İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
www.jpit.az 81
UOT 004.056
Məmmədova M.H., Cəbrayılova Z.Q.
AMEA İnformasiya Texnologiyaları İnstitutu, Bakı, Azərbaycan
depart15@iit.ab.az
TİBBİ EKSPERT SİSTEMLƏRİN YARADILMASI PROBLEMLƏRİ VƏ
İNKİŞAF İSTİQAMƏTLƏRİ
Məqalədə tibbi ekspert sistemlər (ES) haqqında məlumat verilir, təbii tibbi intellektin süni tibbi
intellektə transformasiyası problemlərinə baxılır. Müasir tibbi ES və onların inkişaf perspektivləri,
o cümlədən Azərbaycanda işlənilmiş tibbi ES haqqında məlumat verilir. Respublikamızda e-tibbin
formalaşması üçün bilik mühəndisliyinin inkişafına və bilik mühəndislərinin hazırlanmasına
xüsusi diqqət ayrılması, yaradılmış ES-in istismarı istiqamətində fəallığın artırılması təklif olunur.
Açar sözlər: tibbi ekspert sistemlər, biliyin alınması metodları, biliyin alınması aspektləri, bilik
mühəndisliyi.
1. Giriş
Yarandığı ilk gündən informasiya texnologiyalarının geniş tətbiq olunduğu sahələrdən biri
tibdir. Məlumdur ki, həkimin fəaliyyəti ondan əvvəlki nəsil mütəxəssislərin bilik və təcrübəsinin
sintezinə əsaslanır. Biliklərin çox böyük sürətlə artması, son onilliklər ərzində diaqnostik metodların
təkmilləşdirilməsi və müasir tibdə daha da dar ixtisaslaşmaya doğru meyllərin müşahidə olunması
məlumat bolluğu şəraitində adekvat qərarların qəbulunu çətinləşdirir. Bu səbəbdən tibbin müxtəlif
sahələrində qəbul olunan tibbi qərarların adekvatlığını təmin etmək və effektivliyini artırmaq üçün
müasir riyazi metodların və süni intellekt texnologiyalarının, innovativ yanaşmaların tətbiqinin
zəruriliyi günbəgün aktuallaşır. Sözügedən vasitələrdən yararlanmaqla yaradılmış intellektual ES-in
tibdə tətbiqi daha səmərəli nəticələr əldə etməyə imkan verir. Bu sistemlərin əsas üstünlüyü ondan
ibarətdir ki, onlar ekspertlərin, yəni peşakar mütəxəssis-həkimlərin bilik və təcrübəsini özündə
ehtiva etməklə müəyyən xəstəliklərin diaqnostikasına və müalicəsinə dair qərarların qəbul
edilməsində həkimlərə kömək göstərirlər, dəstək olurlar.
Qloballaşan dünya 100% informasiya əsri hesab olunur, 2012-ci ildən bəri hər gün 2.5
ekzobayt (2.5 x10
60
bayt) informasiya hasil olunur, artıq bütün dünya “qorxulu böyük verilənlər”
əsrinin başladığını başa düşür [1]. Tibbin böyük həcmdə verilənlər hasil olunduğu bir sahə
olduğunu, son tədqiqatlara əsasən isə yer üzündə toplanılan və saxlanılan verilənlərin 30%-nin
tibbi verilənlər olduğunu [2] və 2020-ci ilə qədər tibbi verilənlərin 25000 petabayt olacağını [3]
nəzərə alsaq, informasiya seli içində həkimlər üçün qərar qəbul etmək prosesinin nə dərəcədə
çətinləşdiyini təsəvvür etmək olar. Cunki əvvəllər informasiya mənbəyi az idisə, indi onların sayı
olduqca coxalıb. İndi tibdə 100 min müalicə metodu var, xəstə haqqında daxil olan informasiya
əsasında bir müalicə metodu seçilir. Əvvəllər laboratoriyalarda tədqiqatların sayı ildə 0,5 milyon
olurdusa və hər 4–5 ildən bir 2 dəfə artırdısa [4], hazırda bu say həndəsi silsilə üzrə artır [5].
İnformasiya bolluğunun tibdə yaratdığı problemlərdən biri tibbi səhvlərlə bağlıdır. [6]-da qeyd
edilir ki, ümumdaxili məhsulun 15–18%-nin səhiyyəyə xərcləndiyi ABŞ-da hər il həkimlərin səhvi
üzündən 100 min nəfərə qədər adam ölür (müqayisə üçün deyək ki, bu hər gün bir avialaynerin
partlaması deməkdir). Almaniyada həkim səhvindən ölənlərin sayı 30–60 min arasında dəyişir
(başqa sözlə, təsəvvür edin ki, hər il Almaniyada bir balaca şəhər batır). Lakin həkim səhvləri heç
də qəsdən törədilmir və ya həkimlərin məsuliyyətsizliyindən, qeyri-peşəkarlığından irəli gəlmir.
Həkim səhvlərinin əsas hissəsi dərman preparatlarının düzgün təyin olunmaması ilə bağlıdır. Boston
klinikasının məlumatına görə, bu gün dünyada 10 mindən çox xəstəlik və xəstəlik sindromu var, 4
mindən çox dərman preparatı var ki, bunlardan da 2 mininin arasında qarşılıqlı əlaqə var və bu da
onların birgə istifadəsi imkanını məhdudlaşdırır, 300 müxtəlif radioloji prosedur və 1100 laborator
analiz mövcuddur [7]. Ona gorə də informasiya axınında “batan” həkim minlərlə məlumat
içərisindən onun bir qismini seçməklə xəstə barədə təxmini qərar qəbul edir, informasiyanın qalan
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
82 www.jpit.az
hissəsi isə diqqətdən kənarda qalmış olur, çünki təbii olaraq, insan yaddaşının eyni zamanda 7-dən
artıq göstəricini yadda saxlayıb mühakimə yürütməsi mümkün deyil [8].
Təbii ki, belə həcmdə informasiyanın yadda saxlanılmasının qeyri-mümkünlüyü, diaqnoz və
müalicə prosesində informasiya bolluğu bəşəri problemlərə yol açır. Qərarların həlledici məqamda
seytnot şəraitdə qəbul olunduğunu, buraxıla biləcək hər bir səhvin insan həyatı hesabına başa
gəldiyini nəzərə alsaq (söhbət pasiyentin müalicəsindən gedir), həkimlərin qərarların qəbul
olunmasını dəstəkləyən müasir vasitələrlə təmin olunmasının zəruriliyini anlamaq olar. Tibbi
sferada həll edilən məsələlərin xarakterindən asılı olaraq tibbi informasiya-axtarış sistemləri,
proqnoz, informasiya-müşahidə, idarəetmə, diaqnostik, monotorinq ES və s. işlənilmiş və müasir
tibbi bu sistemlərsiz təsəvvür etmək mümkün deyil. Bu sistemlərin hər birinin öz təyinatı, müvafiq
strukturu, təşkili və fəaliyyət prinsipləri, nəzəri, alqoritmik və instrumental bazası mövcuddur. Bu
gün tibb sahəsində olan diaqnostika və müaicə, monitorinq məsələlərinin həllinə yönəlmiş, bu
məsələlərin uğurlu həllini təmin edən ES xüsusi qeyd etmək lazımdır.
