Primena vetake inteligencije

u medicini

Uvod
Vetaka inteligencija je podoblast raunarstva iji je cilj razvijanje softvera koji e
raunarima omoguiti da se ponaaju na nain koji bi se mogao okarakterisati inteligentnim.
Kako danas u mnogim oblastima, pa i u medicini, postoje sistemi koji se zasnivaju na
raunarima, tei se da ti isti sistemi osim percipiranja, proste obrade, skladitenja i prikaza
podataka obavljaju i neke inteligentnije obrade koja podrazumeva uenje, razmiljanje i pametno
pretraivanje.
to se istorijata primene vetake inteligencije u medicini tie, veoma rano, po nastanku
pojma vetake inteligencije, nauinici i lekari otkrili su potencijal primene ove tehnologije u
medicini (Ledley and Lusted, 1959). Postojala je nada da e inteligentni raunari, sposobni za
skladitenje i obradu ogromne zalihe znanja, postati savreni 'doktori u kutiji' i asistirati ili u
potpuosti zameniti lekare pri zadacima kao to je postavljanje dijagnoze. Osamdesetih godina
prolog veka je vetaka inteligencija u medicini u velikoj meri bila zastupljena u istraivakim
zajednicama irom SAD-a (npr. MIT, Stenford) i ovo polje je privuklo neke od najoboljih
kompjuterskih naunika i po svim merilima njihova proizvodnja u prvoj deceniji razvoja ove
oblasti ostaje izvanredno dostignue. Nakon te poetne euforije, poslednja decenija videla je vie
razoarenja nego rapidnih napredaka na ovom polju. Neki aspekti koji nisu smatrani
problematinim su se pokazali kao takvi i nastupio je veliki zastoj u razvoju ovih sistema.
Uprkos tome postoje veliki planovi za budunost, dok se u sadanjosti najvie radi na
usavravanju postojeih tehnologija i poveanju pouzdanosti i tanosti sistema, iako su sistemi u
vie navrata pokazali dobre rezultate.
Neke od primena vetake inteligencije u medicini su ekspertni laboratorijski
informacioni sistemi, sistemi za dijagnostiku, analiza zvuka srca, interpretacija medicinskih slika
itd. Postoje i veliki planovi za budunost ove dve objedinjene oblasti, a jedan od aktuelnijih je
razvoj medicinskih nanorobota.

Primena vetake inteligencije kod interpretacije medicinskih

slika
U radiologiji, raunarska detekcija (CADe ), takoe nazvana raunarska dijagnoza
(CADk ), obuhvata postupke u medicini koje pomau lekarima u interpretaciji medicinskih slika.
Tehnike slikanja kao to su rendgen, MRI i ultrazvuna dijagnostika daju veliki broj informacija
koje radiolog mora da analizira i proceni sveobuhvatno u kratkom vremenu. CAD sistemi
pomau skeniranje digitalnih slika, na primer kod kompjuterizovane tomografije, za uoavanje
tipinih pojava i isticanje upadljivih sekcija kao to su mogue bolesti.
CAD je relativno mlada interdisciplinarna tehnologija koja kombinuje elemente vetake
inteligencije i digitalne obrade slike sa radiolokom obradom slike. Tipina primena je otkrivanje
tumora. Na primer, neke bolnice koriste CAD da podre preventivne medicinske preglede u
dijagnostici raka dojke, otkrivanju polipa u debelom crevu, i raka plua

