Применение мультиагентных систем в медицине



Мультиагентные системы (MAС) — это совокупность автономных интеллектуальных объектов, которые взаимодействуют в решении сложной проблемы. Системы такого рода подходят для многих медицинских предметных областей из-за особенностей проблем в этой сфере. В этой статье мы утверждаем, что MAС являются адекватным инструментом для решения проблем здравоохранения, и мы показываем несколько конкретных примеров использования этой технологии в различных конкретных задачах в этой области. Также в статье рассматриваются актуальные направления исследований в этой области.

Ключевые слова: мультиагентная технология, медицина, агент, медицинская организация, персонал, пациент, искусственный интеллект.

Multi-agent systems (MAS) are collections of autonomous intelligent entities that collaborate in the joint resolution of a complex problem. This kind of systems are appropriate in many medical domains, due to the characteristics of the problems in this area. In this paper, we argue that MAS are an adequate tool to tackle health care problems, and we show some especific examples of the use of this technology in different concrete problems in this field. A number of open research lines in the filed are also outlined.

Keywords: multi-agent technique, health care, agent, healthcare organization, staff, patient, artificial intelligence, AI.

Управление медицинскими организациями — важнейшая задача, требующая тщательного планирования, эффективного распределения ресурсов и способности адаптироваться к постоянно меняющимся условиям внешней среды [1]. В последние годы имитационное моделирование стало мощным инструментом для управления медицинскими организациями, позволяющим заинтересованным сторонам анализировать поведение медицинских организаций в динамике и синтезировать новые управленческие решения. Среди таких подходов отдельно стоит выделить имитационное моделирование с использованием мультиагентных систем (МАС) [2].

На сегодняшний день мультиагентные системы (МАС) нашли широкое применение в различных сферах деятельности — это и интеллектуальные системы управления промышленных объектов, робототехника, обучение персонала и многое другое [9].

Мультиагентные системы — это системы, состоящие из множества агентов, которые потенциально могут взаимодействовать друг с другом. Агенты способны действовать в среде, которая, в свою очередь влияет на их поведение.

С одной стороны, Агент — это сущность, которая может воспринимать окружающую среду посредством рецепторов и взаимодействовать с ней.

С другой стороны, Агент — это программный посредник между человеком и другими программами, или посредник между программами, или посредник между программами и внешней средой или посредник между человеком и внешней средой [3].

«Интеллектуальные мультиагентные системы — одно из новых перспективных направлений искусственного интеллекта, которое сформировалось на основе результатов исследований в области распределенных компьютерных систем, сетевых технологий решения проблем и параллельных вычислений». Взаимодействие между агентами (как минимум двумя) — главная отличительная черта мультиагентных от других интеллектуальных систем. Взаимодействия агентов в контексте МАС обладает следующими свойствами:

– направленность — кооперация или конфронтация; положительная или отрицательная и т. д.

– избирательность — выбор агентов для взаимодействия основывается на соответствии друг другу и поставленной задаче;

– интенсивность — взаимодействие агентов между собой обладает определенной силой, не ограничиваясь лишь наличием или отсутствием такового;

– динамичность — с течением времени характеристики взаимодействий (наличие, направленность и сила) подвергаются изменениям;

– «спонтанный порядок» — не регулируемая правилами, а возникшая в результате собственных независимых действий самоорганизация агентов, движимых собственными интересами. [11]

Благодаря разработке моделей, включающих множество агентов, представляющих различные стороны в системе здравоохранения, имитационное моделирование МАС может представить сведения о потоках пациентов, уровне укомплектованности персоналом, распределении ресурсов и безопасности пациентов [5].

В медицине эти системы имеют ограниченное применение, используются для оптимизации сбора и обработки информации. Компоненты МАС на сегодняшний день применяются для распознавания образов в дерматоскопии [5]. Имеются также упоминания о средствах автоматической диагностики пигментных новообразований кожи с помощью искусственного интеллекта [6]. В то же время организованных, самонастраивающихся структур по использованию в онкологии, в частности в диагностике меланомы кожи, практически нет.

Многие системы обслуживания имеют сложную организационную структуру, включающую в себя как множество потребителей, так и множество производителей услуг. Одной из таких систем является система медицинской диагностики и обслуживания, в которой производителями услуг является медицинский персонал, а потребителями являются пациенты медицинского учреждения [12].

