Как известно, обращение пациента с острой зубной болью ставит перед врачом сложную диагностическую и лечебную задачу. Ввиду неотложного характера состояния пациента диагностический поиск и выбор оптимальной тактики лечения должны проводиться в минимальное время, а принимаемые решения должны быть достоверными. Эти одновременно выдвигаемые требования противоречат друг другу, и поэтому в каждом конкретном клиническом случае решение такой задачи врачом может проводиться только средствами нелинейной оптимизации.
Стратегия нелинейной оптимизации при курации пациента с острой зубной болью может быть как минимаксной, так и максиминовой. В первом варианте речь идет о необходимости минимизировать риск принимаемого решения для пациента. Во втором варианте требуется добиться максимального выигрыша пациента, то есть обеспечить возможно большую функциональность зуба.
Круг заболеваний и синдромов, могущих сопровождаться острой зубной болью, весьма велик (табл.1). Дифференциально-диагностический список при острой зубной боли оказывается более коротким, поскольку не каждому потенциально диагностируемому состоянию соответствует своя тактика лечения. Таким образом, задача диагностики и лечения острой зубной боли является не только задачей нелинейной оптимизации, но и задачей ситуационного управления.
| Номер (в порядке убывания значимости) | Соматические и неврологические | Стоматологические | Инфекционные и аутоимунные | Состояния, сопровождающиеся угнетением антиноцицептивной системы |
| 1 | Синуиты | Кариес | Герпетическая инфекция | Невралгия тройничного нерва |
| 2 | Средний отит | Пульпит | Височно-нижнечелюстной артрит | Посттравматические состояния |
| 3 | Плексалгия | Периодонтит | Депрессивные состояния | |
| 4 | Ганглиолит | Периостит | Опухоли экстракраниальных локализаций | |
| 5 | Стенокардия | Остеомиелит | Экзо- и эндогенные интоксикации | |
| 6 | Заболевания глаза и орбиты | Альвеолит | ||
| 7 | Паротит | Папиллит | ||
| 8 | Заболевания щитовидной железы | Опухоли челюсти и придаточных пазух |
Разумеется, что врач решает эту задачу эвристически, руководствуясь интуицией и врачебным опытом. Высококвалифицированного клинициста от начинающего врача отличает не объём теоретических знаний, а в первую очередь использование скрытых правил, приобретаемых в результате индивидуального опыта. Критериями отнесения правил к скрытым являются отсутствие их в учебниках, инструкциях и руководствах, а также неосознанный характер их использования самим специалистом. Однако интуитивный характер применяемых специалистом знаний и правил не означает, что они не могут быть выявлены и описаны средствами формальной логики.
С конца 60-х годов главным средством формализации знаний высококвалифицированных специалистов в медицине и других трудноформализуемых предметных областях оказывалось создание и использование экспертных систем. В основе экспертных систем лежит база знаний, которая может быть описана, как совокупность правил вида "если - то" [5].
Целью настоящей работы явилась разработка вычислительной системы, которая позволяла бы врачу при обращении пациента с острой зубной болью в короткие сроки принять обоснованное решение об оптимальных лечебно-диагностических действий по стратегии максимин.
Наибольшее число ошибок при лечении зубов приходится на пульпит [2]. Причиной такого положения, по данным литературы, является несовершенство диагностики и дифференциальной диагностики различных состояний пульпы и в том числе ее воспалительных заболеваний. Использование различных и подчас достаточно сложных классификаций пульпита, основанных не столько на клинических, сколько на патологоанатомических данных, затрудняет постановку точного диагноза, а тем самым и препятствует правильному выбору наиболее целесообразного метода лечения пульпита. На течение воспалительного процесса в пульпе влияют возраст, анатомогистологические особенности, свойственные разным группам зубов, общая иммунологическая реактивность и состояние сенсибилизации организма к тому или иному виду бактериального раздражителя [4]. К сожалению, эти существенные факторы трудно поддаются учёту и анализу. Именно эти соображения привели нас к работе над вычислительной системой, призванной оптимизировать тактику врача при подозрении на пульпит.
Традиционно разработчики систем поддержки принятия решений в медицине, так же, как и разработчики диагностических алгоритмов делают основной акцент на адекватности и достоверности правил вида "если - то" [5]. Однако адекватность применяемых правил не означает эффективности применения системы, построенной на их основе.
Большинство экспертных систем и систем поддержки принятия решений в медицине, известных в настоящее время, объединено общим существенным недостатком, снижающим эффективность их применения в клинической практике. Речь идет о детерминизме присвоения значений "истина" или "ложь" в точках ветвления системы в процессе решения задачи классификации даже в тех случаях, когда вероятность совершения пользователем ошибки как первого, так и второго рода значительно отличается от нуля (рис.1). Другими словами, при использовании совокупности правил "если - то" время от времени возникает необходимость ответа на вопрос о выполнении или невыполнении некоторого условия. В нашем случае таким условием является наличие или отсутствие того или иного диагностического признака, например диффузного или очагового характера изменений пульпы. При принятии решения о наличии или отсутствии признака может быть допущена ошибка первого рода (ложноположительный ответ), либо второго рода (ложноотрицательный ответ).
 |
блок д/д острого диффузного пульпита |
 |
блок д/д острого очагового пульпита |
 |
блок д/д обострения хронического пульпита |
 |
блок д/д невралгии тройничного нерва |
 |
блок д/д глубокого кариеса |
Поскольку задачами классификации в равной мере являются задача диагностики и задача выбора тактики лечения, то высокая вероятность допущения ошибки первого или второго рода в узлах дерева решений низкого порядка приводит к резкому росту вероятности ошибок в узлах дерева решений высокого порядка, причём истинность последующих решений принципиального значения не имеет (рис.2). Так, например, врачебная ошибка в дифференцировании формы воспаления пульпы ведет к применению одного из методов сохранения жизнеспособной пульпы, и будет иметь следствием неблагоприятный исход заболевания при безусловной адекватности самого правила "если - то". Ещё более важным отрицательным последствием ошибки окажется отказ данного врача от применения методов сохранения жизнеспособности пульпы в будущем, даже при наличии чётких показаний.
Ранее было показано, что применение методов нечёткой логики позволяет построить вычислительную систему, минимизирующую вероятность принятия неправильного решения в критичных условиях [3]. Главной особенностью нечёткой логики является возможность ответа на вопрос о выполнении или невыполнении некоторого условия не только одним из двух вариантов - "да" или "нет", но также и вариантами "возможно да" и "возможно нет". Методы нечёткой логики отличаются друг от друга именно способами определения вероятностей достоверности положительного и отрицательного ответов [1]. Наиболее пригодными для медицинских классификационных задач оказываются такие способы, как разукрупнение запроса (позволяет заменить нечёткий ответ на чёткий в каждом из более мелких запросов), и присвоение коэффициентов значимости каждому из запрашиваемых признаков. В последнем способе мы применили умножение коэффициента значимости признака на меру доверия к ответам "да" и "нет" на каждом узле дерева решений. Для всех ветвей дерева могут быть установлены совокупные пороги значимости, превышение которого означает ответ "да" для ветви в целом, и соответственно, условную достоверность движения по данной ветви (рис.3).
Разрабатываемая нами СППР по выбору оптимальной лечебно-диагностической тактики при острой зубной боли использует комбинирование упомянутых способов оценок входной меры доверия врача к каждому принимаемому им промежуточному решению. Предметом дальнейшего изучения станет проверка гипотезы о том, что разработанный метод построения системы приводит к увеличению достоверности окончательного решения в условиях недостаточности исходных данных (рис.4).