Məqalədə tibbi ES-in yaradılmasının aktuallığı, müasir vəziyyəti, inkişaf istiqamətləri, bilik
mühəndisliyinin problemləri şərh edilmiş, Azərbaycanda tibbi ES-in yaradılması istiqamətində
vəziyyət təhlil edilmiş və təkliflər verilmişdir.
2. ES-in yaradılması texnologiyaları
“Ekspert sistem” termini 1977-ci ildə E.Feyqenbaum tərəfindən daxil edilmişdir. Onun
mahiyyəti: “Süni intellekt (Sİ) sahəsində olan prinsip və vasitələrin ekspert biliklərinin tələb
olunduğu çətin formalizə olunan praktiki məsələlərin həllinə cəlb edilməsi deməkdir” [9]. Başqa
sözlə desək, ES aşağıdakı xüsusiyyətlərə malik olan və buna görə də formalizə oluna bilməyən
məsələlərin həlli üçün tətbiq edilir:
-
məsələlər ədədi formada ifadə oluna bilmirlər;
-
giriş verilənləri və predmet sahəsi haqqında biliklər çoxmənalı, qeyri-dəqiq, ziddiyyətli
olur;
-
məsələnin məqsədi dəqiq müəyyənləşdirilmiş məqsəd funksiyası ilə göstərilə bilmir;
-
məsələnin dəqiq birmənalı alqoritmik həlli olmur.
İlk ES olan Dendral 1960-cı illərin sonunda Stenford Universitetində E.Feyqenbaumun
rəhbərliyi ilə işlənilmişdi [10]. Bu sistem molekulun kimyəvi əlaqələrinin spektroqrafik verilənləri
əsasında onun orqanik quruluşunu təyin edirdi. ES-in bilik bazasını yaradan ekspert-kimyaçıların
evristik biliklərinə istinad etməklə milyon mümkün haldan düzgün qərarı bir neçə cəhdlə tapmaq
mümkün oldu. Dendral sisteminin əsasını təşkil edən prinsip və ideyalar o dərəcədə effektiv oldu
ki, bu gün də dünyanın kimyəvi və farmakologiya laboratoriyalarında onlardan istifadə olunur. Bu
sistemin reallaşmasının ideya və prinsipləri hazırda Sİ-in əsas istiqamətlərindən biri olan
obrazların tanınmasının baza prinsiplərini təşkil edir.
Mycin ES 1970-ci illərin ortasında Stenford Universitetində işlənilmişdir, ilk dəfə olaraq
natamam informasiya əsasında qərar qəbulu problemi həll olunmuşdur [11]. Bu sistemdə meningit
və qanın bakterial infeksiyası xəstəliklərinin diaqnostikası və müalicəsi üçün tibbi-ekspertlərin
biliyi istifadə olunmuşdur. Bu sistemin mühakimələri, daha doğrusu, biliklər bazasının qaydaları
predmet sahəsinin spesifikliyini əks etdirən məntiqi prinsiplərə əsaslanırdı. Mycin ES-in işlənilmə
metodikası bu gün də yaradılan bir çox ES-in baza prinsiplərini təşkil edir.
Dendral və Mycin sistemlərinin uğurlu nəticələri müxtəlif sferalarda ekspert biliklərinə
istinad edən çətin formalizə olunan məsələlərin Sİ prinsip və vasitələr ilə həllinə təkan verdi və
bununla da diaqnostika, identifikasiya, idarəetmə, proqnoz, planlaşdırma, monitorinq,
layihələndirmə və s. məsələlərin həllinə yönəlmiş ES-in işlənilməsi dövrü başlandı. Ümumi halda
hər hansı sahədə ES-in yaradılması kriteriyaları aşağıdakılarla təyin edilir:
1.
Verilənlər və biliklər etibarlıdır və zamandan asılı olaraq dəyişmir;
2.
Mümkün qərarlar fəzası sonludur və o qədər də geniş deyil;
3.
Məsələnin həlli prosesində formal mühakimələrdən istifadə olunur;
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
www.jpit.az 83
4.
Məsələnin həlli üçün öz biliklərini formalaşdıran və bu bilikləri təsvir edən metoda uyğun
izah edəcək heç olmazsa bir ekspert olmalıdır.
Ümumiyyətlə, ES-in qurulması texnologiyası bilik mühəndisliyi (ing. Knowledge
Engineering) adlanır. Bu prosesi təşkil edən mütəxəssislər bilik mühəndisləri adlanırlar və onlar
konkret predmet sahəsinin bir və ya bir neçə eksperti ilə qarşılıqlı əlaqədə olurlar. Bilik mühəndisi
predmet sahəsi haqqında faktiki biliklərə yiyələnir, ekspertlərdən məsələnin həlli üçün lazım olan
proseduranı, strategiyanı, empirik qaydaları əldə edir və əldə etdiyi bilik əsasında ES yaradırlar
(şəkil 1) [12].
Şəkil 1. ES-in yaradılmasında ekspertlərdən biliyin alınması
3. Təbii tibbi intellektin süni tibbi intellektə transformasiyası problemləri
3.1. Biliyin alınması metodları
Qeyd olunduğu kimi, ES-in yaradılmasında əsas problemlərdən biri biliyin alınmasıdır.
Biliyin alınması – predmet sahəsində qərar qəbul edilməsi üçün bu sahə haqqında bilik
mühəndisinin mümkün qədər tam informasiya əldə etməsidir. Predmet sahəsi – idarəetmənin
təşkili və avtomatlaşdırılması məqsədilə öyrənilən obyektdir. Şəkil 2-də biliyin alınması
strategiyası verilmişdir [12]. Bu strategiyaya əsasən biliyin alınmasında avtomatlaşdırılmış və
kompütersiz metodlardan istifadə olunur [13, 14].
