مقاله کاربرد سیستم های فازی در پزشکی

بخشی از مقاله

چکیده

علیرغم تمام روشهای استاندارد سازی در تشخیص پزشکی، یک تشخیص درست هنوز یک هنر به شمار میآید. قسمت اعظم این وضعیت به دلیل این است که تشخیص پزشکی نیازمند تخصص و تجربه در مواجهه با عدم قطعیت است. در جهان ماشینی امروزی که مرزهای دانش پزشکی بسیار گسترده شده، به آسانی نمیتوان بر این عدم قطعیت چیره شد. ارائه یک چارچوب قدرتمند برای مدلسازی سیستمهای فعلی باعث میشود نظریه فازی به عاملی ارزشمند برای پیشرفت تشخیص پزشکی تبدیل گردد. در این مقاله با استفاده از تخمین توابع تعلق سیستم فازی سعی در بهبود پیشبینی بعضی بیماریها با استفاده از سیستم فازی شده است.

مقدمه

تحول در صنعت سلامت به واسطهی این هدف واحد که" چگونه سازمانهای سلامت هزینهها را کاهش و کیفیت را افزایش دهند و هم چنان رقابتی باقی بمانند؟" به پیش میرود و این مقوله همواره یک چالش بزرگ محسوب میشود. بهبود کیفیت در صنعت سلامت را میتوان به واسطهی نیروهای محرکی که بر آن تأثیرگذار است بهتر تعریف نمود و از جملهی این نیروهای محرک، دادههای سلامت است؛ به عبارت دیگر در هر نوع برنامهی بهبود کیفیت متمرکز بر بیمار، دادهها قلب آن برنامه به حساب میآید.

دادهها در عصر امروزی یعنی عصر اطلاعات، عمدهترین دارایی برای سازمانهای سلامت بوده و موفقیت سازمانهای سلامت در گروی جمعآوری، ذخیره و تحلیل آنها است. با وجود این، جمعآوری و ذخیرهی میزان زیادی از دادهها میتواند یک نوع اتلاف محسوب شود، مگر این که داده ها به شکل سودمند استفاده شده و تبدیل به یک منبع مالی برای سازمان گردد.

امروزه با پیشرفت فناوری در جوامع پیشرفته اروپایی، آمریکایی و حتی درجوامع جهان سوم، تلاشهای فراوانی در زمینههای گوناگون علمی توسط اندیشمندان و پژوهشگران علوم مختلف صورت گرفته و میگیرد اما با وجود این مطالعات، باز هم شاهد ابهاماتی در برخی از حیطههای علمی هستیم. یکی از این حیطههای گسترده و پراهمیت که روز به روز شاهد موفقیتها و تازههای علمی فراوانی در آن هستیم شاخه علوم پزشکی است که با وجود پیشرفتهای بسیار در آن، باز هم با بیماری هایی مواجه میشویم که هنوز برای آنها راه چاره و درمان قطعی پیدا نشده است.

به دلیل پیچیدگی تصمیمات پزشکی، کاربرد سیستمهای اطلاعاتی جهت پشتیبانی از این تصمیمات افزایش یافته است. از اینرو، نقش سیستمهای هوشمند در یاریرسانی به پزشکان برجسته است. یکی از این سیستمهای هوشمند، سیستم خبره میباشد. در تعریف، به یک برنامهی هوش مصنوعی تهیه شده برای حل مسائل و مشکلات مربوط به یک حوزه خاص، سیستم خبره گفته میشود.

اطلاعات لازم برای ایجاد یک سیستم خبره از افرادی که در آن زمینه خبره هستند جمع آوری میشود. به بیان دقیقتر سیستم خبره به وسیلهی مجموعهای از قواعد "اگر - آنگاه" حالات مختلف یک موضوع را بررسی میکند و سرانجام به یک نتیجه مناسب دست پیدا میکند. این نوع نگرش به بیماریها در واقع با ریاضیاتی تحت عنوان ریاضیات فازی، قابل مدلسازی است.

