ЭВМ и наука

Автоматическая обработка ЭКГ. Одним из принципиально новых применений вычислительной техники в медицине в настоящее время является автоматизированная расшифровка электрокардиограмм. Впервые разработанная в 1887 г. электрокардиография начала в экспериментальном порядке использоваться в Европе в начале нашего века, а 10 лет спустя и в США. Однако широкое распространение она получила только в середине 20-х годов. Идея автоматизировать обработку ЭКГ возникла в середине 50-х годов, а первая функционирующая система была создана в начале 60-х годов. На конференции Американской кардиологической ассоциации в 1962 г. было продемонстрировано взаимодействие такой системы с врачами. Однако только в конце 60-х годов, когда такие системы начали создаваться в массовом порядке, появилась возможность использовать их для повседневной работы. Только сейчас мы можем рационально оценить качество этих систем и их экономическую эффективность. Если предположить, что будет осуществлен практически полный переход на автоматическую обработку ЭКГ, то необходимо обратить внимание на следующие факторы.

Качество анализа. До сих пор не получили четкого определения используемые медицинские критерии для оценки кардиограмм. При оценке 561 ЭКГ двумя группами высококвалифицированных специалистов по электрокардиографии расхождения при оценке по критерию соответствия составляли 9%, а по критерию отклонения от нормы - 31%. Эти данные показывают, что нестабильность оценок (ошибка человека) все еще является значительной и что для создания надежных аналитических моделей, которые могут быть с достаточной достоверностью введены в машину, необходимы дальнейшие исследования.

Доступность. Автоматизированная обработка ЭКГ должна осуществляться круглосуточно с выдачей результата не позже чем через 5 мин. после снятия ЭКГ. Такое быстродействие может быть обеспечено только системами, работающими в реальном времени, что освободит врача от некоторых трудоемких операций и высвободит время для выполнения более важных функций. Конечно, существует целый ряд применений, в которых ЭВМ значительно уступает кардиологу. Примером такого рода является несколько академичная проблема детальной классификации аритмии. Современная ЭВМ может установить только наличие или отсутствие аритмии. Но она дает лечащему врачу достаточно информации для постановки более точного диагноза.

Стоимость. Экономические факторы не являются основными препятствиями для автоматизации. Суммарные затраты на машинную обработку одной ЭКГ составляют в настоящее время от 3 до 5 долл., а массовая обработка позволит еще более сократить такие затраты.

Что касается исследовательской работы, то сейчас проводится массовая электрокардиография нескольких больших групп населения. Эти данные дадут исследователям возможность классифицировать различные подгруппы населения по сигналам ЭКГ. Уже созданы первые программы для воспроизведения процентного распределения амплитуд и длительностей импульсов, обычно используемых при расшифровке ЭКГ.

Изучена применимость для медицинских целей различных статистических методов, многие из которых заимствованы из теории распознавания образов и криптологии. Основной задачей этой работы является описание естественного развития болезней, с тем чтобы симптомы каждой стадии болезни у данного человека можно было использовать для прогнозирования последующих стадий. Однако основная проблема применения ЭВМ в здравоохранении, как и во всей клинической медицине в целом, заключается в обеспечении более быстрой и эффективной медицинской помощи. Мы полагаем, что ЭВМ помогут в достижении этих благородных целей.

Автоматизация регистрации медицинских данных при многофазном обследовании. Соответствующие программы были созданы ввиду растущей потребности в проведении периодических медицинских осмотров с малыми затратами. В автоматизированной многофазной системе медицинских обследований для выполнения s большого числа обследований и определения вероятности наличия болезней используется сложное электронное оборудование. При этом производится разделение обследуемых на группы с большой вероятностью таких болезней и группы с малой вероятностью. Первые и наиболее крупные автоматизированные многофазные лаборатории работают с 1964 г. в Сан-Франциско и Окленде (Калифорния). В настоящее время в США имеется свыше 150 таких лабораторий, в Европе - 20 лабораторий и несколько - в других районах мира.

При обычном профилактическом обследовании пациент сначала проходит ряд анализов и процедур, выполняемых младшим медицинским персоналом. Затем врач рассматривает результаты лабораторных анализов, проводит осмотр пациента, после чего ставит диагноз, назначает лечение и дальнейшие процедуры.