Avtomatlaşdırılmış metodlara İnternet şəbəkənin axtarış sistemləri (Google, Yahoo, Яndex,
Rambler), insan fəaliyyətinin müxtəlif sferalarında qərarların qəbul olunması üçün vacib olan
praktiki əhəmiyyətli biliyin ilkin verilənlər içərisindən tapılmasını, aşkarlanmasını təmin edən
Data Mining, OLAP sistemləri daxildir. Kompüter olmadan biliyin alınması metodlarına
kommunikasiya metodları və tekstoməntiqi metodlar aiddir.
Kommunikasiya metodlarına dairəvi stol və beyin hücumu metodları aiddir. Dairəvi stolda
eyni hüquqlu ekspertlərin iştirakı ilə hər hansı problem müzakirə olunur. İştirakçılar əvvəl öz
fikirlərini bildirir, sonra müzakirəyə keçirlər. Diskussiya zamanı isə iştirakçılar müzakirəyə
əvvəlcədən hazırlaşırlar. Beyin hücumunda isə əvvəlcədən hazırlaşılmır. Beyin hücumunda əsas
məqsəd mövzu üzrə ideyaların yaranmasıdır. Bir neçə ideya yarandıqdan sonra onlar analiz edilir,
seçilir və perspektivli olanlar inkişaf etdirilir.
Ekspert
sistem
Bilik
mühəndisi
Predmet
sahəsinin
eksperti
Evristik qaydalar
Həll üsulları
Sorğular, problemlər
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
84 www.jpit.az
Şəkil 2. Biliyin əldə olunması strategiyası
Kommunikasiya metodlarından biri olan müsahibə zamanı bilik mühəndisi əvvəlcədən
suallar hazırlayır.
Anketləşdirmədən fərqli olaraq müsahibə zamanı vəziyyətdən asılı olaraq bilik mühəndisi
bir qisim sualları siyahıdan çıxara bilər və ya yenilərini daxil edə bilər, eksperti maraqlandırmaq
üçün müxtəlif yanaşmalardan istifadə edə bilər və s.
Dialoqda isə reqlament olmur və suallar da əvvəlcədən hazırlanmır.
Rollar üzrə oyun və ekspertlə oyun da kommunikasiya metodlarına aiddir. Rollar üzrə
oyunda rollar iştirakçılar (ekspertlər) arasında bölüşdürülür. Sonra onlara konkret hadisə
(vəziyyət) verilir və qərar qəbulu prosesi üzrə müşahidə aparılır. Ekspertlə oyunda bilik mühəndisi
ekspertin nəzarəti ilə konkret hadisəyə uyğun qərar qəbulu prosesini izləyir. Belə oyunlarda adətən
trenajorlardan və kompüter öyrədici sistemlərdən istifadə olunur.
Tekstoməntiqi metodlara problemlə bağlı normativ-sorğu materiallarının, sərəncamların,
metodik vəsaitin, təlimatların və predmet sahəsinə aid digər xüsusi ədəbiyyatın analizi məsələləri
aiddir. Bu metod dərsliklərdə, monoqrafiya, məqalə və digər professional bilik daşıyıcılarında olan
problemlə bağlı mətnlərin əldə olunmasına əsaslanır. Mətnin başa düşülməsinin əsas məqamları
bunlardır: bütöv mətn haqqında əvvəlcədən hipotezin irəli sürülməsi (əvvəlcədən duymaq); aydın
olmayan anlayışların mahiyyətinin müəyyənləşdirilməsi (xüsusi terminologiya); mətnin məzmunu
haqqında umumi hipotezin yaranması (bilik haqqında); terminlərin məzmununun
dəqiqləşdirilməsi (tamdan hissəyə doğru); ayrı-ayrı mühüm (açar) sözlər və fraqmentlər arasında
daxili əlaqənin qurulması; ümumi hipotezin düzəlişi (korrektəsi-hissələrdən tama doğru); əsas
hipoitezin qəbul olunması.
3.2. Biliyin alınmasının aspektləri
Biliyin əldə edilməsinin üç əsas aspekti var: psixoloji, linqvistik və qnoseoloji
(qnoseoməntiqi) [15, 16].
Psixoloji aspekt bilik mühəndisinin bilik mənbəyi olan ekspertlə qarşılıqlı əlaqəsinin uğurlu
və effektiv olmasını təmin edən ən əsas aspektdir. Danışıq zamanı informasiya itkisinin az olması,
analitik ilə ekspertin ünsiyyətinin yüksək səviyyədə keçməsi psixoloji bilikdən asılıdır. Bu
ünsiyyətdə biliyin əldə olunması prosesini həqiqətin birgə axtarışı prosesi kimi təsvir etmək olar.
Ünsiyyət modeli iştirakçıları, ünsiyyət vasitələrini və ünsiyyətin predmetini (biliyi) əhatə edir. Bu
Biliyin alınması
Axtarış sistemləri (Google,
Yahoo, Яndex, Rambler)
Intellektual axtarış sistemləri
(Autonomy, Webcompas)
Data Mining
OLAP sistemləri
Biliyin əldə olunması:
- Kommunikasiya
metodları
- Tekstoməntiqi metod
Kompüter olmadan
Avtomatlaşdırılmış
metodlar
Problemin
identifikasiyası
Bilik bazası
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
www.jpit.az 85
komponentdən asılı olaraq psixoloji problemin üç səviyyəsini qeyd etmək olar: kontakt, prosedur
və koqnitiv.
Kontakt səviyyədə analitik və ekspertin ünsiyyətinin effektivliyi onların cinsindən, şəxsi
temperamentindən, ünsiyyət iştirakçılarının motivasiyasından asılı olur. Müəyyən olunmuşdur ki,
analitik və ekspert heterogen cütlük (kişi/qadın) olduqda və yaş münasibəti:
5< (EY –AY) <20, (burada EY – ekspertin yaşı, AY – analitikin yaşıdır)
kimi olduqda daha yaxşı nəticə alınır.
Linqvistik aspekt. Linqvistik aspekt sahəsində əsas problem anlayışlardır: ümumi kod,
anlayışların strukturu, istifadəçi lüğətləri. Ümumi kod ekspert və koqnitoloq arasında aralıq
ünsiyyət dilidir. Bu dil peşəkar ədəbiyyatın ümumelmi və xüsusi anlayışlarını özündə birləşdirir.
Bu koqnitoloq və ekspert arasında dil baryerini aradan qaldırmağa imkan verir. Sonradan ümumi
kod anlayışların strukturuna və ya semantik şəbəkəyə çevrilir, bu da insanın yaddaşında saxlanılan
anlayışları əlaqələndirir. İstifadəçinin predmet sahəsinin professional dilini bilməsi vacib deyil,
odur ki, istifadəçi lüğəti işlənilir, bu da ümumi kodun üzərində işləməklə yaradılır.