در دهه اخیر مقالات ریاضی مربوط به ابهام و عدم قطعیت به شکل قابل ملاحظهای و مخصوصاً در رشتههایی نظیر مدلسازی سیستم و بهینه سازی و کنترل در علوم پزشکی توسعه پیدا کردهاند و تعدادی از صاحب نظران با استفاده از نظریه مجموعههای فازی در بیماریهای واگیردار تحقیقاتی انجام دادهاند. سیستم خبره فازی، نسخه جدیدتری از سیستم خبره است که برای پردازش، از منطق فازی بهره میجوید.

سیستمهای خبره

در یک تعریف کلی میتوان گفت سیستمهای خبره، برنامههای کامپیوتری هستند که نحوه تفکر یک متخصص در یک زمینه خاص را شبیه سازی میکنند. در واقع این نرمافزارها، الگوهای منطقی را که یک متخصص براساس آنها تصمیمگیری میکند، شناسایی مینمایند و سپس براساس آن الگوها، مانند انسانها تصمیمگیری میکنند. سیستمهای خبره زیر شاخهای از هوش مصنوعی میباشد. یک برنامه کامپیوتری هوشمند است که برای حل مسائل پیچیدهای که نیاز به تخصص و تجربه انسان دارد، از دانش و استنتاج استفاده میکند.

سیستم خبره شامل دو رکن اصلی پایگاه دانش و موتور استنباطی است پایگاه دانش شامل قاعده اگر - آنگاه است و موتور استنباطی با استفاده از روشهای جستجو پسرو و پیشرو عمل استنتاج را اجرا میکند با تبدیل پایگاه دانش از حالت قطعی به فازی سیستم خبره فازی ایجاد میشود. یکی از مزیتهای سیستمهای خبره این است که میتوانند در کنار متخصصان انسانی مورد استفاده قرار بگیرند که ماحصل آن تصمیمی مبتنی بر تخصص انسانی و دقت ماشینی است. این فناوری از دید تجاری نیز برای توسعه دهندگان آن سودآور است. علاوه بر آن سیستمهای خبره دارای مزایای چون افزایش قابلیت دسترسی، تجربیات چندگانه، کاهش هزینه، کاهش خطر، دائمی بودن، قدرت تبیین، سهولت انتقال دانش.[1]

منطق فازی

منطق فازی یک نوع منطق است که روشهای متنوع نتیجه گیری در مغز بشر را جایگزین الگوهای سادهتر ماشینی میکند. هر نوع بیان واقعیت، یکسری درست یا نادرست نیست، حقیقت آنها چیزی بین درستی کامل و نادرستی کامل است چیزی بین یک و صفر یعنی مفهومی چند ارزشی. در واقع فازی چیزی بین سیاه و سفید یعنی خاکستری است که در مقابل منطق باینری یا ارسطویی که همه چیز را فقط به دو شکل سیاه و سفید، بلی و خیر و صفر و یک میبیند، قرار دارد. این منطق در بازه بین صفر و یک قرار داشته و با دوری از مطلقگویی - فقط صفر یا یک - از مقدار تعلق عضوی به مجموعه بحث میکند.

منطق فازی روشی برای پیاده سازی استنباط و استدلال نادقیق یا تقریبی انسان است. استدلال فازی، انسان را قادر میسازد در شرایط نادقیق و گنگ استدلال و تصمیمگیری کند. منطق فازی معتقد است که ابهام در ماهیت علم وجود دارد. برخلاف دیگران که معتقدند باید تقریبها را دقیقتر کرد تا بهره وری افزایش یابد، لطفی زاده معتقد است که باید به دنبال ساختن مدلهایی بود که ابهام را به عنوان بخشی از سیستم، مدل کند.

