64 Molan Štiglic M, Kokol P: Uporaba računalniških inteligentnih sistemov v kardiologiji Strokovno-znanstveni prispevek ■ Uporaba računalniških inteligentnih sistemov v kardiologiji Milojka Molan Štiglic, Peter Kokol Izvleček. V članku opisujemo inteligentne sisteme in vlogo zdravnika pri njihovi uporabi. Podajamo uspešno aplikacijo iz področja otroške kardiologije, katere rezultat je odkritje novega medicinsko znanja. The Application of Intelligent Systems in Cardiology Abstract. The role of the physician in developing and using intelligent systems is presented in this paper. A success story resulting in new medical knowledge is briefly described. ■ Infor Med Slov 2003; 8(1): 64-68 Institucija avtorja: Splošna bolnišnica Maribor. Kontaktna oseba: Milojka Molan Štiglic, Splošna bolnišnica Maribor, Ljubljanska 5, 2000 Maribor. email: molan.stiglic@sb-mb.si. Informatica Medica Slovenica 2003; 8(1) 48 Uvod V zadnjih letih človekova možnost za shranjevanje podatkov vse bolj presega njegove možnosti za njihovo analizo. Pričenjamo govoriti o t.i. podatkovnih grobnicah — podatke shranjujemo, in jih nato pustimo, da počivajo v miru. Vendarle pa ti podatki skrivajo mnoga neodkrita, dragocena znanja, in vse bolj se zavedemo, da je potrebno razviti nove avtomatske tehnike za njihovo odkrivanje. V članku bomo na kratko opisali inteligentne sisteme in njihovo uporabo pri analizi medicinskih podatkov. Podali bomo primer iz kardiologije in razmišljene o koristnosti izkopavanja podatkov z medicinskega stališča. Inteligentni sistemi Besedica inteligenca je že dolgo srž mnogih diskusij in raziskav. Žal še dandanes nimamo enotne definicije, zato je toliko težje definirati kaj je računalniška inteligenca. Ena izmed najbolj uporabljanih definicij je naslednja: Niz (mentalnih akcij) je inteligenten, če doseže »nekaj«, kar bi imenovali inteligentno, če bi to »nekaj« dosegel človek Znameniti matematik in eden pionirjev računalništva je kot definicijo inteligence podal naslednji test: V neki sobi je skrit pameten stroj ali človek. Izpraševalec ne ve kaj je v sobi, in tej entiteti postavlja vprašanja. Če iz odgovorov ne moremo ugotoviti, ali se pogovarja s človekom ali strojem, in če je v sobi stroj, potem je ta stroj inteligenten. Bolj laično lahko inteligentne sisteme opišemo z naslednjo postavko: Podobno kot mehanski stroji povečajo naše fizične sposobnosti, optični instrumenti (npr. mikroskop) naše čutne sposobnosti inteligentni sistemi povečujejo / podpirajo naše intelektualne sposobnosti. Inteligentni sistemi morajo posedovati naslednje lastnosti: — izražajo adaptivno ciljno usmerjeno obnašanje; — se učijo iz izkušenj; — uporabljajo velike »količine« znanja; — izražajo samozavedanje; — komunicirajo z ljudmi z uporabo jezika in govora; — tolerirajo napake pri komunikacijah; — odgovarjajo v realnem času. Podajmo še nekaj razlik. Ekspertni sistem : inteligentni sistem — pri ekspertnem sistemu znanje dobimo v obliki pravil od ekspertov na področju — pri inteligentnem sistemu znanje dobimo s pomočjo strojnega učenja na podlagi rešenih primerov Statistika : inteligentna analiza — pri statistiki potrjujemo znane relacije med podatki — pri inteligentni analizi inteligentni sistem sam išče neznane relacije med podatki (temu procesu rečemo tudi podatkovno rudarjenje ali izkopavanje) Odločitvena drevesa Odločitvena drevesa so tipičen predstavnik strojnega učenja, kjer so učni primeri predstavljeni kot par (lastnosti, odločitev). Lastnosti so opisane