Qnoseoməntiqi aspekt. Bu aspekt yeni elmi biliyin alınması problemini birləşdirir, belə ki,
idrak prosesi adətən yeni anlayışların və nəzəriyyənin yaranması ilə müşahidə olunur. Bilik
bazasının işlənilməsi prosesində toplanmış empirik təcrübə əsasında ekspertlər bir sıra
qanunauyğunluqlar formalaşdırırlar. Qnoseoməntiqi zəncir bu ardıcıllıqla ifadə oluna bilər:
“fakt – ümumiləşdirilmiş fakt – empirik qanunauyğunluq – nəzəri qanun”.
Koqnitoloqu ekspertin empirik bilikləri maraqlandırır, bunlar razılaşdırılmış olmaya da
bilərlər. Bilik aşağıdakı aspektlərlə xarakterizə olunur:
· sistemlilik ( çoxsəviyyəli quruluşda yeni biliyin yerini göstərir);
· biliyin obyektivliyi ( təyin etmək praktiki olaraq mümkün deyil);
· natamam bilik ( ixtiyari predmet sahəsini tam təsvir etməyin mümkünsüzlüyü);
· biliyin tarixiliyi (zaman ərzində predmet sahəsi haqqında təsəvvürlərin 95% inkişafı və ya
dəyişilməsi ilə bağlıdır).
Başlanğıc mərhələdə koqnitoloq biliyin formal modelini qurmaq üçün ekspertin qərar qəbul
etmə strukturunu və müxtəlif nəzəriyyələri istifadə edir.
3.3. Biliyin təsvir modelləri
Biliklərin təsvir modeli – ekspertlərdən alınmış biliklərin müəyyən qaydalar formasında
təqdim olunmasına xidmət edir. ES-də biliklərin təsvir modellərinin təsnifatı belədir [17–19]:
- produksion model;
- semantik şəbəkə modeli;
- freym modeli;
- formal məntiq modeli;
- relyasiya modeli.
Produksion model qaydalara əsaslanan modeldir, bilikləri " Əgər ( şərt), onda (nəticə)"
tipində təsvir etməyə imkan verir. Şərt elə bir cümlədir ki, onun əsasında bilik bazasında axtarış
gedir, "nəticə" isə axtarışın müvəffəqiyyətli gedişində alınan vəziyyətdir.
Semantik şəbəkə istiqamətlənmiş qrafdır, onun təpələri anlayışları, xətlər isə anlayışlar
arasındakı münasibətləri ifadə edir. Anlayış hər hansı obyekti, münasibət isə bu obyektlərarası
əlaqələri ifadə edir. Bu model amerikalı psixoloq Kuillian tərəfindən təklif olunub.
Semantik şəbəkədə olan münasibətlər:
- "hissə-tam" tipli əlaqələr (sinif-qrup, element- çoxluq);
- funksional əlaqə ("baş verir", "təsir edir" və s.);
- kəmiyyət xarakterli əlaqə (çox, az, bərabər və s.) ;
- məkan xarakterli əlaqə (uzaq, yaxın, altında, üstündə, içində və s.);
- atribut əlaqələr (cəhətlərə malikdir, mahiyyəti var və s.);
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
86 www.jpit.az
- məntiqi əlaqələr (və, və ya, yox);
- linqvistik əlaqələr və i.a. ola bilər.
Freym modeli Marvin Minski tərəfindən 1970-ci ildə biliyin vizual (fəza) mənzərəsinin
qavranılması üçün təklif olunmuşdur. Freym (ing. Frame – karkas və ya çərçivə) – biliyin təsvir
vahididir, onun detalları isə cari situasiyaya uyğun olaraq dəyişə bilərlər. Freym hər hansı bir
hadisənin, situasiyanın, prosesin və ya obyektin minimum mümkün təsviridir. Freymin ənənəvi
strukturu belə göstərilir:
(Freymin adı:
( 1-ci slotun adı: 1-ci slotun mahiyyəti)
( 2-ci slotun adı: 2-ci slotun mahiyyəti)
( n-ci slotun adı: n-ci slotun mahiyyəti).
Növbəti mərhələdə hər bir slot özü freym olur və budaqlanır, odur ki, bu modelə bəzən
ağacşəkilli model də deyirlər. Məsələn, otağa bir freym kimi baxsaq, onun slotları qapı, pəncərə,
döşəmə, tavan, divar olar. Növbəti mərhələdə hər bir slota freym kimi baxıla bilər. Yəni, freym
qapı olarsa, onun slotları taxta, dəmir, şüşə və s. olacaq.
Biliklərin təsvirinin məntiqi modeli formal məntiqə və predikatlar məntiqinə, insanın
məntiqi nəticə çıxarmaq mexanizminə əsaslanır.
Biliklərin təsvirinin məntiqi modelində formal məntiqin 4 əsas tezisinə əməl edilməklə
məntiqi nəticə əldə olunur:
1. Modus Ponendo ponens:
Əgər A
B implikasiyası doğrudursa və A doğrudursa, onda B də doğrudur.
2. Modus Tollendo Tollens:
Əgər A
B implikasiyası doğrudursa, B yanlışdirsa, onda A da yanlışdır.
3.Modus Ponendo Tollens:
Əgər A doğru və A
B konyunksiyası yanlışdırsa, onda B də yanlışdır;
4. Modus Tollendo Ponens:
Əgər A yanlış və A
B dizyunksiyası doğrudursa, onda B də doğrudur.
Biliklərin təsvirinin relyasiya modeli obyektin onu səciyyələndirən cəhətlərə,
göstəricilərə, xüsusiyyətlərə, bir sözlə, kriteriyalara münasibətinə əsasən qurulur.
4. Müasir tibbi ES və onların tətbiqi istiqamətləri
Bu gün tibbi ES çox böyük uğurla tətbiq olunurlar. Hazırda dünyada tibbin müxtəlif sahələrinə
aid minlərlə ES mövcuddur [20, 21]. Lakin bu sistemlərin əldə edilməsi, demək olar ki, mümkün
deyil, çox baha başa gəlir. Aşağıda geniş tətbiq olunan bir sıra ES haqqında qısa məlumat verilir:
WebMD Symptom Checker sistemi. Allergiya, artrit, xərçəng, soyuqdəymə, qrip,
öskürək, depressiya, diabet, göz xəstəlikləri, ürək xəstəlikləri, dəri problemləri, yuxu pozğunluğu
ilə əlaqədar problemləri olanlar xəstəliklə bağlı simptomlarını sistemə daxil etməklə ətraflı
məlumat ala bilirlər. Bu sistem hətta müraciət edənlərin həkimlərinə təqdim etmək üçün hesabat
da çap etməyə imkan verir (məsləhət, diaqnoz, müalicə təklif etməklə) [22].