При обследовании в автоматизированной многофазной лаборатории пациенту сначала высылается печатная инструкция по подготовке к осмотру. Ему также предлагают заполнить анкету, и он получает стопку предварительно отперфорированных карт. Эти карты сопровождают его на всех стадиях осмотра, в ходе которых он менее чем за 3 часа проходит около 50 обследований и процедур. На последнем этапе осмотра пациент возвращает анкету и перфокарты. Во всех возможных случаях результаты обследований регистрируются непосредственно путем перфорации на картах или нанесения на них других кодовых отметок, что позволяет немедленно вводить карты в систему обработки данных. После прохождения пациентом последнего этапа осмотра терминал, установленный в многофазной лаборатории, считывает данные, зарегистрированные на перфокартах, и через систему связи передает их в ЭВМ. В программе ЭВМ заданы многочисленные предельные значения параметров анализов и тестов и правила решений, соотнесенные с возрастом и полом пациента. Используя эту модель, ЭВМ направляет через систему связи рекомендации относительно дополнительных обследований, которые целесообразно провести перед следующим визитом пациента к врачу. Если выявляется серьезное отклонение от нормы, то ЭВМ информирует об этом регистратора, который поручает сестре направить пациента к врачу в отделение экстренной помощи.

Использование ЭВМ, работающих в режиме с разделением времени, для целей многофазного медицинского обследования продемонстрировало, что разработка и применение соответствующих алгоритмов обеспечивают надежное определение вероятности наличия у больного той или иной болезни из большого набора болезней, охваченных программой обработки. Непрерывно накапливаемая документация о пациентах дает врачу актуальное и полное представление о состоянии больного. Обеспечивается хранение больших массивов данных о пациентах в течение длительного времени. Могут разрабатываться и использоваться конкретные нормативы, обеспечивающие индивидуальный подход к пациентам. Проверка достоверности работы системы в реальном времени уменьшает вероятность ошибок и влияние погрешностей приборов. Для обеспечения разработки рекомендаций и повторного тестирования могут использоваться программные процедуры решений и диагностические алгоритмы. Обмен информацией в реальном времени между лабораториями и централизованными банками медицинских данных увеличивает оперативность работы лабораторий.

Автоматизация послеоперационного ухода. Электронные устройства и системы позволили существенно улучшить уход за больными в течение первых решающих часов после операции на сердце. Больницы во все большем количестве производят такие операции. Однако рост числа квалифицированных дипломированных сестер, которые могут ухаживать за больными в тяжелом состоянии, отстает от имеющихся потребностей. Хирурги-кардиологи предложили систему мероприятий для обеспечения надлежащего уровня ухода за пациентом в условиях увеличивающейся нагрузки на персонал. Система предполагает, что для помощи врачам и сестрам используются автоматизированные устройства: это снимает необходимость увеличения больничного персонала, что благоприятно отражается на экономических показателях работы больниц. Автоматизированные устройства сейчас выполняют целый ряд хорошо отработанных повторяющихся повседневных процедур, благодаря чему высвобождается время квалифицированных сестер для непосредственного ухода за больными.

ЭВМ регулярно (например, каждые две минуты) автоматически воспринимает результаты измерений клинических параметров сразу нескольких пациентов, регистрирует и хранит текущие значения этих параметров и периодически табулирует эти данные на бумаге для включения в историю болезни пациента. ЭВМ при помощи соответствующих программ обрабатывает данные о содержании кислорода в артериальной крови и производит расчет и оценку кислотно-щелочного баланса. Выбор лечебных процедур и методов лечения производится с использованием программ, основанных на таблицах решений. Текущие значения физиологических и клинических параметров сопоставляются с набором правил, на основе которых выбираются соответствующие методы лечения. ЭВМ могут непосредственно управлять лечением путем регулирования подачи крови (если соответствующие физиологические показатели не выходят из нормы).

Пульты с клавиатурой и дисплеи дают врачам и сестрам возможность дистанционно вести двухсторонний (хотя и несколько ограниченный) обмен информацией с ЭВМ. Эти терминалы включают алфавитно-цифровые дисплеи и клавиатуры, что позволяет выполнять запрограммированные функции, выбирать различные режимы для управления системой и регистрировать клинические данные и параметры. Для передачи значений гемодинамического давления к преобразователям во время операции используются внутрисосудистые и внутрисердечные капсюли. Для снятия ЭКГ применяются электроды многократного пользования, наклеиваемые при помощи адгезивных дисков. На основе данных об артериальном давлении предварительные усилители выдают значения систолического, диастолического и среднего давления и по ЭКГ определяют частоту ударов сердца. Система переливания крови, управляемая ЭВМ, состоит из насосов, устройств питания и управления и датчиков, контролирующих поступление крови и сигнализирующих о его прекращении. Если интервал между каплями крови становится слишком продолжительным, двигатель насоса автоматически отключается и схема прерывания подает на ЭВМ сигнал о том, что резервуар крови пуст.

