سیستم های خبره در پزشکی

مقدمه

سيســتم هاي خبره با هدف در دســترس قــرار دادن مهارت هاي افراد متخصص، براي افــراد غير متخصص طراحي

شده اند.

اين برنامه ها الگوي تفكر و شيوه ي عملكرد انسان را شبيه سازي مي كنند و باعث نزديكي عملكرد سيستم هاي خبره

با عملكرد انســان يا فرد خبره مي شــوند. تا كنون سيستم هاي خبره ي گوناگون در زمينه ي علوم پزشكي ارائه شده و از اين

حيث يكي از علوم پيشتاز مي باشد.

سیستمهای خبره در پزشکی

معمولا مدل عمومی تشخیص بیماری دراین سیستم ها به صورت زیر می باشد:

تشخیصà پژوهش وبررسیà علایم بیشتر à علایم

گام 2 و 3 ممکن است چندین بار تکرار شوند.

سیستم های خبره پزشکی :

سیستم های خبره پزشکی به نرم افزارهای کامپیوتری گفته می شود که برای

کمک به تشخیص های بالینی طراحی و ساخته شده اند.

این سیستم با استفاده از اطلاعات و دانش پزشکی به تشخیص عارضه های

گوناگون و تجویز توصیه های پزشکی برای بیماران اقدام می نمایند.

توجه:

این سیستم ها برای جایگزینی پزشکان طراحی نشده و تنها جهت یاری رسانی

به متخصصان علوم پزشکی در امر تشخیص بیماری ها بر اساس یکسری از

قواعد علمی و تجربی ارائه شده اند

مزایای استفاده از سیستم های خبره پزشکی:

} 1- عملکرد بالا

} 2- زمان پاسخگویی کامل و سریع

} 3- فابلیت اطمینان خوب

} 4- قابل فهم بودن

} 5- انعطاف پذیری

} 6- کاهش خطر

} 7- دوام و بقاء

} 8- وجود تخصص های چندگانه

برخی دلایل استفاده از سیستمهای خبره در پزشکی:

} 1- تخصص افراد زودگذر و فانی است : برای مثال : فرد ممکن است شغلش را

} تغییر دهد، مریض شود ، و مانند اینها ، ولی تخصص رایانه دایمی است.

} 2- تخصص فرد پایدار نیست : افراد متخصص می توانند تعطیلات و تفریح داشته باشند که همه اینها بر روی عملکرد طبیعی افراد به طور زیان اوری تاثیر گذار است. ولی رایانه ها ثبات دارند و همان خروجی را ارائه می دهند.

} 3- تخصص فرد جهت انتقال مشکل است : یک فرد نمی تواند در یک زمان در دو مکان حضور داشته باشد ، ولی تخصص رایانه قابل انتقال است.

} 4- تخصص فرد معمولا گران و هزینه بر است : حقوق پرسنلی خیلی بیشتر از هزینه سخت افزار و نرم افزار می باشد.

سیستم های خبره موجود در زمینه پزشکی :

} 1- نرم افزار DENDRAL در سال 1965 جهت شرح و بیان ساختار مولکولی ارائه داده شد.

} 2- نرم افزار MYCIN در سال 1967 جهت تشخیص یبماری های میکروبی ارائه داده شد.

} 3- نرم افزار PUFF برای تشخیص بیماری های ریوی

} 4- نرم افزار XBONE برای تشخیص امراض استخوان

} 5- نرم افزار VM برای نظارت بیماران نیازمند مراقبت های ویژه

} 6- نرم افزار CADCUCEUS برای تشخیص بیماری های مربوط به طب داخلی

ادامه سیستم های خبره موجود در زمینه پزشکی :

} ABEL تشخیص مواد اسیدی و الکترولیت ها

AI/RHEUM تشخیص بیماریهای خونی

} ANNAنظارت و انالیز درمانی

} BLUE BOX تشخیص و درمان افسردگی

} ONCOCIN درمان و اداره شیمی درمانی بیماران

} ATTENDING اموزش در امر مدیریت بیهوشی

} GUIDON اموزش در امر بیماریهای میکروبی

Dendral

} Dendral در دهه 1960 در دانشگاه استنفورد بوجود آمد. Dendral اولین سیستم خبره در جهان محسوب می شود . این سیستم تشخیص و شناسایی ساختار مولکولی از ترکیبات ناشناخته از طریق داده هاي طیف سنجی جرمی می باشد . در واقع یافتن ساختمان مولکولی یک جسم مرکب می باشد .

} Dendral براي استنباط ساختار بنیانی مولکول ها از فرمول هاي شیمیایی و با تکیه بر دانش وسیعی از تجزیه و روابط شیمیایی موجود در مولکول ها ، طراحی شده است . تعداد ساختار ها براي مولکول ها به دلیل گستردگی مولکولهاي بنیادي بسیار زیاد می باشد .