DXPlain sistemi kliniki qərarları dəstəkləyən intellektual sistem nümunəsidir, diaqnostika
prosesinə assisentlik üçün istifadə edilir, simptomları, laborator verilənləri və prosedurları özündə əks
etdirən və diaqnoz siyahısı ilə əlaqələndirən bilik bazasına malikdir [23]. Bu proqram məhsulu
Massaçusetts Baş Hospitala (ing. Massachusetts General Hospital) məxsusdur.
INTERNIST daxili xəstəliklərin diaqnostikası üzrə məsləhətçi sistemdir [21]. Bu sistemin
modifikasiya olunmuş versiyası INTERNIST-1 adlanır və bu gün geniş tətbiq dairəsinə malikdir [24].
CASNET qlaukoma xəstəliyinin diaqnostikası və müalicə strategiyasının seçimi üçün
nəzərdə tutulmuşdur, Nyu-Cersi ştatının Rutgers Universitetində işlənilib. Biliklərin təsvirinin
semantik modelinə əsaslanır [21].
EMYCIN – qanın infeksion xəstəliklərinin diaqnostikası və müalicəsi üçün istifadə
olunur və o, Mycin-in inkişaf etdirilmiş versiyası kimi nəzərdə tutulub [21].
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
www.jpit.az 87
Germwatcher ES infeksion xəstəliklərlə xəstəxanaya yerləşdirilmiş pasiyentlərdə
infeksiyanın aşkarlanması, izlənilməsi və tədqiq olunması üçün nəzərdə tutulmuşdur və San-
Luizdə Vaşinqton Universitetində 1993-cü ildə hazırlanmışdır [25].
PEIRS kimyəvi patologiyalarla bağlı hesabatları interpretasiya etməyə və kommentari
verməyə imkan verir [26].
HELP – süni intellekt texnologiyasına əsaslanan tam hospital informasiya sistemidir, o
təkcə xəstəxana informasiya sisteminin standart funksiyalarını deyil, həm də qərarların qəbulunu
dəstəkləyən funksiyaları da dəstəkləyir. AppHelp sistemi qarın boşluğundakı kəskin ağrılar zamanı
qeyri-müəyyənlik vəziyyətində qabaqlayıcı tədbirlər görmək üçün avtomatik mühakimələr təklif
edir. Bu sistem 1972-ci ildə Lids Universitetində (Böyük Britaniya) qarın boşluğunda kəskin
ağrıların diaqnostikası üçün işlənilmişdir.
PIP – sistemi Massaçusetts Texniki Universitetində işlənilmişdir, İngiltərənin Tufts-New
Tibb Mərkəzində böyrək çatışmazlıqları ilə bağlı toplanmış və generasiya olunmuş informasiya
əsasında yaradılmış proqram məhsuludur [21].
Ümumiyyətlə, bu gün Sİ texnologiyası metod və prinsiplərinə əsaslanmaqla yaradılmış tibbi
ES və qərarların qəbul olunmasını dəstəkləyən sistemlər kliniki səhiyyənin ən müxtəlif sahələrində
istifadə olunurlar. Kliniki səhiyyənin sahələri üzrə yaradılmış ES aşağıdakı məsələlərin həllində
tətbiq olunurlar:
Həyəcan siqnalları və xatırlatmaların verilməsi. Bu məqsədlə yaradılmış ES
pasiyentlərin real vaxt rejimində çarpayıya quraşdırılmış monitor vasitəsilə monitorinqini, yəni
əməliyyatdan sonra xəstənin halının, vəziyyətinin əsas parametrlərinin izlənməsini həyata keçirir.
Monitorlarda yerləşdirilmiş ES pasiyentlərin vəziyyətlərinin dəyişməsini qiymətləndirir, həmçinin
dərmanların qəbul edilməsinin vacibliyini və ya dərmanların qəbul edilməsi qaydalarını yada sala
bilər (məsələn, elektron poşt vasitəsilə xatırlatmalar göndərə bilər).
Diaqnoz qoyulması prosesində kömək. Belə ES mürəkkəb vəziyyətlərdə və ya diaqnoz
qoyan həkimin kifayət qədər təcrübəsi olmadıqda pasiyent haqqında məlumatları tədqiq edib
qərara gəlməkdə ona kömək edir, qərar qəbul etməkdə ona dəstək olur.
Uyğun vəziyyətlərin (presedentlərin) axtarışı. Bu axtarış İnternetdə və ya lokal
verilənlər bazasında aparıla bilər. Bu cür intellektual sistem (agent) pasiyentin əsas
xarakteristikaları haqqında biliyə malik olmaqla, onun halına uyğun vəziyyəti seçə bilir.
Terapiyaya nəzarət və planlaşdırma. İntellektual sistem natamamlığa, mövcud müalicə
prosesində olan səhvlərə və ya müalicə təyin olunmuş xəstənin spesifik xarakteristikalarının lazımi
qədər nəzərə alınmamasına nəzarət edə bilir.
Təsvirlərin tanınması və interpretasiyası. Çoxlu sayda tibbi təsvirlər avtomatik
interpretasiyaya yol verirlər: rentgen təsvirlərindən tutmuş tomoqrafik tədqiqatların mürəkkəb
təsvirlərinə qədər.
Dərman vasitələrinin kliniki-farmakoloji xüsusiyyətlərinin (toksikliyinin) monitorinqi.
Belə sistem əkstəsirləri və dərmanların bir-biri ilə uyğunsuzluğunu aşkar etməyə yönəlib. O, kliniki
simptomlar və qəbul edilən dərmanların dozalarını modelləşdirir. Sistem dərmanların qarşılıqlı
istismarının nəzarət edilməsinə yönəlmiş müalicə prosesinin monitorinqini yerinə yetirir.
5. Azərbaycanda tibbi ES-in inkişafı
Azərbaycanda tibb sahəsində bir sıra ES yaradılmışdır. Belə ki, 1996-cı ildə qarın boşluğu
üzvlərinin kəskin cərrahi xəstəliklərinin diaqnostikası üçün ES yaradılmış, predmet sahəsi üçün biliklər
bazasının hazırlanması və klinika şəraitində ES-in tətbiqi reallaşdırılmışdır [27]. ES-in yaradılması
üçün predmet sahəsinin əsas obyektləri və obyektlərin xarakteristikaları təyin edilmiş, diaqnostik qərar
qəbuletmə prosesi analiz olunmuş, onun əsas amilləri müəyyənləşdirilmiş, predmet sahəsinin
konseptual sxemi, verilənlər və biliklər bazasının strukturu hazırlanmış, ekspert biliklərinin formal
təsviri və diaqnostika məsələlərinin həlli modeli işlənilmiş, ES-in proqram təminatı hazırlanmış və real
klinik xəstəxana şəraitində sınaqdan keçirilmişdir. Sistem Lisp proqramlaşdırma dilində yazılmışdır.