منطق فازی، تکنولوژی جدیدی است که شیوههای مرسوم برای طراحی و مدلسازی یک سیستم را که نیازمند ریاضیات پیشرفته و نسبتاً پیچیده است، با استفاده از مقادیر و شرایط زبانی و یا به بیانی دیگر دانش فرد خبره و با هدف ساده سازی و کار آمدتر شدن طراحی سیستم، جایگزین و یا تا حدود زیادی تکمیل میکند. این نظریه، قادر است بسیاری از مفاهیم، متغیرها و سیستمهایی را که نا دقیق و مبهم هستند، صورتبندی ریاضی کرده و زمینه را برای استدلال، استنتاج، کنترل و تصمیمگیری در شرایط عدم اطمینان فراهم آورد. منطق فازی تقریباً مترادف با تئوری مجموعههای فازی میباشد که در ادامه به معرفی مجموعههای فازی میپردازیم.[2]

مجموعههای فازی

بنیاد منطق فازی بر شالوده نظریه مجموعههای فازی استوار است. این نظریه تعمیمی از نظریه کلاسیک مجموعهها در علم ریاضیات است. در تئوری کلاسیک مجموعهها، یک عنصر، یا عضو مجموعه است یا نیست. در حقیقت عضویت عناصر از یک الگوی صفر و یک و باینری تبعیت میکند. اما تئوری مجموعههای فازی این مفهوم را بسط میدهد و عضویت درجه بندی شده را مطرح میکند .مجموعههای فازی مجموعهای با مرزهای نامشخص است. در واقع انتقال از شمول به عدم شمول به صورت تدریجی انجام میشود. این انتقال تدریجی و نرم توسط تابع عضویت سازماندهی میگردد. این مفهوم سبب میشود تا مجموعههای فازی از انعطافپذیری خوبی برای مدل سازی مفاهیم زبان شناختی برخوردار باشند.

سیستم خبره فازی

دنیای واقعی ما بسیار پیچیده تر از آن است که بتوان یک توصیف و تعریف دقیق به دست آورد، بنابراین باید برای یک مدل، توصیف تقریبی یا همان فازی که قابل قبول و قابل تجزیه و تحلیل باشد معرفی شود. با حرکت به سوی عصر اطلاعات، دانش و معرفت بشری بسیار اهمیت پیدا میکند. بنابراین ما فرضیهای نیاز داریم که بتواند دانش بشری را به شکلی سیستماتیک فرموله کرده و آن را به همراه سایر مدل های ریاضی در سیستمهای مهندسی قرار دهد. این سیستم ها ترکیبی از یک سیستم خبره و یک سیستم منطق فازی میباشد که پیشتر در مورد هر دو سیستم به طور مجزا صحبت شد.

سیستمهای فازی توانایی ایجاد قابلیت را دارند که با استفاده از دانش فرد خبره به تصمیمگیری و کنترل یک سیستم بپردازد، چنانچه پرکاربردترین موارد استفاده از آنها در مدل کردن روابط در محیط های پیچیده و یا هر جاییکه یک مدل روشن و واضح از سیستم موجود نیست میباشد، و با تکیه بر تعدادی ورودی و نتایج آنها به نتیجه گیری و تصمیمگیری برای سیستم می پردازد. دلایل استفاده از سیستم فازی عبارتند از :الف - پیچیدگی بیش از حد دنیای واقعی که نهایتاً منجر به یک توصیف تقریبی و یا یک سیستم فازی برای مدل کردن میشود. ب - نیاز به الگویی برای فرموله کردن دانش بشری به شکلی قانونمند و قرار دادن آن در سیستمهای واقعی.

انواع سیستمهای فازی

سیستم فازی ممدانی: اولین بار برای کنترل یک موتور ترکیبی بخار به کمک مجموعهای از قواعد فازی مطرح گشت. با استفاده از ماکزیمم و ضرب جبری به ترتیب به عنوان عملگرهای تی-نرم و اس-نرم و استفاده از ترکیب مجموع- ماکزیمم به جای ماکزیمم-مینیمم، حاصل می گردد. در این سیستم، خروجی منتج از هر قاعده، یک مجموعه فازی مقیاس شده از طریق ضرب جبری با توجه به درجهی کمال میباشد.