} Dendral در واقع یکی از نخستین برنامه هاي بزرگ بود که با جزئیات کامل به جمع آوري دانش پرداخته و این پروژه در توسعه سیستم هاي خبره بسیار مهم بوده است .

} زیرا Dendral اولین نرم افزار برنامه نویسی اکتشافی و تجربی بود که براي تجزیه و تحلیل در علوم تجربی به کار برده شد که این دانش در زمینه شیمی بوده است و مهم تر از همه اینکه این پروژه باعث شد تا تحقیقات اکتشافی تجربی با استفاده از برنامه نویسی اکتشافی گسترده شود .

عملکرد و پیاده سازی سیستم های خبره

} سیستم های خبره تشخیص بیماری برای رسیدن به نتایج صحیح ، قدم به قدم ، استدلال های یک پزشک خبره را تقلید می کنند که همان مفهوم Explan می باشد . امر بدیهی این است که سیستم های خبره نیاز به تعداد بسیار زیادی قوانین و حقیقت های علم پزشکی در زمینه بیماریها و شرایط بیماری دارند تا بتوانند نتیجه دقیقی ارائه دهند.

} برای پیاده سازی این سیستم ها از روش های نمادینی مانند درخت های تصمیم گیری ساده ، روشهای آماری / احتمالاتی و سیستم های خبره مبتنی بر قواعد توصیفی و الگوریتم های ژنتیک ویا حتی ترکیبی از این تکنیک ها استفاده می گردد.

} کاربرنهایی که با سیستم از طریق یک رابط کاربر در ارتباط بوده و امکان توضیح و یا رسیدن به هدف به صورت قدم به قدم را با موتور استنتاج سیستم دارد ، برای رسیدن به اهداف خود مانند درمان های پیشنهادی و غیره قسمت امکانات توضیح با موتور استنتاج ترکیب و توضیحات لازم را مشاوره و ارائه و یا بازخورد می نماید و در نهایت به نتیجه مورد نظر خواهد رسید.

} در نمودار و دیاگرام اسلایدهای بعدی نحوه تعامل کاربر و سیستم نمایش داده می شود.

Mycin

} MYCIN : اولین سیستم متخصص موفق جهان بود که در سال 1970 در دانشگاه استنفورد طراحی شد. هدف از ساخت این سیستم کمک به پزشکان در تشخیص بیماری‌های ناشی از باکتری بود. مشکل عمده در تشخیص بیماری برای یک پزشک آن است که تشخیص سریع و قاطع یک بیماری با توجه به تعداد بسیار زیاد بیماری موجود، عملی دشوار است.MYCIN با تشخیص دادن قاطع بیماری‌ها توانست که این نیاز را برآورده سازد.

} تا ابتدای دههٔ 1980 (م) کار چندانی در زمینهٔ ساخت و ایجاد سامانه‌های خِبره توسط پژوهش گران هوش مصنوعی صورت نگرفته بود. از آن زمان به بعد، کارهای زیادی در این راستا و در دو حوزهٔ متفاوت ولی مرتبط سامانه‌های کوچک خبره و نیز سامانه‌های بزرگ خبره انجام شده است.

} MYCIN یکی از اولین سیستم های خبره می باشد و طراحی اش نفوذ قدرتمندی در طراحی دیگر سیستم های خبره و پوسته های سیستم خبره داشت.

} MYCIN در دهه 70 در دانشگاه استنفورد طراحی شده بود. کارش تشخیص و توصیه درمان برای عفونت های خونی خاصی بود.

} MYCIN طراحی شده بود تا کشف کند چگونه انسان متخصص این حدس های سخت و اما مهم را بر مبنای اطلاعات جزئی می زند.

} ساختار سیستم MYCIN :

} سیستم MYCIN سه زیر برنامه را در بر می گیرد که در شکل زیر مشاهده میبینید. برنامه مشاوره هسته این سیستم است. این برنامه با پزشکان تعادل ایجاد کرده تا به اطلاعات بیماران دست یابد و سپس توصیه های درمانی و تشخیص خود را بدهد.

پیاده سازی سیستم خبره تشخیص بیماری های عفونی خونی :

} در علم پزشکی برای نتیجه و تشخیص بیماری ها نیاز به اطلاعاتی هست که از

} بیمار و یا همراهان با توجه به علائم و تغییراتی که باعث شده است به پزشک

} مراجعه کند به پزشک داده می شود و پزشک با علمی که در اختیار دارد و با

} بررسی محیط و با استفاده از وسایل و تجهیزات موجود در علم پزشکی و حتی

} مشاوره از دیگر تخصص های پزشکی بیماری را تشخیص می دهد و در نهایت

} به درمان بیماری می پردازد.