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
88 www.jpit.az
2000-ci ildə kliniki təbabətdə qarın boşluğu üzvlərinin kəskin cərrahi xəstəliklərinin
diaqnostikasında buraxılan səhvlər nəzərə alınmaqla daha yüksək, keyfiyyətli və sürətli diaqnostik
imkanlara malik ES yaradılmışdır [28]. Xüsusilə də tibbi informasiyanın klinik interpretasiyasını
mümkünsüz edən və səhv qərar qəbul edilməsinə şərait yaradan amillərin – xəstələr haqqında əldə
edilmiş tibbi məlumat bankının yetərsizliyinin mümkün qədər aradan qaldırılmasına səy
göstərilmişdir.
2001-ci ildə çoxsahəli stasionarda xəstələrin ilkin diaqnostikasını və yerləşdirilməsini icra
edən intellektual sistem işlənilmiş, süni intellekt üsullarından istifadə edərək çoxsahəli tibb
ocağında ilkin diaqnostika keçirən və xəstələri müvafiq bölmələrə aid edə bilən intellektual
sistemin yaradılması metodikası təklif olunmuşdur [29]. Sistemin proqram məhsulu Bakı şəhəri 1
saylı Şəhər Klinik Xəstəxanasının qəbul şöbəsi üçün işlənilmişdir.
2003-ci ildə qalxanvari vəzin funksional vəziyyətini araşdıran və onun funksional
diaqnostikasını həyata keçirən ES-in işlənməsi metodikası təqdim edilmişdir [30].
2004-cü ildə süd vəzi şişlərinin informasiya-diaqnostik sistemi, süd vəzi şişlərinə
differensial diaqnoz qoya bilən sistem işlənmişdir [31]. Sistemin işlənilməsi zamanı süd vəzi
şişlərinin diaqnozu üçün nəzərdə tutulmuş kompüter sisteminin və tədqiqat işlərinin araşdırılması;
həkimlər qrupunun rəyi əsasında formalaşdırılmış amillər siyahısının araşdırılması və önəmli
amillər qrupunun seçilməsi; ilkin verilənlərin toplanması, saxlanması və emalı; hər bir şiş növündə
yaş qrupları üzrə ədədi matrisin – diaqnostik kartın qurulması; diaqnostik karta və konkret xəstə
haqda məlumata görə evristik differensial diaqnoz alqoritminin işlənməsi; differensial diaqnoz
probleminin təsnifat məsələsi kimi qoyulması və neyron şəbəkələr nəzəriyyəsi baxımından şərhi;
ikilaylı neyron şəbəkənin qurulması, öyrədilməsi və qiymətləndirilməsi; həkimin və neyron şəbəkə
diaqnozlarının nəticələrinin müqayisəli təhlili;
müvafiq kompüter proqramlarının işlənməsi və süd
vəzi şişlərinin informasiya-diaqnostik sisteminin yaradılması məsələləri həll edilmişdir.
2005-ci ildə işlənilmiş ortopediyada cərrahi müdaxilə seçiminin intellektual sistemi ilk dəfə
olaraq patologiya mənbəyinin süni görüntüsünün yaradılmasından istifadə etmişdir [32].
Fotorobot vasitəsilə yaradılan görüntülər patoloji mənbənin xüsusiyyətlərinin öyrənilməsinə,
onların tanınmasına və klassifikasiyasına, aparılacaq cərrahi əməliyyatların ardıcıllığının və
nəticələrinin vizuallaşdırılmasına imkan verir. İlk dəfə olaraq patoloji mənbənin tanınması üçün
əlamətlər və onların rastgəlmə prioritetləri müəyyənləşdirilmiş, əlamətlərin olması faktına uyğun
situasiyalar və onların cərrahi müdaxilə yolu ilə müalicəsinin ardıcıllığını müəyyənləşdirən
struktur sxem yaradılmışdır. Bu sxemin əsasında bilik bazası və onda situasiyaların avtomatik
tanınması və müalicə üsullarının vizual göstəriməsi üçün ES yaradılmışdır.
[33]-də oftalmologiya sahəsi üzrə ambulator şəraitdə daxil olan xəstələrin müayinəsi zamanı
qarşıya çıxan problemlərin həllinə yönəlmiş proqram kompleksi işlənilmişdir. Sistemin
işlənilməsində aşağıdakı məsələlər həllini tapmışdır:
–
göz xəstəliklərinin diaqnostikası üçün ambulator şəraitdə ilkin məlumatlar toplanmış və
bunun əsasında verilənlər bazası yaradılmışdır;
–
oftalmologiya üzrə differensial göstəricilərə və bir sıra tibbi məlumatlara əsaslanan
biliklər bazası yaradılmışdır;
–
sistemdə oftalmoloji terminlər üzrə lüğət (Azərbaycan, rus, latın, ingilis dillərində) bloku
yaradılmışdır;
–
sistemdə tələbə və həkim-internalara kömək məqsədilə tədris bölməsi yaradılmışdır ki,
bu da sistemin öyrədici sistem kimi effektivliyini artırır;
–
əhalini uyğun xəstəliklər haqqında məlumatlandırmaq, maarifləndirmək üçün əhaliyə
xidmət bölməsi yaradılmışdır.
Bu sistemin reallaşmasında aparılan tədqiqatlara Bakı şəhər 1 saylı şəhər klinik
xəstəxanasının VI göz xəstəlikləri şöbəsinə ambulator şəraitdə göz xəstəlikləri ilə qəbul olunmuş
500 xəstə cəlb edilmişdir.
[34]-də virtual oftalmoloq ES-in proqram təminatı və strukturu ətraflı şərh olunmuşdur.
