Краткое описание метода системно-когнитивного анализа

Одним из методов, позволяющих решить поставленную проблему, по мнению авторов является новый математический и инструментальный метод искусственного интеллекта: системно-когнитивный анализ (СК-анализ) [3]. В течение нескольких лет, прошедших со времени разработки метода СК-анализа как сам этот метод, так и технология и методика его применения, включая его программный инструментарий — универсальную когнитивную аналитическую систему «Эйдос (система «Эйдос»), получили значительное развитие и прошли положительную апробацию в ряде предметных областей, среди которых специально хотелось бы отметить технические науки [22, 23], экономику [10], аграрные науки [9, 10], социологию [24], психологию [12] и педагогику [8]. Есть также опыт применения системы «Эйдос» в акупунктурой диагностике и психофизиологии [25−27] и некоторых других областях [3−7], однако в медицинской нозологической диагностике данный метод применяется впервые.

Автоматизированный системно-когнитивный анализ (АСК-анализ) — автоматизированный СК-анализ, т. е. системный анализ, автоматизированный путем структурирования по базовым когнитивным операциям системного анализа (БКОСА) и включающий: формализуемую когнитивную концепцию, математическую модель, методику численных расчетов и реализующий их программный инструментарий, в качестве которого в настоящее время выступает универсальная когнитивная аналитическая система «Эйдос». АСК-анализ предложен в 2002 году Е. В. Луценко [1].

Компоненты АСК-анализа: формализуемая когнитивная концепция и следующий из нее когнитивный конфигуратор; теоретические основы, методология, технология и методика СК-анализа; математическая модель СК-анализа, основанная на системном обобщении семантической меры целесообразности информации А. Харкевича; методика численных расчетов, в универсальной форме реализующая математическую модель СК-анализа, включающая иерархическую структуру данных и 24 детальных алгоритма 10 БКОСА; специальное инструментальное программное обеспечение, реализующее математическую модель и численный метод СК-анализа — Универсальная когнитивная аналитическая система «Эйдос»; методика, технология и результаты синтеза рефлексивных АСУ активными объектами на основе АСК-анализа.

Этапы АСК-анализа:

• 1. Когнитивная структуризация предметной области.
• 2. Формализация предметной области.
• 3. Подготовка обучающей выборки.
• 4. Синтез семантической информационной модели (СИМ).
• 5. Повышение эффективности СИМ.
• 6. Верификация СИМ.
• 7. Решение задач прогнозирования.
• 8. Решение задач поддержки принятия решений.
• 9. Исследование предметной области путем исследования ее СИМ.

Математическая модель АСК-анализа основана на системной теории информации (СТИ). Системная теория информации (СТИ) — отличия СТИ от классической теории информации Больцмана-Найквиста-Хартли-Шеннона обусловлены отличиями понятия «система» от понятия «множество». СТИ рассматривает в качестве элементов не только первичные элементы множества, но и элементы, представляющие собой подсистемы различных уровней иерархии, образующиеся за счет взаимодействия первичных элементов, а также учитывает понятие цели. В рамках СТИ предложено системное обобщение семантической меры информации Харкевича, которое удовлетворяет принципу соответствия с мерой Хартли в детерминистском случае, как и мера Шеннона в случае равновероятных событий, чем преодолена несогласованность семантической теории информации и классической теории информации Шеннона. Так как данная мера учитывает понятие цели, то по сути она является количественной мерой знаний. В рамках СТИ предложены гипотезы «О возрастании эмерджентности», следующие из нее: «О природе сложности системы», и «О видах системной информации».

1. Когнитивная структуризация предметной области Под когнитивной структуризацией в СК-анализе понимается определение будущих, как желательных (целевых), так и нежелательных состояний объекта исследования и управления, а также системы факторов, детерминирующих (обусловливающих) эти состояния. В общем случае, как факторы могут рассматриваться и факторы окружающей среды, и технологические факторы, и текущие параметры самого объекта исследования, а также его предыстория.

В нашем случае объектом исследования является пациент, будущими состояниями объекта исследования, вероятность наступления которых необходимо прогнозировать, являются различные продолжительности послеоперационного восстановительного периода, а факторами, обусловливающими (детерминирующими) эти состояния — первичные и вторичные, т. е. статистические параметры СДС-кривой, а также некоторые другие параметры пациента (вес, рост, возраст) (таблицы 1 и 2):

1. Классификационные шкалы (прогнозируемые состояния пациента).

Таблица 2. Описательные шкалы (факторы, детерминирующие прогнозируемые состояния пациента).

Из таблицы 2 исключена описательная шкала (фактор): «Тип оперативного вмешательства», т.к. она на 100% коррелирут с классификационной шкалой. В будущих исследованиях, в которых продолжительность послеоперационного восстановительного периода будет иметь большую вариабельность и будет отражена реально в днях, планируется исследовать и влияние этого фактора на длительность восстановления.

В таблице 3 приведен скрин-шот фрагмента таблицы исходных данных:

3. Таблица исходных данных с первичными и вторичными показателями (фрагмент) В таблице 4 приведены формулы расчета вторичных показателей на основе первичных, реализованные в тестирующей СДС-системе:

Таблица 4. Excel-формулы расчета вторичных показателей.