مدل فازی سوگنو : این مدل توسط تاکاگی، سوگنو و کانگ پیشنهاد شد، تلاشی برای توسعهی یک سیستم هوشمند در راستای ایجاد قواعد فازی با توجه به مجموعه دادههای ورودی- خروجی میباشد. یک قاعده در مدل فازی سوگنو دارای شکل کلی زیر است:  کهAو B مجموعههای فازی و z = f - x,y - یک تابع فازی در قسمت نتیجه ی قاعده می باشد. معمولاً - f - x,y یک چند جملهای با متغیر های x و y است.

البته هر تابعی که قابلیت توصیف خروجی مدل از طریق ناحیه فازی مربوط به قسمت فرض قواعد را داشته باشد را می توان به عنوان این تابع انتخاب نمود. اگر f - x,y - یک چند جملهای درجه ی یک باشد، از سیستم استنتاج فازی حاصل تحت عنوان مدل فازیسوگنو درجهی اول یاد میشود. همچنین اگر - f - x,y برابر یک ثابت باشد، از سیستم تحت عنوان مدل فازیسوگنوی درجه ی صفر یاد می شود. میتوان به سوگنوی درجهی صفر، به عنوان نوع خاصی از سیستم استنتاج فازی ممدانی- که نتیجه هر قاعده یک عدد است- نگریست.

مدلهای فازی تسوکاموتو: در مدل های فازیتسوکاموتو، نتیجهی مربوط به هر قاعدهی اگر- آنگاه فازی در قالب یک مجموعه ی فازی ارائه میشود. در نتیجه خروجی استنتاج شده از هر قاعده در قالب یک مقدار غیرفازی از درجه کمال هر قاعده تعریف میشود. خروجی نهایی برابر با میانگین وزن دار شدهی خروجی هر قاعده می باشد.

از آنجا که هر قاعده، منجر به یک خروجی غیرفازی می شود، مدل فازیتسوکاموتو با محاسبهی مجموع خروجیهای هر قاعده به روش محاسبهی میانگین وزن دار شده از فرایند زمان بر غیرفازی سازی دوری می کند. البته این مدل از آنجا که از شفافیت کافی مثل روش های ممدانی و سوگنو برخوردار نیست، چندان دارای کاربرد نمی باشد.

قسمتهای تشکیل دهنده سیستم فازی

سیستمهای فازی، سیستمهای مبتنی بر دانش یا قواعد میباشد. قلب یک سیستم فازی یک پایگاه دانش است که از قواعد اگر- آنگاه فازی تشکیل شده است. این سیستم دارای سه بخش کلی است:

الف - فازی سازی: در مجموعه های فازی به راحتی می توان به جای اعداد قطعی از واژه های زبانی استفاده کرد. واژهها این امکان را فراهم میکنند که با عبارتهای مبهم، مدلی را صریح و درست درآورد. برای تبدیل واژههای زبانی به شکل ریاضی از تابع تعلق فازی استفاده می کنیم. تابع تعلق فازی تعمیم اعداد معمولی - قطعی - هستند.

توابع ریاضی متعددی برای این منظور پیشنهاد شده که از بین آنها، تابع مثلثی و زنگولهای یا گوسی بیشتر مورد استفاده قرار میگیرد. امتیاز تابع مثلثی این است که در صورت استفاده ار آن می توان به استدلالهای تئوریک بیشتری برای اثبات نظریات استناد کرد. ویژگی عمده تابع گوسی و زنگوله این است که به طرز تفکر انسان نزدیکتر است.[2]

ب - موتور استنتاج فازی: عبارت است از یافتن عددی ورودیهای عددی بر مبنای یک قاعده فازی. موتور استنتاج فازی، قواعد فازی را به یک نگاشت از مجموعههای فازی در فضای ورودی به مجموعههای فازی در فضای خروجی بر اساس اصول منطق فازی ترکیب می کند. مشکل اصلی در رابطه با سیستمهای فازی خالص این است که ورودی ها و خروجی های آن مجموعههای فازی میباشند.