} در این مرحله از بیمار سوالاتی پرسیده می شود و با توجه به پاسخ بیمار ، بیماری را تشخیص داده می شود.به عنوان مثال با توجه به درخت پیاده سازی از بیمار سوال می شود.

راهنمای استفاده از درخت تصمیم گیری :

نتیجه گیری :

} در حقیقت MYCIN هیچگاه در عمل استفاده نشد! این کار بخاطر ضعف در عملش نبود در حالی که بارها توسط دانشگاه استنفورد امتحان شده بود.

} این بخاطر مسایل اخلاقی و اعمال قانونی برای استفاده کامپیوتر در پزشکی بود.

} اگر MYCIN تشخیصی اشتباه می داد چه کسی می بایست مورد باز خواست قرار می گرفت؟

توانمندی های هوش مصنوعی در پزشکی.

1:شناسایی وتشخیص بیماری:هنگامی که بیماری فرد پیچیده ونادر است یا تشخیص بیماری براساس بی تجربگی بوده سیستم میتواند در تشخیص به پزشک کمک کند

2:ذخیره وبازیابی اطلاعات در بانک اطلاعاتی

3:تشخیص وتفسیر تصاویر پزشکی:اکثر تصاویر پزشکی به صورت اتوماتیک تفسیر میشوند.از ساده ترین روش مانندx.ray تا پیچیده ترین انها مانندmri وانژوگرافی.مثلا سیستم میتواند تصاویر غیر طبیعی را برای متوجه نمودن فرد علامت دار کند.

4:طرح درمان وکنترل بیماری

سیستم میتواند ناسازگاریها وخطاها وازقلم افتدگیها در طرح درمانی موجود را جستجو کند یا میتواند یک طرح درمانی را بسته به شرایط خاص بیمار ارائه دهد.

سیستم های اموزشی وتشخیصی:

1:dxplain: این سیستم درسال 1987 در بیمارستان عمومی ماساچوست طراحی شد که در واقع تصمیمات کلینیکی را حمایت کرده ودر فرایند تشخیص کاربرد دارد.این سیستم به طور روتین در بیمارستان ها ودانشگاههای پزشکی استفاده میشود.روی این سیستم اطلاعات بیش از 2000 بیماری گنجانده شده است.

2:help system: مثالی از سیستم های اطلاعاتی مبتنی بر دانش میباشد که در سال 1980شروع به کار کرد این سیستم کارهای روتین his شامل مدیریت پذیرش وترخیص وثبت دستورات میباشد.همچنین در هوشیاری واخطار به پزشکان وتفسیر اطلاعات و تسهیل تشخیص بیماری کاربرد دارد.

سیستم های تخصصی اطلاعات ازمایشگاه :

این سیستم ها نتایج مربوط به بیماری ها رابه طو ر اتومتیک تفسیر ونتیجه مربوط به ان رااعلام می کنند.

1:puff: درسال 1977درمرکزپزشکی درسانفرانسیسکوطراحی شد که به هزاران وب سایت جهانی فروخته شد .این سیستم تفسیر اتوماتیکی ازازمایشگاه مربوط به بیماری های ریوی داردویک سیستم تخصصی پزشکی قدیمی است که هم اکنون مورداستفاده قرارمی گیرد.

2:peirs : سیستم گزارش دهی تخصصی تفسیر پاتولوژی به طور روزانه حدود 80تا 100 گزارش مربوط به بیماریها را تقسیر میکند.که حدود 95 درصد انها درست میباشد.

ازمایشات مربوط به تیروئید وگاهای خون شریانی وتست حمل گلوکزو... را گزارش دهی میکند

این سیستم دستورات پزشک را رسیدگی میکند بدون اینکه اطلاعات جمع اوری شده راتغییر دهد.

ازمایشات مورد نظر را ارزیابی میکند.

گزارشات ایجاد شده را برای پاتولوزیست خلاصه میکند.

گزارشهارا به صورت صحیح ارائه میدهد بصورتی که نیاز به هیچ گونه تغییر یا کنترل ندارند.

تازه های هوش مصنوعی در پزشکی.

1:پیش بینی زردی نوزادان پیش از تولد

2:هوش مصنوعی به جای پزشک در بخش مراقبتهای ویژه:

یک تیم مهندسی در شفیلد اعلام کرده درحال ساخت یک سیستم کامپیوتری هوشمند هستند تا همانند مغز یک پزشک بیماران بخش مراقبتهای ویژه را درمان کند.این سیستم بسیاری از حجم کاری گروههای فوریتهای پزشکی را از طریق کنترل نشانه های حیاتی بیمار انجام میدهد وسپس ان را ارزیابی ومقدار مناسب داروهای مختلف مورد نیاز را به بیمار میرساند.