В рассматриваемой системе существует проблема повышения качества сервиса медицинских учреждений путем сокращения сроков предоставления услуг с учетом приоритетности заявок на данные услуги, а также их востребованности и загрузки медицинского персонала.

Одной из особенностей рассматриваемой системы является то, что зачастую первичная услуга, в которой нуждается пациент при обращении в медицинское учреждение, представляет собой процесс диагностирования физиологического состояния больного. Результат диагностирования состояния здоровья пациента в дальнейшем определяет его потребности в тех или иных услугах, предоставляемых медицинским персоналом.

Для решения поставленной проблемы процесс медицинской диагностики и обслуживания можно представить в виде мультиагентной системы.

В такой системе агентами являются как пациенты медицинского учреждения, нуждающиеся в предоставлении определенных услуг, так и медицинский персонал, предоставляющий эти услуги. Кроме того, задачу первичной диагностики пациента предлагается решать на стороне самого агента-пациента, используя при этом его аппаратно-программные ресурсы. В зависимости от результатов первичной диагностики агент пациента формирует заявку на конкретную услугу, предоставляемою агентами медицинского персонала здравоохранительного учреждения. При организации, описываемой мультиагентной системы проведение первичной диагностики на стороне аппаратно-программного обеспечения агента-пациента позволяет добиться следующих преимуществ:

1. Сокращение нагрузки на агентов медицинского персонала, производящих услуги;
2. Сокращение трафика заявок на предоставление услуг и как следствие уменьшение нагрузки на мультиагентную систему;
3. Ускоренное определение приоритетов заявок, обусловленное известными сведениями о состоянии пациента.

В результате диагностирования пациента делается вывод о том, какую услугу необходимо предоставить пациенту и ее приоритет. Таким образом, услуга формируется агентом-пациентом в виде заявки и отправляется в мультиагентную среду.

Переданная в мультиагентную среду заявка на предоставление медицинской услуги агенту-пациенту проходит процедуру разрешения, в результате которой заявка закрепляется за агентом-мед. персоналом для ее выполнения, или же, в противном случае, переходит в этап ожидания [12].

Для реализации процесса разрешения заявок можно использовать различные принципы самоорганизации агентов в мультиагентной среде. Одним из вариантов может быть рыночная модель организации, при которой агенты, предоставляющие услугу, формируют условную цену, которую необходимо заплатить агенту-потребителю для получения данной услуги. Алгоритм формирования цены при использовании рыночной модели самоорганизации в описываемой мультиагентной системе в таком случае должен учитывать приоритет заявки, возможности оказания услуг данного вида, а также спрос на эти услуги. В результате применения системы самоорганизации мультиагентная система приобретает полезные эмерджентные свойства, способствующие решению проблемы предоставления качества сервиса [14].

Соответственно, для каждого подразделения медицинского учреждения необходимо решать конкретные задачи, не забывая об интеграции прикладных проектов в единое целое. Однако сложности с определением приоритетного направления деятельности медицинского учреждения существенно осложняют разработку и внедрение МАС. Например, мультиагентная система должна в первую очередь оптимизировать сбор информации, помогать врачу при постановке диагноза, способствовать уменьшению врачебных ошибок и устранению их негативных последствий. Особенно хорошо это заметно в российских стационарах, где ситуация осложняется социально-экономическими факторами. Таким образом, автоматизация медицинского учреждения должна проходить на всех уровнях каждого подразделения. В связи с этим, при внедрении медицинских мультиагентных систем необходимо уделять внимание и диагностической составляющей (в том числе функции поддержки принятия решений), и статистической (анализ разнородных данных, составление журнала состояния пациента в период реабилитации) [7].

Современные методы, применяемые для контроля за состоянием пациента в период реабилитации, характеризуются, с одной стороны, большим числом различного, как правило, стационарного оборудования, и, с другой стороны, большим числом задействованных медицинских работников. При этом практически всегда есть необходимость собирать и систематизировать данные, полученные с помощью медицинских приборов, вручную.

