Искусственный интеллект в медицине

 ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В МЕДИЦИНЕ

Ихлов Б. Л.

Введение
Развитие науки привело к представлению, что живой мир можно описать с помощью механики. Декарт (Картезий) полагал, что мышление – это механическое движение. Декарт позволял человеку иметь душу, которую в него вдохнул бог. Животные для Декарта – физиологические машины.
Основатели материализма, Ламетри, Дидро, Гоббс, Гельвеций, Гольбах возражали Декарту: физиологии человека и животных сходны, и «человек – больше, чем машина», и «животное – больше, чем машина» (Ламетри). Тем не менее, их механистическое (картезианское) понимание детерминизма логически приводит к тому, что поведение живых организмов – жестко детерминировано.
Однако научная практика показывает, что вследствие качественных переходов в объекте возникает новое системное качество.
Законы термодинамики не редуцируемы к механике материальных точек, законы химии не редуцируемы к квантовой химии, биология не сводится к физике и химии, законы социологии не сводимы к биологии.
Элементарные частицы описываются в рамках квантовой хромодинамики, атомные и молекулярные системы описываются с помощью квантовой теории поля, однако очевидно, что попытки хотя бы теоретически представить волновые функции макроскопических тел неадекватны: макроскопические тела не имеют волновых свойств. Разумеется, кроме таких систем, как, например, фотонный или электронный газ или система спинов в твердом теле, где применимы квантовая статистика и магнитный резонанс.
Тем не менее, в современной мифологи укоренилось мнение, что мир запрограммирован, что человек не отличается качественно от неживой материи, только степенью сложности, и когда-либо будет получено уравнение, описывающее поведение человека. Особенные надежды возлагают на искусственный интеллект (ИИ), на нейросети, всё это будто бы сможет заменить мышление человека. Особой темой является чипирование.
ИИ вырастал из системы распознавания образов, ныне в это понятие включают еще направление в информатике, математическое моделирование, робототехнику и т.д. Но ни ИИ, ни нейросети не в состоянии заменить человека, т.к. металло-керамические и полимерные формы не прошли миллиардолетнюю эволюцию живой материи и миллионолетнюю эволюцию разумной жизни.
Человеческий организм, в свою очередь, не является жесткой механической системой, хотя многие задачи биомеханики можно решить с помощью уравнений гидродинамики, сопротивления материалов, уравнений Белоусова-Жаботинского, Андронова, стохастических уравнений. Но представление, что ИИ способен определить жизнедеятельность человека – явно архаично, из XVII-XVIII веков нашей эры.
Поведение человека, как социального существа, зависит от законов биологии, но не определяется только ими. Человек – существенно открытая система.
Проблема моделирования поведения различных органов человека при заболевании и лечении, чтобы выработать систему рекомендаций на сегодня не решена. В том числе с помощью ИИ. Однако какие возможны подходы?

Метод описания
Из различных приближений, которые можно применить в квантовой химии, для построения молекулярной волновой функции (молекулярной орбитали - МО) наилучшим является приближением. Общая волновая функция представляется линейно комбинации атомных орбиталей (МО ЛКАО).
Аналогично «волновая» функция записывается в виде произведения «волновых» функций
отдельных факторов
; ; ;1;2...;n
Математическим оператором может служить образ хирургической операции: 
H;1 ; ;2
В то же время очевидно, что нельзя применять аналог приближения Хартри-Фока, нельзя ограничиваться взаимодействием близлежащих фрагментов анатомической системы.
Приближение квантовой химии позволяет представить оператор Гамильтона для многоэлектронной системы как сумму одноэлектронных операторов Гамильтона. Одноэлектронное приближение (приближение Хартри) предполагает взаимодействие каждого электрона со всеми остальными заменить взаимодействием с усредненным полем, создаваемым ядром и остальными электронами. Для этого при описании состояния системы многих электронов каждому из них приписывается своя волновая функция.
Для расчета сначала используются затравочные функции, которые в ряде итераций корректируются.
Можно построить своеобразные волновые функции состояния того или иного органа человека – как многомерные функции многих переменных, параметров органа человека. В зависимости от того или иного набора компонент многомерной функции врач получает рекомендацию принять то или иное решение.
В системе ИИ обычно используют построение дерева решений, как правило, бинарного. Однако можно обойтись без этого построения – в системе экспертных оценок.
Система экспертных оценок – часть общей теории принятия решений (Э. Л. Леман, 1950, см. также [1-3]), нормативной или дескриптивной, использующей математические методы. 
Систем сопоставляет объектам некие числовые значения, назначаемые произвольно экспертами. Один из способов – ранжирование, расположение объектов в порядке возрастания или убывания какого-либо присущего им свойства. Ранжирование позволяет выбрать из исследуемой совокупности факторов наиболее существенный. Другой способ - парное сравнение, установление предпочтения объектов при сравнении всех возможных пар. Третий способ - непосредственная оценка, диапазон изменения характеристик объекта разбивается на отдельные интервалы, каждому из которых приписывается определенная оценка (балл), например, от 0 до 10.
При ранжировании каждого эксперта просят расположить признаки aij в порядке предпочтения. Возникает матрица n x m характеристик системы, в которой aij — оценка признака экспертом. n — количество признаков, m — количество экспертов.
Затем подсчитывается среднее значение важности признака.
Всем признакам aij назначают весовые коэффициенты так, чтобы суммы коэффициентов была равна какому-то фиксированному числу (например, единице, десяти или ста). Наиболее важному из всех признаков придают весовой коэффициент, равный какому-то фиксированному числу, а всем остальным – коэффициенты, равные долям этого числа.
В метод последовательных сравнений эксперт упорядочивает все признаки в порядке уменьшения их значимости: a1 > a2 >…> an; присваивает первому признаку значение, равное единице: A1=1, остальным же признакам назначает весовые коэффициенты в долях единицы; сравнивает значение первого признака с суммой всех последующих.
Компьютеризированная система экспертных оценок широко используется при назначении лекарств, в целом в фармакологии и в фармакодинамике, есть также множество систем экспертных оценок в кардиологии. Системы выявляют болезнь пациента и дают рекомендации для ее лечения.