Primena tehnika vetake inteligencije u dijagnostici

U okviru sistema zdravstvene zatite mora se uvati veliki broj podataka o pacijentima.
Moderni informacioni sistemi doveli su do toga da su ti podaci postali lake dostupni. Samim tim
pojavila se ideja da se na bazi tih podataka pametnim rudarenjem, tanije kopanjem po podacima
izvuku korisni zakljuci. Rudarenje podataka (eng. data mining) je sortiranje, organizovanje ili
grupisanje velikog broja podataka i izvlaenje relevantnih informacija. Ogromne baze
podataka bogate su podacima, ali i siromane informacijama koje su skrivene u pohranjenim
podacima. Upravo je rudarenje podataka to koje pomae otkrivanju vanih informacija i znanja
utkanog u podatke, i na taj nain doprinosi donoenju odluka.
Kada se skupe svi relevantni podaci o svakom oveku, onda se uz te podatke moe vezati
i dijagnoza koja predstavlja neku vrstu izlaza svih podataka dobijenih merenjima, snimanjima,
laboratorijskim analizama svakog od nas. Na ovoj tehnologiji su uglavnom zasnovani ekspertni
laboratorijski informacioni sistemi kao i sistemi za dijagnostiku. Naravno, mnogo je takvih
podataka jer je i veliki broj pacijenata kod kojih je izvren taj uvid, odnosno pregled. Ono to je
istraivae privuklo jeste mogunost kreiranja takve maine koja e se ponaati na slian nain
kada dou novi pacijenti jer postojei podaci predstavljaju takozvani skup za obuavanje maine.
Posle obuavanja maina treba da bude takva da radi otprilike ono isto to radi iskusni lekar koji
je stekao sve te uvide i koji je izvrio adekvatnu dijagnozu. Kada doe novi pacijent, koji ne
pripada skupu za obuavanje, maina bi trebalo da bude u stanju da napravi dobru dijagnozu.
U ovoj oblasti medicine mogu se primeniti mnoge metode, kao to su neuralne mree
koje se tu mogu direktno primeniti i obuavati, zatim tzv. metode zasnovane na vektorima
oslonca kao i mnoge druge metode vetake inteligencije kod kojih je od esencijalnog znaaja
nai prave heuristike, odnosno formirati dovoljno efikasno ali i dovoljno razgranato stablo
odluivanja o kakvoj je bolesti re.
Jedna od obeavajuih oblasti primena ovakvih metoda koje treba da dovedu do to
efikasnije, rane, automatizovane dijagnostike je zasnovana na istraivanju sprovedenom na
Hardvardu a tie se genetike. Naime, napravljena je analiza u kojoj je pokazano da geni pruaju
vrlo znaajne informacije u vezi sa raznim bolestima. Korienjem odreenih algoritama koji su
implementirani u raunaru mogue je doi do vrlo pouzdanih pretpostavki o dijagnozi. Ono to
je injenica je da ovek ne moe da ima u vidu i gene, pa je tu raunar apsolutno nezamenljiv. S
druge strane, pomou ovakve analize izbegavaju se vrlo komplikovane eksperimentalne metode
koje traju izuzetno dugo i veoma su skupe, to ide u korist razvoju i usavravanju ovih metoda.
Koliko je ova oblast od znaaja dokazala je i fondacija X Prize raspisujui konkurs pod nazivom
Tricorder X PRIZE 2011. godine, sa predvienim trajanjem od tri i po godine, obezbeujui 10
miliona dolara za najbolja reenja, podstiui na taj nain napredovanje na ovom polju. Potrebno
je konstruisati takav sistem da bilo koji korisnik, bez ikakvog prethodnog medicinskog
obrazovanja, moe da ga koristi. Tokom finalnog testiranja, grupe od trideset lanova, koji
nikada ranije nisu imali kontakt sa ovim ureajem, morae da budu u stanju da dijagnostikuju 15
oboljenja s kojima se ljudi u dananje vreme najee sreu. To podrazumeva bitan napredak na

dva polja. S jedne strane su senzori i sistemi za merenje zdravstvenih vrednosti (krvni pritisak,
telesna temperatura, krvna slika itd.). S druge su sistemi vetake inteligencije koji moraju da
budu u stanju da, nezavisno ili uz pomo lekara, na licu mesta postave korisniku dijagnozu. Tri
tima iji ureaji postignu najbolje rezultate u finalnom testiranju bie nagraeni svotama od
sedam, dva i jedan milion dolara.