kot zbirka oziroma vektor več atributov, ki naj bi na najboljši možen način predstavljale posamezni objekt. Izbira atributov je odvisna od snovalcev množice učnih primerov, od okoliščin in od 64 Molan Štiglic M, Kokol P: Uporaba računalniških inteligentnih sistemov v kardiologiji zmožnosti opravljanja meritev. Odločitev je tista lastnost, ki je znana pri objektih v učni množici, ne pa tudi pri objektih, o katerih bomo kasneje s pomočjo odločitvenega drevesa sprejemali odločitve. Običajno gre pri odločitvi za lastnost, ki se ne da izmeriti (npr. nek dogodek, ki se bo zgodil v prihodnosti) oziroma je njena meritev povezana z velikimi stroški, časovno zahtevnostjo ali zahtevami po zapletenih postopkih. Z uporabo odločitvenih dreves lahko zato poizkušamo: — napovedati dogodek v prihodnosti, — poiskati alternativne možnosti za dosego cilja, ki bodo skrajšale čas, zmanjšale stroške ali celo omogočile doseganje želenih rezultatov. Računalniška obdelava podatkov iz amb. kartonov 147 bolnikov klinično vodenih v kardiološki ambulanti Klin. odd. za pediatrijo SBM Medicinska analiza in primerjava rezultatov računal. obdelave z diagnozami in rezultati klin. obdelave bolnikov Izbor odločitvenih dreves z dobro napovedno vrednostjo (vsaj 70%) Nadaljnja računalniška obdelava in iskanje novih znanj Zdravnik ocenjuje skladnost (pravilnost) oz. neskladnost računalniške odločitve z dognanji medicinske znanosti Pravilnim odločitvam daje medicinsko razlago na temelju klasičnega medicinskega znanja Išče najbolj racionalne algoritme diagnostičnih postopkov oz. potrebne baze podatkov za nadaljnje raziskave s pomočjo modelov umetne inteligence Išče nova znanja oz. zaenkrat še nepotrjene povezave, ki so lahko osnova novih znanstvenih raziskav Slika 1 Metode dela ] UZ _Srca 99 35 12 23 22 7 _ Ni Opravi jen] S m_na_srcu 12 8 0 0 4 0 __ ne] otnjeSrcnegaRitma 4 0 0 0 4 0 __ da] Neorg anskiSumNaSrcu 8 8 0 0 0 0 _ Normalni] Sum_na_srcu 52 27 1 2 16 6 __ ne] otnj _src_ritma 21 2 0 0 14 5 _ ne] Nenevarni_srcni_sum 8 2 0 0 2 4 _ ne] Bolecine_v_prs i h 6 0 0 0 4 _[ne] Neorganski SumNaSrcu 2 2 0 0 0 0 _[da] Bol ecineVP rsnemKosu 4 0 0 0 0 4 _ [da] MotnjeSrcnegaRi tma 2 0 0 0 2 0 _ da] MotnjeSrcnegaRitma 13 0 0 0 12 1 __ da] Neorg anskiSumNaSrcu 31 25 1 2 2 1 _ Patološki Pulz 35 0 11 21 2 1 __ 48 . 80.7500] ValvularniVici Koarktaci jaAorte 18 0 2 15 0 __ 80.7500 . . 113.5000] Pov_krvi _tlak 11 0 5 4 2 0 _ ne] Starost 9 0 5 4 0 0 _ 0 .. 4.5000] Druge_ prirojene_malform 2 0 1 1 0 0 _[ne] VCCsSantom 1 0 1 0 0 0 _[da] Valvularni VicijKoarktacijaAort e 0 0 1 0 0 _ [4.5000 .. 9] Neneva rni_s rcni_sum 4 0 3 0 0 _[ne] Valvularni VicijKoarktacijaAort 0 0 3 0 0 _[da] VCCsSantom 1 0 1 0 0 0 _ [9 .. 13.5000] VCCsSantom 2 0 2 0 0 0 _ [13.5000 .. 18] VCCsSantom 1 0 1 0 0 0 _ da] MotnjeSrcnegaRitma 2 0 0 0 2 0 __ 113.5000 . 146.2500] RR_Zg 4 0 2 0 0 _ 80 . 92.5000] VCCsSantom 2 0 2 0 0 0 _ 92.5000 .. 105] Valvular niVicijKoarktacijaAo 1 0 0 1 0 0 _ 105 . 117.5000] Valvula rniVicijKoarktacijaAorte 1 0 0 1 0 0 146.2500 .. 