирования в медицине. В рамках второго года проекта велась разработка инструментальной среды ВК ПОТ ПСП на примере острого панкреатита (ОП). Разработано гетерогенное модельное поле (ГМП) виртуального консилиума, включающее разнородные функциональные и технологические модели выработки решений относительно проблем персонализированной оценки тяжести состояния и определения направления развития заболевания (функциональная гетерогенная модель) и проблемы прогнозирования исходов заболевания (трансформационная модель) с обоснованием результатов. Поскольку трансформационная модель включает базу прецедентов, предварительно был проведен системный анализ подходов к разработке систем поддержки принятия решений (СППР) на основе прецедентов. Результаты представлены в аналитическом обзоре, включающем: описание основных понятий методологии рассуждений на основе прецедентов; анализ подходов к представлению прецедентов, разновидностей мер сходства, методов извлечения, адаптации, оценки и пересмотра прецедентов, а также подходов к разработке СППР на основе прецедентов (работы 2016–2024 гг.), в том числе в медицине. Разработанные технологические модели – генетические алгоритмы (ГА) оптимизации набора показателей состояния здоровья для прогнозирования исходов ОП и оценки направления развития заболевания относительно полиорганной недостаточности (ПОН). ГА модели исключают из рассмотрения избыточные и взаимозависимые показатели, что повышает эффективность и качество принятия решения. Множество разработанных функциональных моделей ГМП включает: 1) модульную нейро-нечеткую ANFIS прогнозирования исходов острого панкреатита (панкреатической инфекции и летального), которая позволяет обеспечить формализацию нечеткости в рассуждениях врачей; 2) прецедентную экспертную систему (ЭС), которая интерпретирует прогноз ANFIS и включает базу прецедентов и фреймово-продукционную базу знаний. ЭС объединяет преимущества применения продукций и фреймов – наглядность, гибкость, модульность, наследование свойств, использование процедурных привязок и легкость внесения изменений; 3) искусственную нейронную сеть, решающую задачу оценки возможного развития ПОН – позволит своевременно начать адекватное лечение и снизить риск осложнений; 4) девять нечетких систем, решающих задачи определения этиологии, диагностики недостаточности систем организма (дыхательной, сердечно-сосудистой, центральной нервной системы, выделительной и пищеварительной), а также диагностики ранних и поздних осложнений, определения масштаба, характера и локации некроза; 5) пять продукционных ЭС, решающих задачи подтверждения ОП, первичной и интегральной оценки тяжести состояния, развития ПОН и комплексной оценки состояния и формирования итогового заключения. Проведен системный анализ подходов к интеграции решений в естественных и в искусственных коллективах, в рамках которого исследованы: основные понятия и особенности интеграции решений в коллективах; подходы к интеграции решений в естественных коллективах, в том числе в консилиумах, с учетом стадии их применения в соответствии с моделью ромба группового принятия решений С. Кейнера; понятие сплоченности, ее проблемы, влияние на результаты интеграции мнений и ее наиболее известные модели; теории и модели, связанные с развитием ценностно-ориентационного единства, которое напрямую влияет на эффективность механизмов интеграции решений специалистов; подходы к автоматизированной и автоматической интеграции решений в искусственных коллективах. Разработан алгоритм синтеза и реконфигурации над гетерогенным модельным полем метода персонализированной оценки тяжести и прогнозирования состояния пациента, результат работы которого – описание ситуативной функциональной структуры виртуального консилиума. Алгоритм моделирует деятельность лица, принимающего решение, по организации консилиума, по взаимодействию с врачами узкой специализации и по принятию окончательного решения. В рамках второго года также была разработана функциональная структура инструментальной среды ВК ПОТ ПСП таким образом, чтобы выполнялись требования: модульность и гибкий алгоритм оценки и прогнозирования состояния пациента; гибкий многооконный интерфейс пользователя для конкретного пациента; ГМП как библиотека моделей виртуального консилиума. Алгоритм и интерфейс отвечают запросам пользователя в зависимости от диагностической ситуации, для описания общих характеристик которой есть свой интерфейс. В рамках данной работы в соответствии с результатами исследования проблемы в 2024 году, а также рекомендациями по диагностике и лечению острого панкреатита, методическими указаниями и научными исследованиями разработаны: база данных для хранения историй болезни пациентов; схемы обработки информации консилиумом и схема действий пользователя (врача) при получении консультаций от виртуального консилиума, моделирующего работу коллектива над проблемой; пользовательские интерфейсы для инструментальной среды. Работы по имитации элементов виртуального консилиума на ЭВМ велись средствами MATLAB R2023b (разработаны все ГА, ИНС, НС, а также ANFIS) и Python версии 3.11 (все ЭС с помощью библиотеки PyKE). Лабораторная апробация архитектурных решений инструментальной среды ВК ПОТ ПСП выполнена на материалах Центральной городской клинической больницы. В рамках экспериментов с методами и моделями ВК ПОТ ПСП проведено исследование качества работы каждой модели ГМП, а также качества интегрированных моделей, синтезированных инструментальной средой. По результатам экспериментов было сделано заключение о релевантности работы интегрированных моделей, и методики применения виртуальных консилиумов реальной ситуации: верное решение получено в 93% случаев.

 

Возможность практического использования результатов
Результаты проекта создают фундаментальный научно-технологический задел для развития отечественных интеллектуальных медицинских систем. Практическое использования методов и моделей кооперативных самонастраивающихся гибридных интеллектуальных систем позволит повысить доступность и качество медицинской помощи за счет обеспечения экспертного уровня диагностики и прогнозирования в медучреждениях любого уровня, в том числе в удаленных регионах, где нет узких специалистов (в фельдшерско-акушерских пунктах, амбулаториях, медико-санитарных частях), а также снизить смертность и инвалидизацию ввиду ранней и точной диагностики, особенно при острых состояниях, которая обеспечит своевременное начало корректного лечения. Виртуальный консилиум поддержки принятия врачебных решений как интеллектуальный ассистент снизит когнитивную нагрузку на врача и минимизирует риск субъективных ошибок. Отдельные модели могут быть внедрены как автономные сервисы (например, как модули для телемедицинских консультаций, как автоматизированные триаж-системы, как модули для предиктивной аналитики в электронной медкарте). Оптимизация диагностического процесса и прогнозирование исходов позволят снизить сроки госпитализации, избежать ненужных дорогостоящих исследований и неэффективного лечения, что уменьшит финансовую нагрузку на систему ОМС и бюджеты. Методы и модели, а также инструментальная среда, разработанные в рамках проекта – основа для создания коммерческого продукта отечественного программного комплекса класса систем поддержки принятия врачебных решений. Проект стимулирует развитие отечественных компетенций и рынков в сфере искусственного интеллекта в медицине и здравоохранении. Методология и наработки проекта могут быть тиражированы в образовательные курсы и магистерские программы по направлению «Искусственный интеллект в здравоохранении».