3:طراحی نرم افزار کاهش دردهای نخاعی:

این نرم افزار راهکاری برای کاهش درد های نخاعی با استفاده از شبکه های عصبی دینامیک میباشد.مدل ارائه شده به بیان درد حاد میپردازد واز توصیف درد مزمن عاجز است .همچنین از این مدل برای کاهش درد با استفاده از تحریکات الکتریکی بکار میرود.

3:نرم افزار تشخیص هوشمند ناهنجاری ها در تصاویر پزشکی:

تصاویر پزشکی دارای رموز نهفته ای هستند که توسط افراد متخصص مربوطه تشخیص داده شده وتقسیر میشوند.این سیستم نرم افزاری قادر است از تجارب قبلی بهره گیری کرده وبا استفاده از تکنیکهای هوش مصنوعی , ناهنجاری ها رادر تصاویر پزشکی تشخیص دهد.واین سیستم تصاویر پزشکی را به همراه تشخیص های داده شده درباره انها ارائه میدهد.

4:تشخیص دیابت به کمک نرم افزارهای هوش مصنوعی.

اندازه گیری فشارخون با موس کامپیوتری

این ماوس می تواند از طریق یک حلقه کوچک (که معادل کاف یا همان بازوبند فشار سنجهای قدیمی است) فشار خون و نبض شما را اندازه گیری کند، شرکت CalHealth همراه این ماوس یک بسته نرم افزاری هم ارائه می دهد که می تواند داده های دریافتی از ماوس را روی کامپیوتر ذخیره کند یا آن را برای پزشکتان ارسال کند،همچنین می تواند تغییرات نبض و فشار خون شما را ارزیابی کند، نمودارهایی برای بررسی بهتر

رسم کند و یا میانگین چند روزه آن را محاسبه کند.

دستگاه تشخیص بیماری های پوست و مو

} درماتوسکوپی به معاینه ضایعات پوستی بادستگاه درماتوسکوپ می گویند . این دستگاه معمولا شامل یک بزرگ کننده تصویر ومنبع نوری غیر پلاریزه می باشد که اجازه بررسی ضایعه پوستی را به دور از انعکاسات مزاحم می دهد. کمک در تشخیص تومورهای پوستی ، از قبیل کارسینوم سلول بازال ، کارسینوم سلول سنگفرشی ، سیلندروما ، درماتو فیبروما ، آنجیوما ، کراتوزسبوروییک ، و خیلی از تومور های پوستی شایع دیگر نیز یافته های کلاسیک درماتوسکوپی دارند

آینده سیستم های خبره پزشکی:

نرم افزارهای هوشمند کار تشخیص سریعتر بیماری را به عهده میگیرند اما کار این نرم افزارها همین جا به پایان نمیرسد. بعد از تشخیص و مراجعه بیمار به پزشک مربوطه، پزشک نسخه بیمار را بر روی تبلتی که در اختیار دارد می نویسد. متن نوشته شده بر روی این تبلت توسط نرم افزار مذکور در اختیار تمامی داروخانههای مجهز به این سیستم فرستاده میشود. پزشک یک کد رهگیری در اختیار بیمار قرار میدهد که بیمار با مراجعه به داروخانههای میتواند داروهایش را دریافت کند. به دلیل استفاده از نرم افزار هوشمند، لزومی ندارد که متصدی داروخانه به اصول نسخه خوانی آشنایی داشته باشد.

نتیجه گیری:

} با توجه به طیف وسیع ذینفعان در حوزه بهداشت ، تکنیک های سیستم های خبره لزوما تغییرات اساسی نموده است و در انجام این کار ، سازندگان سیستم های متخصص مراقبت سلامت باید دیدگاه های ذینفعان برای سنجش محتوای توضیح ، نوع تعامل و مکانیزم دسترسی را ممکن سازند.

منابع وماخذ:

طراحی یک سیستم خبره برای تشخیص و پیشنهاد در مورد شیوه درمان سرطان خون – عباس طلوعی اشلقی ، سوده محسن طاهری – 1389
سیستم های خبره – معصومه خانی ولوجردی
معرفی سیستم های خبره و کاربرد آن در پزشکی – احمدعبداله زاده
www.ehow.com
http://narenji.ir

ارائه دهندگان : علی طاهری وماریه مطلبی

سیستم های خبره در پزشکی

مطالب مشابه :

سیستم های خبره و کاربرد آن در پزشکی

سیستم های خبره در پزشکی

کاربرد سیستم های خبره

کاربرد علم فیزیک در پزشکی

سیستم‌های خبره (Expert Systems)

سيستمهاي خبره و كاربرد آنها

سیستم خبره