Международная классификация болезней МКБ-10
МКБ-10 – система рубрик, в которые включены конкретные нозологические единицы в соответствии с принятыми критериями Международной классификации болезней 10 пересмотра.
Целью МКБ является создание условий для систематизированной регистрации, анализа, интерпретации и сравнения полученных данных в разных странах о заболеваемости и смертности.
МКБ используют для преобразования словесной формулировки диагнозов и других проблем, связанных со здоровьем, в буквенно-цифровые коды, которые обеспечивают удобство хранения, извлечения и анализа данных.
Сердцевиной классификации является трехзначный буквенно-цифровой код,являющийся обязательным уровнем кодирования данных о заболеваемости и смертности, которые отдельные страны предоставляют в ВОЗ. Четырехзначные рубрики рекомендованы для многих целей и составляют неотъемлемую часть МКБ-10.
Существуют 2 основные группы классификаций.Классификации первой группы охватывают данные, относящиеся к диагнозам и состоянию здоровья, они строятся непосредственно на основе МКБ путем использования специальных перечней для статистических разработок. В эту группу также входят адаптированные классификации для узких специалистов.
Вторая группа охватывает аспекты, относящиеся к нарушениям здоровья, которые не вписываются в формальные диагнозы известных в настоящее время состояний, а также другие классификации, касающиеся медицинской помощи:
- Международная классификация процедур в медицине.
- Международная классификация нарушения, снижения трудоспособности и социальной недостаточности.
Каждая болезнь в классификации занимает строго определенное место в перечне рубрик. МКБ-10 является переменно-осевой классификацией. Ее структура разработана на основе классификации, предложенной Уильямом Фарром (более 100 лет назад).
Основу МКБ-10 составляет единый кодовый перечень трехзначных рубрик, каждая из которых может быть подразделена на четырехзначные рубрики числом до десяти. Первый знак представлен буквой, затем цифрой во втором, третьем и четвертом знаке кода. Четвертый знак следует за десятичной точкой. Таким образом, возможные номера простираются от А00.0 до Z99.9.
Буква U не используется. Коды U00-U49 следует использовать для временного обозначения новых болезней неясной этиологии, а также в исследовательских целях, например, для апробирования альтернативной подклассификации в рамках специального проекта.
Классификация МКБ подразделена на 21 класс. Первым знаком в коде МКБ является буква, а каждая буква соответствует определенному классу, за исключением 4 классов (1, 2, 19, 20) используют более одной буквы в первом знаке своих кодов.
Классы подразделяются на однородные «блоки» трехзначных рубрик. В пределах каждого блока трехзначные рубрики размещены по степени важности для здравоохранения состояний, от нумерации наиболее важных состояний к менее значимым состояниям, прочим другим и неуточненным состояниям. В каждом классе количество блоков трехзначных рубрик неравнозначно.
2.6. ЭКСПЕРТНЫЕ СИСТЕМЫ
2.6.1. Общие сведения
Экспертная система (ЭС) – это система, обеспечивающая принятие решения по исходной информации на основе базы знаний, хранящей знания экспертов, путем применения ЭВМ, позволяющей интерпретировать эти знания. Экспертная система это одно из проявлений искусственного интеллекта – моделирования процессов мышления. ЭС относятся к классу консультативно-диагностических систем.
В медицине врачи принимают важное решение, которое определяет успех всей работы: ставят диагноз. Точность диагностики зависит от квалификации специалиста (эксперта) – его умения правильно проанализировать имеющуюся информацию. Но бывают ситуации, когда нет высококвалифицированного специалиста по какой-либо специальности. Поэтому, по мере развития вычислительной техники, возникла идея заложить знания специалистов в компьютер и использовать его в качестве электронного эксперта.
По способу решения задачи диагностики различают вероятностные системы и экспертные системы. В вероятностных системах диагностика осуществляется реализацией одного из методов распознавания образов или статистических методов принятия решений. В экспертных системах – реализуется логика принятия диагностического решения опытным врачом.
Так как ЭС основана на знаниях – те, в свою очередь, должны быть явными и доступными, высококачественными, полученными непременно на уровне профессионалов, более глубокими и полными, чем у обычного пользователя, и, таким образом, должны обеспечивать глубину и компетентность системы. Система также должна уметь работать не только с количественной, но и с трудно формализуемой качественной информацией, что особенно важно для решения медицинских задач.
Экспертные системы принадлежат к классу систем искусственного интеллекта. Разрабатываемые в настоящее время медицинские экспертные системы просты и решают узкоспециализированные задачи медицинской диагностики. По сути дела это диалоговые базы данных, сопряженные с базами знаний и подсистемами генерации отчетов.
