1. Структуризация проблем

 Чтобы передать знания компьютеру, нужен общий язык, характеризующий конкретную предметную область. Удобен язык признаков (или характеристик), описывающих объект исследования. Таким объектом при построении баз медицинских знаний является больной, обратившийся к врачу с жалобами на боли. Признаки или характеристики в данном случае описывают состояние больного: локализация болей, их характер, иррадиация, частота пульса, артериальное давление, температура и т.д.

Как определить перечень признаков, адекватно представляющий состояние объекта исследования? Для этой цели разработана человекомашинная процедура АРИАДНА , которая имитирует диалог по телефону между неопытным специалистом, находящимся рядом с объектом исследования и проводящим измерения, и экспертом, находящимся далеко от объекта. Диалог строится таким образом, что компьютер задает вопросы эксперту, использует его ответы для постановки новых вопросов и т.д. Приведем пример такого диалога.

Компьютер: Вас просят помочь в постановке диагноза. Начинающий врач сообщает вам по телефону, что пациент без сознания и что подозревается диабетическая кома. Каким будет ваш первый вопрос?

Эксперт: Начало заболевания — постепенное или внезапное?

Компьютер: А что более характерно для диабетической комы?

Эксперт: Постепенное начало.

Компьютер: Предположим, что начало было постепенное. Каким будет ваш следующий вопрос?

В ходе диалога эксперт называет признаки и их возможные значения, упорядочивает признаки по характерности для данного заболевания, решая привычные для себя задачи постановки диагноза.

В системе АРИАДНА использованы идеи «диагностических игр», предложенные И.М. Гельфандом .

Итак, при подобном подходе процедуры структуризации могут быть представлены следующим образом. Компьютер ставит вопросы эксперту, приглашая его классифицировать объект исследования и называть один за другим признаки, используемые при классификации и их возможные значения для каждого класса решений.

Результатом этого этапа является совокупность признаков, необходимая для полной классификации объектов определенного типа, все возможные значения этих признаков, а также перечень классов решений.

2. Классификация состояний объекта исследования

 Представленные выше характерные особенности экспертных знаний позволяют считать адекватным способом получения информации от эксперта тот, при котором эксперт решает привычную для себя задачу. Для проблем классификации с явными признаками такой задачей является анализ описания объекта исследований, данного как совокупность значений диагностических признаков. Этот анализ привычен для эксперта. Можно ожидать, что при таком анализе полностью проявляются его знания.

В качестве примера приведем задачу дифференциальной диагностики тромбоэмболии легочной артерии (ТЭЛА) и острого инфаркта миокарда (ОИМ). Перечень диагностических признаков, указанных экспертами: 1) анамнез, факторы риска; 2) боль; 3) цвет кожи; 4) дыхание; 5) артериальное давление; 6) электрокардиограмма; 7) рентгенограмма грудной клетки; 8) эхокардиограмма; 9) ферменты крови.

На шкале каждого из признаков эксперты выделили несколько значений, причем два из них наиболее характерны соответственно одно для ТЭЛА, другое для ОИМ. Например, для первого диагностического признака шкала имеет вид:

• в анамнезе операция, травма, роды, тромбофлебит, опухоли;

• в анамнезе стенокардия, ишемическая болезнь сердца;

• в анамнезе патологии нет.

Описание проблемы вводится в компьютер. Комбинируя значения диагностических признаков, компьютер предъявляет эксперту одно из возможных состояний объекта исследования (больного) в виде клинической ситуации. Кроме того, эксперту предоставляется перечень классов решений, к одному или нескольким из которых он относит клиническую ситуацию.