Пример 1

Таблица 1
;(t) Оценка здоровья ;(t+…) Оценка здоровья
Объем простаты 100% = 1 1
Давление от нормы 60% = 0,6 70% = 0,7 100% = 1 85% = 0,85
Моча, лейкоциты 70% от нормы = 0,7 0,7
Диабет, 65% = 0,65 0,65
Регенерация тканей, 70% = 0,7 0,7
… … … …

Сопоставление экспертных оценок работы какого-либо органа и организма в целом оценке уровня здоровья

Система экспертных оценок широко применяется и в социологи конфликтов, и в градостроении, и, разумеется, в медицине: в психиатрии, при лечении ЖКТ, в сердечно-сосудистой хирургии. Но в этих системах нет механизма коррекции весовых коэффициентов.
Допустим, в Таблице 1 весовые коэффициенты введены произвольно для одного из N пациентов. Далее следует компьютерная обработка, позволяющая установить функцию состояния здоровья от набора выбранных весовых коэффициентов. В следующих 50 таблицах устанавливается новая функция и т.д., по новым совокупностям таблиц производится коррекция весовых коэффициентов. Таким образом, конструируется прогностическая функция, показывающая, как повлияет на состояние здоровья то или иное действие хирурга.
Аналогично устанавливается соответствие между многомерными «векторами» состояния части организма человека до вмешательства хирурга и после.

Пример 2
Допустим, есть ряд данных, например, 1; 2,5; 2,8; 4,1 и т.д. И другой ряд данных: 0,9; 2; 3; 3,9 и т.д. Допустим, известно, что эти два ряда данных связаны друг с другом. Одно множество данных обозначим через у, другое – через х. Компьютерная обработка этих рядов данных покажет, что в среднем
y = x,
и коэффициент корреляции близок к единице.
Допустим, что есть двумерная функция z = z (x, y), т.е. есть не два, а три множества чисел, причем паре чисел x, y сопоставляется одно число z. Компьютерная обработка покажет вид зависимости этих множеств, например
z = x2 + y2 .
Представим, что z – это функция, отражающая уровень здоровья, полностью здоровому человеку соответствует, скажем, 1, менее здоровому – 0,8 и т.д.

Теперь представим, что функция z зависит не от двух, а от сотни параметров. Эти параметры можно разбить на две группы: одна характеризует работу организма в целом (температура, давление, уровень лейкоцитов в моче и т.д.). Другая группа характеризует работу сердечно-сосудистой системы: состояние клапанов, наличие тромбов и т.д. Врач, который формирует оба множества параметров, сопоставляет каждому вес этого параметра. Например, если температура 36,6, то ей сопоставляем 1, если 38, то 0,3 и т.д. Если есть тромб – то (-1), если работа сосуда нормальная, +1, и т.д.
Допустим, что один индикатор намного важнее другого, то есть, при его малом изменении функция z меняется сильно. Это и должна показать экспертная оценка врача.

Таким образом, формируемая система базы данных подобна системе экспертных оценок. Разница в том, что в нашем случае не требуется множество экспертов, компьютер устанавливает связь между такой функцией z и набором таких параметров, которые формируется одним-единственным врачом-практиком, например:
z = x + y2 – ln(q) + sin(p)…
И т.д.
Таким образом, если в результате операции изменился ряд индикаторов, можно будет оценить уровень здоровья пациента сразу после операции.

Под руками врача несколько наборов данных (несколько пациентов), что позволяет совершить компьютерную коррекцию весов различных индикаторов, которые назначаются каждому пациенту.
Это сближает нашу систему с методами квантовой химии. Можно будет получить феноменологическую таблицу параметров, подобную таблице, составленной Пюльманом, в которой каждому атому соответствует определенный набор чисел.

Следующим шагом является сопоставление двух наборов параметров, то есть, функция z становится многомерной, причем зависящей от времени. Например:
z(t) = x1 + y21 – ln(q1) + sin(p1)…
z(t + 1 год) = x2 + y22 – ln(q2) + sin(p2)…
Поскольку данных наборов столько же, сколько и пациентов, это позволяет второй раз скорректировать соответствие индикаторов назначаемых врачом параметров. После этого система для формирования программы математического моделирования, основу которой составляет база данных врача-практика, будет завершена.

Заключение
В нашем случае структура системы экспертных оценок сочетается со схемой квантовой химии. Поэтому 1) нет никаких сравнений признаков;
2) нет усреднения веса признака по ряду экспертов;
3) есть в отличие от сопоставления трем координатам С-числа в геометрии сопоставление многомерной функции С-числу – на первом шаге. Причем обе базы данных хотя и оценочные, но базируются на экспериментальны данных;
4) есть коррекция весовых признаков - по аналогии с методом итераций в квантовой химии;
5) есть сопоставление одной многомерной функции другой многомерной функции.
Многомерные зависимости одной функции от другой получаются путем математической обработки баз данных по аналогии с методом наименьших квадратов.

Литература
1. Орлов А. И. Экспертные оценки: учебное пособие. М.: Ай Пи Ар Медиа, 2022. 57 c.
2. Гельман Г. Г. Квантовая химия М.: Бином. Лаборатория знаний, 2012. 533 с.
3. Орлов А. И. Теория принятия решений: учебник. М.: Ай Пи Ар Медиа, 2022. 826 c.