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
www.jpit.az 89
[35]-da nevroloji xəstəliklərin diaqnostikası üzrə ES-in qurulması texnologiyası verilmiş,
sistemin yaradılması istiqamətində: nevroloji xəstəliklər tədqiq olunmuş və əlamətlər sistemi
müəyyənləşdirilmişdir, nevroloji xəstəliklərin diaqnostikası üçün əldə edilmiş bliklərin təsviri
metodologiyası, biliklər bazasının strukturu, məntiqi çıxarış mexanizmi, diaqnostika strategiyasını
təmin edən qeyr-səlis riyazi model, müvafiq ES-in arxitekturası, fəaliyyət prinsipləri və
instrumental vasitələri işlənilmişdir. Nevroloji xəstəliklərin diaqnostikası üzrə ES-də biliklərin
təsviri ontologiya əsasında 6 mərhələdə təklif olunmuşdur [36]. Tədqiqat çərçivəsində epilepsiya
xəstəliyinin növlərinin sistemləşdirilməsi üçün qeyri-səlis məntiq və ekspert biliklərindən istifadə
edilmiş, diaqnostik ES yaradılmışdır [37]. Yaradılmış sistemin kliniki şəraitdə eksperimentləri
keçirilmiş və nəticələr 83% dəqiqliklə alınmışdır.
[38]-da piylənmədən əziyyət çəkən insanlarda 2-ci tip şəkərli diabetin proqnozlaşdırılması
üçün yaradılmış sistemin iş prinsipi verilmişdir. Sistem statistik verilənlərin emalı metodları
əsasında işlənilmiş, bu məqsədlə dispersion analiz üsulundan istifadə edilmişdir.
6. Nəticə
Tibbi ES-in yaradılması günün aktual problemidir. Bu aktuallıq xəstələrə göstərilən xidmətin
yaxşılaşdırılması, diaqnoz qoyulması, müalicə metodu seçilməsi zamanı düzgün qərarların qəbul
edilməsindən irəli gəlir, elektron tibbin formalaşmasının əsas istiqamətlərindən biridir. Bu sistemlər
ifrat artan informasiya mühitində süni intellekt texnologiyasının metodlarına, innovativ yanaşmalara
istinad etməklə yaradılır, odur ki, müvafiq texnologiyaların mənimsənilməsini, müvafiq sahə
mütəxəssislərinin – bilik mühəndislərinin hazırlanmasını tələb edir. Bu isə tibb və İKT-nin
inteqrasiyasında ixtisaslı mütəxəssislərin hazırlanmasını bir daha aktuallaşdırır və elektron tibbin
formalaşdığı ölkələrin bu istiqamətdə təcrübəsindən yararlanmağı gündəmə gətirir [39].
Məqalədə qeyd olunan tibbi ES-ə istinadən, demək olar ki, respublikamızda ES-in yaradılması
istiqamətində qismən uğurlu nəticələr alınmış, müxtəlif xəstəliklərin diaqnozu, monitorinqi və müalicə
üsulunun seçilməsi üçün yaradılmış intellektual ES müxtəlif səhiyyə ocaqlarında uğurla sınaqdan
keçirilmişdir. Lakin, çox əfsus ki, elmi əsaslandırılmış, innovativ texnologiyalara istinadən yaradılmış
belə sistemlər, sınaqdan uğurla keçsələr də, istismar olunmurlar. Bildiyimiz ki, ES-in yaradılmasına
bəzən eksperimental bir sahə kimi də baxılır, bu da yaradılmış sistemlərin reallığa adekvatlığının təmin
olunması istiqamətində sistemlərin daima modernləşdirilməsi, yeni biliklərin daxil edilməsi, yeni
blokun əlavə edilməsi və s. ilə bağlıdır ki, bunlar da sistemin mükəmməlləşdirilməsi istiqamətində
irəliyə atılmış bir addım kimi dəyərləndirilir. Nəticədə isə ticarət səviyyəli ES-in yaradılmasına və
ondan kütləvi surətdə istifadə etməklə insanlara göstərilən tibbi xidmətin keyfiyyətini artırmağa nail
olmaq olar. Yaradılmış sistemlərin istismar olunmaması, onların reallığa adekvatlığının təmin
olunması istiqamətində eksperimentlərin miqyasının genişləndirilməməsi bu sistemlərin cəmiyyətə
verə biləcəyi dəyərin qarşısını alır və bu problemə diqqətin ayrılması günün vacib tələbidir.
Ədəbiyyat
1.
Məmmədova M.H., Cəbrayılova Z.Q. İnsan resurslarının idarə olunması məsələlərinin
həllində böyük verilənlərin istifadəsi imkanları və problemləri // İnformasiya texnologiyaları
problemləri, 2016, №1, s.39–48.
2.
Manchini M. Exploiting Big Data for improving healthcare servuces// Journal of e-Learning
and Knowledge Society, 2014, vol.10, no.2, pp.23–33.
3.
Рост объема информации – реалии цифровой вселенной.
www.tssonline.ru/articles2/fix-corp/rost-obema-informatsii-realii-tsifrovoy-vselennoy
4.
Анисимов В.Е. Основы медицинской кибернетики: Учебное пособие. Воронеж: Изд-во
ВГУ, 1978, 240 с.
5.
Big Data in Human Resource Management – Developing Research Context.
www.researchgate.net/publication/275520745
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
90 www.jpit.az
6.
Знаменская Т. Зачем нужны ИТ в здравоохранении? // Открытые системы, №02, 2010.
www.osp.ru/os/2010/02/13001446/
7.
Davenport T., Glaser J., Just-in-time delivery comes to knowledge management, Harvard
Business Review, 2002, vol.80, no.7, pp.107–111, doi: 10.1225/R0207H.
8.
Miller G. A. The magical number seven, plus or minus two: Some limits on our capacity for
processing information // Psychological Review, 1956, vol.63, pp.81–97.
9.
Feigenbaum E.A. The Art of Artificial Intelligence: I. Themes and Case Studies of Knowledge
Engineering / Proceedings of the International Joint Conference on Artificial Intelligence,
1977, pp.1014–1029. file:///C:/Users/HP/Downloads/rh996br0518.pdf
10.
Buchanan B. G., Feigenbaum E.A. Dendral and Meta-Dendral: Their Applications Dimension
// Artificial Intelligence, 1978, vol.11, no.5, pp.5–24.
file:///C:/Users/HP/Downloads/ym915sk9042.pdf
11.
Shortliffe E.H., Buchanan B.G. A model of inexact reasoning in medicine // Mathematical
Biosciences, 1975, vol.23, no.3–4, pp.351–379. doi:10.1016/0025-5564(75)90047-4
12.
Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем, СПб.:
Питер, 2000, 384 с.
13.
Знания. Виды знаний. http://daxnow.narod.ru/index/0-19
14.
Технологии инженерии знаний. www.iskhacov.narod.ru/materials/enginer.pdf
15.
Теоретические аспекты извлечения знаний. http://lib.alnam.ru/book_bki.php?id=24
16.
Стратегии получения знаний. http://itteach.ru/predstavlenie-znaniy/strategii-polucheniya-
znaniy
17.