Использование имитационного моделирования мультиагентных систем в управлении медицинскими организациями является перспективным подходом, который может помочь процессу принятия решений и в дальнейшем повысить общую эффективность медицинских организаций. Однако существует и ряд проблем, связанных с внедрением имитационного моделирования мультиагентных систем в управление медицинскими организациями. К ним относятся необходимость в точных и надежных данных, сложность разработки и проверки имитационных моделей, а также ограниченное понимание основных поведенческих и когнитивных процессов медицинских сотрудников и пациентов. Для решения этих проблем будущие исследования должны быть направлены на разработку более сложных моделей, способных отразить сложную динамику в системе медицинской организации, а также на совершенствование процедур сбора и проверки данных [15].

Информатизация сферы медицинского обслуживания только начинает активно развиваться в России. Мультиагентный подход будучи примененным в медицинской сфере, покажет хорошие результаты, решив главные существующие проблемы данного класса.

Литература:

1. Ivaschenko A., Minaev A. Multi-agent solution for adaptive data analysis in sensor networks at the intelligent hospital ward // International Conference on Active Media Technology. — Springer International Publishing, 2014.
2. Liu Y., Sahandi R. Zigbee network for remote patient monitoring on general hospital wards // Information, Communication and Automation Technologies, 2009. ICAT 2009. XXII International Symposium on. — IEEE, 2009.
3. Shoham Y., Leyton-Brown K. MULTIAGENT SYSTEMS Algorithmic, Game-Theoretic, and Logical Foundations. — 2009
4. Stone P., Veloso M. Multiagent systems: A survey from a machine learning perspective // Autonomous Robots. — 2000. — Т. 8. — №. 3.
5. Амелин К. С., Баклановский М. В., Граничин О. Н. и др. Адаптивная мультиагентная операционная система реального времени // В сб. Стохастическая оптимизация в информатике. — СПб. Изд-во С-Петерб. ун-та, 2013
6. Амелина Н. О. Мультиагентные технологии, адаптация, самоорганизация, достижение консенсуса // В сб. стохастическая оптимизация в информатике. — 2011. — Т. 7. — №. 1.
7. Андриянова Е. А., Гришечкина Н. В. Проблемы формирования системы электронного здравоохранения в России // Здравоохранение российской федерации. — 2012.
8. Вальчук Э. А. Диспансеризация и медицинская реабилитация // ЭА Вальчук // Вопросы организации и информатизации здравоохранения. — 2009.
9. Виттих В. А., Скобелев П. О. Мультиагентные модели взаимодействия для построения сетей потребностей и возможностей в открытых системах. — Самара, 2009.
10. Гелиг А. Х., Леонов Г. А., Якубович В. А. Устойчивость нелинейных систем с неединственным состоянием равновесия. М.: Наука, 1978.
11. Городецкий В. И. и др. Прикладные многоагентные системы группового управления //Искусственный интеллект и принятие решений. — 2009. — №. 2.
12. Городецкий, В.И., Самоорганизация и многоагентные системы. II. Приложения и технология разработки. — Известия РАН. Теория и системы управления, 2012. — № 3. — с. 55–75.
13. Ерофеева В. А., Иванский Ю. В., Кияев В. И. Управление роем динамических объектов на базе мультиагентного подхода //Компьютерные инструменты в образовании. — 2015. — №. 6.
14. Кайдалов А. Информатизация медицины: проблемы и решения //Век качества. — 2008. — №. 4.
15. Кияев В. И., Решетняк О. О. Мультиагентная система для online- мониторинга состояния пациента в период реабилитации // В сб. «Технологическая перспектива в рамках Евразийского пространства: новые рынки и точки экономического роста. Материалы 3-й Международной научной конференции /26–28 октября 2017» / Под ред. к.э.н. Барабановой М. И., к.т.н. Зайцевой А. А., проф. Кораблева В. В., проф. Кораблевой О. Н., д.т.н. Кулешова С. В., проф. Трофимова В. В., проф. Харченко Л. П., проф. Шелепина Ю. Е., проф. Якуцени П. П. — СПб: Издательство «Астерион», 2017.
16. Минаев А.А, Иващенко А. В. Мультиагентные технологии сбора и обработки информации в задачах медицинской диагностики. — 2016.
17. Скобелев П. О. Открытые мультиагентные системы для оперативной обработки информации в процессах принятия решений //Автометрия. — 2002. — Т. 38. — №. 6.