Ekspertski laboratorijski sistemi

Ekspertski sistemi su imali velike uspehe u drugim oblastima pre nego to su primenjeni
na medicinu. U medicini su ovakvi sistemi primenjeni u laboratorijama, a njihova primena se
svodi na tumaenje laboratorijskih izvetaja, a mogu se koristiti i za automatsku verifikaciju.
Ekspertski sistemi su uobiajeni u Australijskim klinikim laboratorijama. Najpoznatiji
ovakav sistem je LabWizard. Taj sistem je razvila Australijska kompanija Pacific Knowledge
Systems. Sticanje znanja kod ovog sistema se postie RDR metodologijom(Ripple down rules) I
dizajnirano je tako da prevazie neke tehnike problem koji nastaju kao rezultat rada sistema
zasnovanog na pravilima.
Udeo ovih sistema u patologiji je sve vei i veruje se da e ovi sistemi imati jako veliku i
iroku primenu u budunosti.
U laboratorijama se radi sa velikim brojem testova. To ini praktino nemoguim runo
pregledavanje svih rezultata, pa se pribegava korienju sistema za interpretaciju izvetaja zbog
njihove mogunosti obrade velike koliine podataka. Ipak postoji zabrinutost da pristup koji
ukljuuje takve nije dobar jer se ne osvre dovoljno na pacijenta kao indeviduu, ve su pravila
zakljuivanja generalizovana. Da bi se to prevazilo potrebno je uvesti odreeni nivo
automatizacije, a to se vri pomou LIS pravila i ekspertskih sistema.
LIS pravila su pravila koja imaju formu: IF (uslov) THEN (akcija). Mnogi biohemiari
koriste takva programirana pravila. Pisanje ovakvih praila se ugrauje u aplikacije koje ih
koriste, tako da omoguavaju automatizoano generisanje komentara na izvetaje pacijenata.
Ulavnom se ti komentari primenjuju na rezultat jednog testa, ili na jasno naznaen skup rezultata
odgovarajuih testova i nezavisni su od poznavanja osobina pacijenta. To su tzv. standardni
komentari. Neke laboratorijske pokuavaju da proire upotrebu standardnih komentara za
podrku interpretaiji rezultata gde je potrebno poznavati osobine pacijenta. Ovakva pravila su
ipak veoma ograniena na svoju mogunost referenciranja na rezultate drugih testova i razne
druge informacije, i veoma su ograniena u primeni. Ovakvi komentari to se tie lekara nemaju
veliku kliniku vrednost, a ak mogu navesti na stranputicu. Problemi se takoe mogu javiti i
ukoliko pacijenti sekvencijalno rade testove sa slinim rezultatima, kada e neodgovarajui
komentar biti izdat vie puta.
Problemi koji se javljaju u aplikacijama koje koriste LIS pravila su jednim imenom
nazvani usko grlo inenjeringa znanja, i mogu se odnositi na:
-

Programiranje okruenje: zahtev za pristup pravila funkcionalnosti je rezultovala

mnogim orkuenjima sa interfejsima koji su nastrojeni ka korisniku.

Struktura pravila: kako skup pravila raste, interakcija meu njima postaje sve vei
problem, to poveava kompleksnost sistema i izaziva konfliktna ponaanja.
Razumevanje eksperata: kodiranje pravila mora izvriti ekspert koji e definisati sve
kontekste korienja. Naizgled najprostija pravila u praksi teko rade. Praktino je
nemogue da kliniki biohemiar navede sve kriterijume za izdavanje odreenog
komentara i okolnosti pod kojima se neki komentar menja nekim drugim.
Zadravanje aurnih pravila: neophodno je da pravila definisana u sistemu dre korak
sa savremenim rezultatima na polju laboratorijske medicine.