Davis R., Shrobe H., Szolovits P. What is a Knowledge Representation? // AI Magazine, 1993,
vol.14, no.1, pp.17–33. http://groups.csail.mit.edu/medg/ftp/psz/k-rep.html
18.
Introduction to Knowledge Modeling. http://www.makhfi.com/KCM_intro.htm
19.
http://edu.dvgups.ru/METDOC/EKMEN/MEN/SIST_UPR/METOD/OSN_UPR/Klykov_25.htm
20.
Kərimov S., Rəhimova N. Ekspert sistemi. Bakı, Çaşıoğlu, 2004, 173 s.
21.
Randolph A. Miller, Harry E. Pople, Jr., and Jack D. Myers. INTERNIST-1-An Experimental
Computer-Based Diagnostic Consultant for General Internal Medicine // New England
Journal of Medicine. 1982, vol.307, pp.468–476.
http://people.dbmi.columbia.edu/~ehs7001/Clancey-Shortliffe-1984/Ch8.pdf
22.
WebMD. http://symptoms.webmd.com/symptomchecker
23.
The features of DXplain. http://dxplain.org/dxp2/dxp.sdemo.asp?login
24.
Jadhav V.S., Sattikar A. A. REVIEW of Application of Expert Systems in the Medicine,
pp.122–124. http://nci2tm.sinhgad.edu/NCIT2M2014_P/data/NCI2TM_31.pdf
25.
The GermWatcher. www.openclinical.org/aisp_germwatcher.html.
26.
PEIRS: a pathologist-maintained expert system for the interpretation of chemical pathology
reports. www.ncbi.nlm.nih.gov/pubmed/8316495
27.
Rəhimova N.Ə. Qarın boşluğu nahiyəsi cərrahi xəstəliklərinin diaqnostikası ucun ekspert
sistemi: tex. elm. nam.dis. avtoref., Bakı, 1996, s. 22.
28.
Qeybullayev A.Ə., Rəhimova N.Ə., Həbibullayev C.B. Qarın boşluğu uzvlərinin kəskin
cərrahi xəstəliklərinin diaqnostik ekspert sistemlərinin yaradılması və tətbiqi, Bakı, Elm,
2000, 173 s.
29.
Абдуллаева Г.Г., Гейдарова Н.Г., Велиева Э.С. и др. Интеллектуальная система
первичной сортировки больных в многопрофильном стационаре // Известия НАНА,
Серия физико-технических и математических наук, 2001, №2, с.103–105.
30.
Абдуллаева Г.Г., Мамедова М.В. Экспертная система распознавания функционального
состояния щитовидной железы в случаях трудной диагностики // Известия НАНА,
Серия физико-технических и математических наук, 2003, №2–3, с.126–129.
31.
Abdullayeva Q.Ə. Sud vəzi şişlərinin informasiya-diaqnostik sisteminin işlənməsi:
tex.elm.nam.dis. avtoref. Bakı, 2004, 20 s.
İnformasiya texnologiyaları problemləri, 2017, №1, 81–91
www.jpit.az 91
32.
Hacıyev Z.Ə. Ortopediyada cərrahi mudaxilə seciminin intellektual sistemi:
tex.elm.nam....dis. avtoref. Bakı, 2005, 20 s.
33.
Şükürlü S. F. Oftalmologiya sahəsi üzrə ambulatoq xəstələrin ilkin diaqnostikası üçün ekspert
sistemi: tex.elm.nam.dis. avtoref. Bakı, 2005, 20 s.
34.
Musayev P.İ., Şükürlü S.F. “Virtual oftalmoloq” ekspert sisteminin proqram təminatı və
strukturu // Oftalmologiya elmi praktik jurnalı, 2009, №1, s.24–29.
35.
Amooji A.Ş. Nevroloji xəstəliklərin diaqnostikası üzrə ekspert sistemlərin qurulması: ekspert
sistemi: tex.elm.nam.dis. avtoref. Bakı, 2016, 18 s.
36.
Alıquliyev R., Amooji A. Nevroloji xəstəliklərin diaqnostikası üzrə ekspert sistemində
biliklərin təsviri modelləri / «Elektron tibbin multidissiplinar problemləri» I Respublika elmi-
praktiki konfransının əsərləri, Bakı, 25 may, 2015, s.171–174.
37.
Məmmədova M., Amooji A. Epilepsiya xəstəliyinin diaqnostikası üzrə ekspert sistemi //
“Elektron tibbin multidissiplinar problemləri” I Respublika elmi-praktiki konfransının
əsərləri, Bakı, 25 may, 2015, s.211–214.
38.
Курбанова Н., Мустафаева А. Скрининговая система прогнозирования сахарного
диабета типа 2 у лиц с ожирением / “Elektron tibbin multidissiplinar problemləri” I
Respublika elmi-praktiki konfransının əsərləri, Bakı, 25 may, 2015, s.201–203.
39.
Cəbrayılova Z.Q. Elektron tibbin insan resurslarının formalaşması: beynəlxalq təcrübə, həllər
və perspektivlər // İnformasiya cəmiyyəti problemləri, 2016, №2, s.61–73.
УДК 004.056
Мамедова Mасума Г., Джабраилова Зарифа Г.
Институт Информационных Технологий НАНА, Баку, Азербайджан
depart15@iit.ab.az
Проблемы разработки и перспективы развития медицинских экспертных систем
В статье дается информация о медицинских экспертных системах (ЭС), рассматриваются
проблемы трансформации естественного медицинского интеллекта в искусственный
медицинский интеллект. Описываются возможности современных ЭС и перспективы
развития, анализируется соответствующая обстановка в Азербайджане. Обоснованы
необходимость развития инженерии знаний и подготовка специалистов – инженеров по
знаниям для медицинской сферы с целью формирования электронной медицины в
республике, предложено усилить активность в области внедрения разработанных ЭС.
Ключевые слова: медицинские экспертные системы, методы извлечения знаний, аспекты
получения информации, инженерия знаний.
Masuma G. Mammadova, Zarifa G. Jabrayilova
Institute of Information Technology of ANAS, Baku, Azerbaijan
depart15@iit.ab.az
Development problems and prospects of the medical expert systems
The paper provides information on medical expert systems (ES), and deals with the transformation
problems of the natural medical intelligence into the artificial medical intelligence. It describes the
capabilities of modern ES and development prospects. It also analyzes the respective situation in
Azerbaijan. The paper shows the necessity of development of knowledge engineering and training
the knowledge engineers for the medical sector in order to create e-health in Azerbaijan. It proposes
to strengthen the activity in the field of implementation of the developed ES.
Keywords: medical expert systems, knowledge extraction techniques, aspects of data acquisition,
knowledge engineering.
Dostları ilə paylaş: |