Самые важные области применения экспертных систем:
- неотложные и угрожающие состояния;
- дефицит времени;
- ограниченные возможности обследования;
- скудная клиническая симптоматика;
- быстрые темпы развития заболевания.
Необходимо отметить, что работа с экспертными системами может вестись удаленно.
Общий принцип, положенный в основу формирования ЭС диагностических заключений, – включение в базу знаний синдромов, позволяющих контролировать все основные системы организма.
Выводы, основанные на опыте работы с экспертной системой, весьма конкретны и обоснованы:
- структурное представление медицинских знаний в виде иерархически организованных описаний;
- этап формирования эталонных описаний развивает у молодых специалистов навыки систематизированного и логически обоснованного описания и представления клинической картины заболевания;
- язык, встроенный в систему для описания заложенных в оболочку ЭС алгоритмов вывода заключений, должен быть прост и доступен практикующему врачу.
Основные участники создания медицинских экспертных систем:
- врач;
- математик;
- программист.
Основная роль в разработке такой системы – роль врача – постановщика задач. Такая расстановка обязанностей не уменьшает значение разработчиков ЭС, а лишь упорядочивает взаимоотношения между участниками совместной работы.
Прежде всего, важно правильно определить, в какой форме лучше хранить знания эксперта и как ими пользоваться. Также важно обеспечить правильное применение знаний, позволяющее сформулировать достоверные выводы на основе часто противоречивой исходной информации. Желательно, чтобы система по отдельному запросу объясняла свою линию рассуждения в понятном пользователю виде. Хорошая экспертная система имеет блок для пополнения базы знаний.
Области применения экспертных систем
С помощью экспертных систем эффективно решаются задачи, для которых нет строгой устоявшейся теории. Наиболее эффективное применение экспертные системы получили в диагностике, не только медицинской, но и технической и экономической.
Большое влияние на развитие экспертных систем оказала разработанная еще в 1970-е годы в Стенфордском университете система MYCIN, которую считают сейчас классической. Эта система диагностирует бактериальные инфекции крови и дает рекомендации относительно терапии. База знаний системы MYCIN составляет сотни правил типа ЕСЛИ – ТО, которые являются вероятностными, что позволяет принимать правильные решения при ошибочности части данных. Система имеет блок объяснения рассуждений.
По типу MYCIN построена система PUFF, которая предназначена для диагностики заболеваний легких. Практика показала: экспертные системы, подобные MYCIN и PUFF, могут заменить человека в ряде областей, хотя их возможности и ограничены.
Из истории развития искусственного интеллекта
Термин искусственный интеллект (artificial intelligence) предложен в 1956 году на семинаре в Стенфордском университете (США).
Идея создания искусственного подобия человеческого разума для решения сложных задач и моделирования мыслительной способности витала в воздухе с древнейших времен. Впервые ее выразил Р. Луллий, который еще в XIV веке пытался создать машину для решения различных задач на основе всеобщей классификации понятий.
Развитие же искусственного интеллекта, как научного направления стало возможным только после создания ЭВМ. Это произошло в 40-х годах XX века. В это же время Н. Винер создал свои основополагающие работы по новой науке – кибернетике.
В 1954 году в МГУ под руководством профессора А. А. Ляпунова начал свою работу семинар "Автоматы и мышление". В этом семинаре принимали участие крупнейшие физиологи, лингвисты, психологи, математики. Принято считать, что именно в это время родился искусственный интеллект в России.
Существенный прорыв в практических приложениях искусственного интеллекта произошел в середине 70-х годов XX века, когда на смену поискам универсального алгоритма мышления пришла идея моделировать конкретные знания специалистов-экспертов. В США появились первые коммерческие системы, основанные на знаниях, или экспертные системы. Появился новый подход к решению задач искусственного интеллекта – представление знаний. Созданы MYCIN и DENDRAL – ставшие классическими экспертные системы для медицины и химии.
В 1980-1990 годы проводятся активные исследования в области представления знаний, разрабатываются языки представления знаний, экспертные системы. Начиная с середины 80-х годов XX века, происходит коммерциализация искусственного интеллекта. Растут ежегодные капиталовложения, создаются промышленные экспертные системы.
Экспертные системы не получили достаточно широкого распространения в практической медицине. Они, в основном, используются как составная часть медицинских приборно-компьютерных систем. Связано это, прежде всего, с тем, что в реальной жизни число всевозможных ситуаций и, соответственно, диагностических правил оказалось так велико, что система либо начинает требовать большое количество дополнительной информации о больном, либо резко снижается точность диагностики.