Ekspertski sistemi su kompjuterski programi koji koji predstavljaju i rade sa znanjem

vezanim za neku oblast za koju su specijalizovani, u cilju reavanja problema ili davanja saveta.
U klinikim laboratorijama se koriste kako bi se pospeio i automatizovao njihov rad. Koriste se
sistemi sa referenciranjem ostalih podataka koji se nalaze na njemu(to mogu biti testovi
preanjih testova i preanji komentari). Zbog toga je potrebno implementirati veliki broj
pravila da i se osigurao korektan rad sistema. Veliki broj pravila naravno poveava stepen
meusobno konfliktnih pravila, pa ekspertski sistemi u laboratorijama moraju imati unutranje
mehanizme koji te konflikte eliminiu ili minimizuju.
Postoji i mnogo primera ugraenih ekspertskih sistema u svakodnevnom ivotu poev od
dijagnostike motornih vozila do kunih aparata kao to su ve maine, a tu ljudski operateri
nemaju interakciju sa samim sistemom. Takvi sistemi se koriste i u klinikoj patologiji u
tumaenju funkcije bubrega i serologiji hepatitisa. Iako su ti sistemi dugo razvijani veina nije
zaivela van laboratorija u kojima je razvijana, a glavni razlozi tome bili su:
-

Sistemi su visoko specijalizovani za neku jako usku oblast

Nemaju mehanize za povezivanje na LIS sisteme i integraciju sa radom laboratorije.
Krajnji korisnik mora da prihvati znanje ugraeno u sistem od strane strunjaka koji
je razvijao sistem.
Struno znanje treba esto menjati da bi se odrao korak sa novim rezultatima do
kojih se dlo istraivanjima u oblasti delovanja.

Zbog svih ovih razloga ovakvi sistemi nisu generalno dostupni u aplikacijama koje se
koriste u klinikim laboratorijama.
Postoje i ekspertski sistemi koji omoguavaju korisnicima da kreiraju i odravaju svoja
pravila. Na taj nain se prevazilaze mnogi nedostaci statikih ugraenih sistema. To su podesivi
ekspertski sistemi. Takvi sistemi mogu biti od ogromnog znaaja u patologiji i radu u
laboratorijama, pogotovu u laboratorijama gde se vri veliki broj analiza i obrauje se velika
koliina rezultata, pa se rad oslanja na autovalidaciju zbog vremenskih ogranienja. Takvi
sistemi moraju pratiti razvoj oblasti za koju se koriste zbog efikasnosti svog rada.
Trenutno nema puno komercijalnih ekspertskih sistema koji se mogu koristiti u
laboratirjama. LabWizard je jedan od retkih sistema koji je u stanju davati komentare na

rezultate laboratorijskih rezultata. LabWizard podrava upravljanje laboratorijskim rezultatima

pacijenata i dizajniran je tako da podrava rutinske laboratorijske poslove. Ovaj sistem je
dostupan kao paket endina pravila, koja zadaju samo biohemiari. LabWizard podrava tekui
razvoj i razmetaj pravila, i koristi unutranji mehanizam RDR automatizovane metodologije za
razreenje konfliktnih pravila i uskih grla sistema.
Ekspertski sistemi mogu biti veoma korisni u laboratorijama, ali je njihova
implementacija jako zahtevan proces. Uspena realizacija i korienje ovih sistema ima
ogromnu kliniku vrednost kako za pacijente tako i lekare, tako i za celokupnu laboratoriju i
osoblje koje radi u njoj, ali to zahteva velika ulaganja i razumevanje klinike, kvalitatvine i
komercijalne koristi od strane glavih aktera projekta. Ako su standardni komentari(generiki)
dovoljni onda je lake projektovati sistem, meutim ako komentare treba generisati komentare na
osnovu nekih ranijih rezultata sloenost ekspertskog sistema se rapidno poveava, ali su i
rezultati koje oni daju mnogo pouzdaniji.