در حالی که درسیستمهای مهندسی ورودی و خروجیها متغیرهایی با مقادیر حقیقی میباشند. به منظور استفاده ازسیستمهای فازی خالص در سیستمهای مهندسی، یک روش ساده، اضافه کردن یک فازی ساز در ورودی است، که متغیرهایی با مقادیر حقیقی را به یک مجموعه فازی تبدیل کند و اضافه کردن یک غیرفازی ساز است، که یک مجموعه فازی را به یک متغییر با مقدار حقیقی در خروجی تبدیل کند.

ساختار پایهی سیستمهای استنتاج فازی از سه بخش مفهومی تشکیل میشود. بخش اول، قواعدی هستند که شامل گزینشی از قواعد فازی میباشد. بخش دوم، پایگاه داده است که توابع عضویت مورد استفاده در قواعد فازی در قالب آن تعریف می شوند. درنهایت، بخش سوم سازوکار استنتاج است که روال استنتاج توسط آن و به کمک قواعد و حقایق موجود، برای رسیدن به یک خروجی معقول انجام میپذیرد.

ج - غیرفازی سازی: یک مجموعه فازی را به یک متغیر با مقدار حقیقی تبدیل میکند. به بیان دیگر اطلاعات ورودی اغلب مقادیری پیچیدهاند و این اعداد به مجموعههای فازی تبدیل میگردند. مدلها بر اساس منطق فازی شامل قوانین اگر -آنگاه تفسیر میگردند. حقیقت آن است که بعد از عبارت اگر یک منطق مقدم بیان میگردد و    بر اساس آن ما حقیقت دیگر را مورد بررسی قرار میدهیم که بعد از آنگاه میآید و در آن نتیجه کار توضیح داده میشود. درواقع منطق فازی تجربه و دانش انسانی را به صورت ترکیبی از اعداد در مقابل وی قرار میدهد و او را قادر میسازد تا تصمیمی بر اساس ریاضیات و منطق بگیرد.

کاربردهای سیستمهای خبره فازی در پزشکی

- 1 سیستم خبره تجویز درمان پزشکی: به دلیل گستردگی فراوان بیماریها و داروهای موجود، و محدودیت پزشک برای به خاطر سپردن تمام انواع داروها و توجه به حالات مختلف بیمار از لحاظ سن و    وزن و سوابق بیماری،سیستم خبره طراحی شده به تمام این محدودیت ها پاسخ داده است.

- 2 بکارگیری منطق فازی در ارائه یک سیستم خبره فازی جهت تشخیص بیماریهای دامی همراه با تظاهرات عصبی: انواع بیماریهای عصبی گاوها که تشخیص دقیق آنها براساس علائم بالینی کار سادهای نیست و دامپزشک را دچار تردید میکند. با استفاده از رویکرد منطق فازی مدلی ارائه شده که طی آن بتوان وجود و عدم وجود بیماری های عصبی را محاسبه و تعیین کند.

- 3 سیستم خبره فازی برای ارزیابی شدت حمله آسمی: طراحی سیستم خبره فازی به منظور ارزیابی سطح شدت حمله آسم طراحی شده متغیرهای ورودی این سیستم شامل شدت تنفس، وضعیت خس خس، سطح هوشیاری، نرخ تنفس، وضعیت ضربان قلب میباشد و خروجی این سیستم درجه شدت حمله آسمی است که در بازه 10]،[0 ارائه شده است.

- 4 طراحی یک سیستم خبره برای تشخیص و پیشنهاد در مورد شیوه درمان سرطان خون: طراحی سیستمی با دانش پزشک متخصص که تشخیص و راه درمان مناسب را به بیماران ارائه نماید، شرایط درمان به موقع بیماران را فراهم میکند. این سیستم با استفاده از دانش پزشک متخصص بیماری را تشخیص و راه درمانی مناسب را با استفاده از پوسته VP-EXPERT فراهم میکند.

- 5 یک سیستم خبره فازی برای شناسایی نارسایی کلیه: یک سیستم پشتیبان تصمیم گیری برای بیماران کلیوی با هدف کاهش خطا.