Программные методы, основанные на использовании таблиц решений, оказались очень эффективными для программирования анализа сердечной деятельности пациента и выбора лечебных процедур для улучшения кровообращения. Контролируемыми переменными в этой автоматизированной системе являются частота пульса и среднее артериальное давление, а также отношение объема вливаемой крови к объему крови, отводимой через грудную клетку. Процедуры, которые могут применяться в этих случаях, включают переливание крови, использование стимулятора сердечной деятельности, введение дигоксина, ксилокаина или других препаратов. На основе базовых комбинаций из 23 критериев разработано 14 правил решений. На основе таблицы решений может выбираться одна или несколько лечебных процедур или не назначаться никакого терапевтического лечения.

Количественная оценка эффективности такого автоматизированного отделения интенсивной терапии сопряжена с рядом трудностей. Однако уже сейчас очевидно, что эта система позволяет существенно улучшить эффективность хирургической и терапевтической помощи в таких отделениях. Представляется, что для оказания того же объема помощи в неавтоматизированном отделении понадобится вдвое больше коек и, следовательно, вдвое большее количество среднего медицинского персонала. Ввиду того что автоматизированное отделение обеспечивает большую эффективность лечения, пациент находится в нем в среднем только 25 часов и после удаления внутрисердечных и внутриартериальных катетеров и трубок для отвода крови из грудной клетки переводится в обычную палату.

Использование автоматизированного оборудования позволяет улучшить уход за больными после операций на сердце и освободить медсестер и врачей от целого ряда стандартных повторяющихся функций, что дает им возможность уделять больше времени непосредственно уходу за больными. В настоящее время ведутся исследования по разработке методов использования такой системы для ухода за тяжелыми больными других категорий.

Проблема «машинного зрения»

Машинные терминалы и вычислительные машины должны получать сведения об окружающей среде, и наиболее эффективным средством для этого является визуальное восприятие. Реализация процедур такого восприятия открывает новые громадные возможности для применения ЭВМ. Анализ погоды на основе карт облаков и постановка диагнозов на основе рентгенограмм или анализов крови являются лишь двумя (из многих возможных) примерами задач по обработке больших массивов данных, в которых входная информация поступает в графической форме. Диалог между машиной и человеком будет облегчен, если человек вместо символьного описания сможет в непосредственной форме предоставить машине реальный объект. Конструкторы, например, могли бы таким путем легко обеспечить структурный машинный анализ своих масштабных моделей.

Особенно интересной областью для применения машинного «видения» может стать промышленная автоматизация. В настоящее время на промышленных предприятиях используются манипуляторы с программным управлением. Такие манипуляторы могут повторять точную последовательность действий определенного рода, но так как у них нет датчиков, то они но в состоянии оперативно реагировать на непредвиденные ситуации. При несколько больших затратах и добавлении простых датчиков и мини-ЭВМ эти манипуляторы могут быть превращены в настоящих роботов.

Обладая несколькими визуальными функциями, такие машины могут собирать узлы из деталей, обнаруживать дефекты и предупреждать аварии. Наличие у роботов визуальных функций уменьшит существующую в настоящее время необходимость строго устанавливать детали на каждом пункте технологической линии: вместо этого детали можно будет транспортировать в контейнерах, а робот будет по мере необходимости брать их и устанавливать для дальнейшей обработки (или сборки).

Изучение явления восприятия дает возможность получить более полное представление о механизме обработки информации машиной и человеком. Многие из проблем, с которыми мы столкнулись, являются для изучения умственной деятельности фундаментальными. Как представлять знания? Каким образом имеющиеся знания дают возможность делать выводы на основе данных восприятия? Каким образом существующие знания взаимодействуют с логическими выводами в процессе обучения? Методы, разработанные для автоматизированного восприятия чувственных данных, не могут быть полностью использованы при создании моделей биологических систем ввиду различий физических механизмов в автоматических системах и в живой природе и несовершенства наших знаний о последних. С другой стороны, хотя для построения автоматизированных систем используются и некоторые данные биологии, по тем же самым причинам копировать природу мы не можем.