Nanoroboti
Naunici planiraju da u narednih dvadesetak godina razviju robote ije e dimenzije biti
reda veliine nanometra. Njihov osnovni cilj e biti da, infiltracijom u ljudski organizam, otkriju
bolesne elije i pristupe leenju na licu mesta. Roboti nanometarskih dimenzija kretae se
nesmetano unutar ljudskog tela. Oduvek je postojalo interesovanje, jo od osamdesetih, da se
izgradi mali, mikorskopski i mehaniki ureaji koji bi imali elekrostatike motore manje od 100
mikrona u preniku, ureaje za hemijsku senzitivnost, akcelerometre, minijaturne pumpe itd. Na
tom principu se zasnivaju i nanoroboti, a zajedniko to imaju sa ostalim robotima su aktuatori,
senzori i mogunost prorauna. U principu je mogue izgraditi nanorobot ali pre nego to bi se to
realizovalo u praksi postoje neke prepreke koje se moraju prevazii a to su: nalaenje izvora
visoke energije, nain za izgradnju trodimenzionalnih struktura i nain koordinisane kontrole.
Njihov oklop bi trebalo da ima strukturu poput dijamanta i bude obloen ugljenikom, to bi mu
pruilo izuzetnu snagu i otpornost na spoljna delovanja. Ultra glatka povrina robota trebalo bi
da umanji mogunost aktiviranja imunog sistema organizma domaina, tako da mali elektronski
organizmi svojim kretanjem ne bi izazivali nikakve neeljene reakcije. Prema aktuelnim
planovima, nanoroboti e reagovati na akustine signale, imati mogunost da dopune energetske
rezerve i prime nove instrukcije od eksternog izvora putem zvunih talasa.
Potrebnu energiju moi e da obezbede i uz pomo glukoze i kiseonika koji potiu iz tela
domaina. itava mrea specijalizovanih stacionarnih robota bi se mogla strateki pozicionirati
unutar tela pacijenta, koja bi pratila putanje, kontrolisala rad i trenutne pozicije mobilnih robota
iscelitelja. Ureaji koji bi inili tu mreu prikupljali bi informacije od mobilnih nanorobota a
potom ih slali eksternom monitoru koji bi na taj nain pratio rad i rezultate svih ubaenih
elektronskih ureaja. Doktori ne samo da bi mogli da prate progres u leenju svojih pacijenata
ve bi mogli menjati instrukcije odnosno terapiju tokom samog procesa. Elektronski organizmi
bie opremljeni raunarskim sistemom koji e moi da obavi oko 1.000 prorauna u sekundi.

Ponaanje kolonije nanorobota sa zajednikim ciljem da unite maligno tkivo u mozgu je

simulirano. Ponaanje svakog robota je uslovljeno lokalnim pravilima interakcije sa sredinom.
Svaki robot sam ima malu verovatnou da ispuni svoju svrhu ali zajedniki, efekat saradnje
znaajno poboljava postizanje njihove prave svrhe. Prava mo nanorobota ne lei u svakom
pojedinano ve u njihovoj koloniji i cilj je organizovati koloniju nanorobota i nauiti ih da
meusobno sarauju. Zato se koriste pravila ponaanja, senzitizacije i aktuacije koja su lokalno
distribuirana (najee bazirana na biolokoj organizaciji neurona ili neurita) pomou kojih moe
da se stvori simulacija sistema. Zbog veliine nanorobota, njegova sposobnost prorauna je vrlo
ograniena. Sve sloenije raunske operacije bie poverene elektronskoj jedinici koja e pratiti
njihov rad i njima upravljati van organizma domaina.
Za sada su ozbiljnije razmotrene uloge nanorobota u procesima leenja konih oteenja,
odravanja oralne higijene, kontrole imunog sistema i krvotoka. A jedan od najvanijih
mehanizama nanorobota je otkrivanje tumora i pretpostavljeno je da elije tumora imaju
drugaiji proteinski omota od obinih elija, to omoguava nanorobotima da ga otkriju. To
funkcionie na sledei nain:
Nanoroboti bi trebalo da imaju detektor tumora koji bi razlikovao elije tumora koje treba
da se napadnu i obine, prijateljske elije. Oni se ubrizgaju nedaleko od tumora i etaju
nasumino dok ne naiu na elije tumora. Kad naiu, obeleavaju taj region hemijskim
obeleivaem koji se zove CHEM-1 koji slui da privue ostale nanorobote. Da bi se
kontaktirali ostali nanoroboti postoji mehanizam koji omoguava signalu da se prosire velikom
duinom. Taj mehanizam se ogleda u postojanju takozvanih nanorobota putokaza. Oni rade na
sledei nain: nanoroboti su na spoljanjim granicama prepoznatljivosti CHEM-1 gradijenta i
veina njih se kree ka veoj koncentraciji gradijenta i to pomou hill-climbing strategije. Samo
neki od njih postaju nanoroboti putokazi koji prestaju da se kreu i poinju da stvaraju CHEM-2
koji u stvari slui kao ripiter za CHEM-1 i kako se nanoroboti drugi pribliavaju CHEM-2, opet
se izdvajaju nanoroboti putokazi koji stvaraju CHEM-3, itd. Verovatnoa da neki robot postanje
putokaz nanorobot je p*n*t gde je p verovatnoa postajanja, n broj svih nanorobota, a t broj
vremenskih intervala.
Pravila ponaanja:
Poto nanoroboti imaju ogranienu mo prorauna onda bi pravila njihovog ponaanja
trebalo da budu to prostija mogua. Ponaanje svakog robota pojedinano je determinisano
jednostavnim skupom reaktivnih pravila i ona odreuju njegovo ponaanje u svakom trenutku.
Pravila se mogu implementirati kao nedeterministika. Predikati pravila se evaluiraju u
sekvencijalnom redosledu i kad je predikat pravila zadovoljen, izvrava se akcija koja je opisana
pravilom. Skup pravila koje roboti izvravaju se zove skupom pravila programiranja nanorobota
i ona se mogu menjati u nekom specifinom trenutnku pod nekim specifinim uslovom. Na
primer, ako nanokolonija lovi tumor, inicira se ET (eat tumor) skup pravila, a posle nekog
vremena bi se inicirao GBIS (go back to injection site) skup pravila.
Programski skup pravila ET (eat tumor) bi izgledao ovako:

1. IF ne postoje hemijski obeleivai (bilo koji od CHEM-a) i ne postoji tumor THEN etaj
se nasumino
2. IF tumor je detektovan THEN uniti eliju, pretvaranje odreenog broja u putokatz
nanorobote, stvaranje novih CHEM obeleivaa
3. IF CHEM-1 je detektovan THEN kretanje kroz njegov gradijent, pretvaranje odreenog
broja nanorobota u putokaz nanorobote, stvaranje CHEM-2
4. IF CHEM-2 je detektovan THEN kretanje kroz njegov gradijent, pretvaranje odreenog
broja nanorobota u putokaz nanorobote, stvaranje CHEM-3
5. IF CHEM-3 je detektovan THEN kretanje kroz njegov gradijent
Tako CHEM-ovi slue kao medijumi za prostiranje talasa i usmeravanje nanorobota ka
tumoru. Medicinski nanoureaji mogli bi da pomognu imunom sistemu organizma tako to bi
pronalazili neeljene bakterije i viruse. Kada uljez bude identifikovan, usledio bi napad kojim bi
on bio uniten a njegov sadraj rasut. Ukoliko bi i sam sadraj mogao da nanese neeljene
posledice, nanorobot bi ga apsorbovao i dalje razloio ili nosio u sebi dok ne napusti organizam
domaina. Roboti koji bi plivali krvotokom vodili bi rauna o stanju krvnih sudova, kao i vrsti i
broju krvnih zrnaca. Obnavljali bi zidove arterija, spreavali njihovo zaguenje i odravali
nesmetan protok krvi. Na taj nain bi spreili najvei broj sranih napada. Predvia se da e
nanoroboti u narednih 10 do 15 godina zauzimati znaajno mesto u medicini i da e leenje
mnogih bolesti, ak i onih koje su danas teko izleive, uiniti lakim za leenje.

Literatura:
1.
2.
3.
4.
5.
6.
7.
8.

http://scitech.sgi.co.rs/html/003/00313.html
http://www.openclinical.org/aiinmedicine.html
http://www.sk.rs/2012/02/skpr01.html
http://en.wikipedia.org/wiki/Applications_of_artificial_intelligence
http://en.wikipedia.org/wiki/Tricorder_X_PRIZE
http://www.ncbi.nlm.nih.gov/pmc/articles/PMC2556573/
http://www.prekoramena.com/t.item.36/medicinski-nanoroboti.html
http://www.dia.fi.upm.es/~phernan/AgentesInteligentes/referencias/lewis
92.pdf