179] VCCsSantom 2 0 0 0 0 Mesto zdravnika pri izgradnji in uporabi inteligentnih računalniških sistemov v medicini? Zdravnik in ostalo zdravstveno osebje na inteligentne sisteme ponavadi gledajo z določeno mero dvoma in nezaupanje. Vendarle lahko zdravnika umestimo na naslednji način: Slika 2 Primer odločitvenega drevesa Primer študije v SBM Metoda dela je podana na sliki 1. Preiskovance smo razdelili v naslednje skupine: — neorganski šum na srcu — prirojene srčne napake z L-D šantom — bolezni srčnih zaklopk — motnje srčnega ritma — bolečine v prsnem košu Informatica Medica Slovenica 2003; 8(1) 50 in generirali 30 odločitvenih dreves, eno izmed zanimivejših je podano na sliki 2. Njihovo analizo shematično podajamo na sliki 3, rezultate analize v Tabeli 1 in 2. in drevo, ki vsebuje novo znanje na sliki 4. Slika 3 Shematski prikaz analize generiranih odločitvenih dreves Tabela 1 Odkrito znanje Medicinsko sprejemljivo računalniško znanja Morebitna nova znanja Povezava neorganskega šuma na srcu in tahikardije ob vročinskih stanjih Povezava težke okvare aortne zaklopke in sinkope oz. kolapsa ob naporu Povezava večje verjetnosti za spremembe v EKG-ju, okvare zaklopk ali aritmije po številnih prebolelih anginah Povezava priroj. srč. napak in _drugih priroj. malformacij_ Povezava oz. večja pogostost srčnih aritmij pri otrocih, ki so bili operirani v splošni anesteziji Povezava okvar aortne zaklopke in srčnih aritmij Tabela 2 Zanimivo znanje Medicinsko že znano dejstvo Morebitno novo znanje Možnost pojava aritmij med samim aktom operacije (vpliv anestetikov, sprememb AB ravnotežja, oksigenacije) Nagnjenje k srčnim aritmijam še mesece po operaciji v spl. anesteziji! Slika 4 Drevo z novim znanjem Zaključek Kot zanimivost navajamo, da smo gornjo metodo in rezultate pomladi predstavili na kongresu pediatrične kardiologije v Portu, in kar na istem kongresu dobili potrditev našega dognanja v »Lecture of the art« predstavitvi Prof. Marie C. Seghaye. Literatura 1. Seghaye MC et al: Lecture of the Art: Impact of the inflamatory reaction on organ disfunction after susrgery. Cardiology in the Young. Association for European Paediatric Cardiology, XXXVII Annual General Meeting, Porto 2002. 2. Kokol P, Zorman M, Molan Štiglic M: Intelligent system for cardiac diseases decision making in the young. Cardiol. young, pp. 47. 3. Zorman M, Hleb Š, Šprogar M: Advanced tool for building decision trees MtDecit 2.0. In: Kokol P (ed.), Welzer-Družovec T (ed.), Arabnia Hamid R (ed.). International conference on artificial intelligence, June 28 — July 1, 1999, Las Vegas, Nevada, USA. Las Vegas: CSREA, (1999), book. 1: 315-318. 4. Šprogar M, Kokol P, Zorman M, Podgorelec V, Yamamoto R, Masuda G, Sakamoto N: Supporting Medical Decisions with Vector Decision Trees In: V: Patel, V. L. (ur.), Rogers, R. (ur.), Haux, R. (ur.). 10th World Congress on Medical Informatics MEDINFO, London, 2001. MEDINFO 2001: proceedings of the 10th World 64 Molan Štiglic M, Kokol P: Uporaba računalniških inteligentnih sistemov v kardiologiji congress on medical informatics, London, UK, 2-5 September, 2001, Amsterdam: IOS Press: Ohmsha, (2001): 5. 5. Mitchell T: Machine Learning, Addison Wesley, MA, 1997. 6. Zorman M, Kokol P: Dynamic discretization of continuous attributes for building decision trees. In: Fyfe C. (ed.). Proceedings of the second ICSC symposium on engineering of intelligent systems, June 27-30, 2000, University of Paisley, Scotland, U.K.: EIS 2000. Wetaskiwin; Zürich: ICSC Academic Press, 2000: 252-257. 7. Baeck T: Evolutionary Algorithms in Theory and Practice, Oxford University Press, Inc., 1996. 8. Kokol P, Zavrsnik J, Zorman M, Malcic I, Kancler Kurt: Participative Design, Decision Trees, Automatic Learning and Medical Decision Making. In: Brender J. (ed.). Medical Informatics Europe '96, (Studies In Health Technology And Informatics, Vol.34). Amsterdam [Etc.]: Ios Press; Tokyo: Ohmsha, (1996): 501-505.