We will now describe the knowledge

We will now describe the knowledge engineering process for decision-theoretic expert
systems. As an example we will consider the problem of selecting a medical treatment for a
kind of congenital heart disease in children (see Lucas, 1996).
About 0.8% of children are born with a heart anomaly, the most common beang aortic
coarctation(a constriction of the aorta). It can be treared with surgery, angioplasty (expand
ing the aorta with a balloon placed inside the artery) or medication. The problem is to decide
what treatment to use and when to do it: the younger the infant the greater the risks of certain
treatments, but one mustn't wait too long. A decision-theoretiicexpert system for this problem
can be created by a team consisting of at least one domain expert ~(a pediatric cardiologist) and
one knowledge engineer. The process can be broken (downinto the following steps (which
you can compare to the steps in developing a logic-based system in Section 8.4).
Create a causal model. Determine what are the possible symptoms, disorders, treat
ments, and outcomes. Then draw arcs between them, indicating what disorders cause what
symptoms, and what treatments alleviate what disorders. Some of this will be well known to
the domain expert, and some will come from the literature. Often the model will match well
with the informal graphical descriptions given in medical textbooks.
Simplify to a qualitative decision model. Since we are using the modell to make
treatment decisions and not for other purposes (such as determining the joint probability of
certain symptom/disorder combinations), we can often simplify by removing variables that
are not involved in treatment decisions. Sometimes variables will have to be split or joined
to match the expert's intuitions. For example, the original aortic coarctation model had a
Treatment variable with values surgery, angioplasty and medication, and a separate variable
for Timing of the treatment. But the expert had a hard time thinking of these separately, so
they were combined, with Treatment taking on values such as surgery in 1 nzonth. 'This gives
us the model of Figure 16.9.
Assign probabilities.Probabilities can come from patient databases, literature studies,
or the expert's subjective assessments. In cases where the wrong kinds of probabilities are
given in the literature, techniques such as Bayes' rule and marginalization can be used to
compute the desired probabilities. It has been found that experts are best able to assess the
probability of an effect given a cause (e.g. P(dyspnoea1heartfailure)) rather than the other
way around.
Assign utilities. When there are a small number of possible outcomes, they can be
enumerated and evaluated individually. We would create a scale from best to worst outcome
and give each a numeric value, for example -1000 for death and 0 for complete recovery. We
would then place the other outcomes on this scale. This can be done by the expent, but it is
better if the patient (or in the case of infants, the patient's parents) can be involved, because
different people have different preferences. If there are exponentially many outcomes, we
need some way to combine them using multiattribute utility functions. For example, we may
say that the negative utility of various complications is additive.
Verify and refine the model. To evaluate the system we will need a set of correct
(input, output) pairs; a so-called gold standard to compare against. For medical expert
systems this usually means assembling the best available doctors, presenting them with a few
cases, and asking them for their diagnosis and recommended treatment plan. We then see

Kết quả (Việt) 1:

Chúng tôi bây giờ sẽ mô tả quá trình kiến thức kỹ thuật dành cho các chuyên gia lý thuyết quyết địnhHệ thống. Ví dụ, chúng tôi sẽ xem xét các vấn đề của việc lựa chọn một điều trị y tế cho mộtloại bệnh tim bẩm sinh ở trẻ em (xem Lucas, 1996).Khoảng 0,8% trẻ em được sinh ra với một bất thường tim, beang phổ biến nhất động mạch chủcoarctation (co thắt động mạch chủ). Nó có thể là treared với phẫu thuật, Bắc (mở rộnging động mạch chủ với một quả bóng được đặt bên trong động mạch) hoặc thuốc. Vấn đề là để quyết địnhđiều gì điều trị sử dụng và khi nào để làm điều đó: các em trẻ sơ sinh lớn hơn những rủi ro nhất địnhphương pháp điều trị, nhưng một không nên chờ đợi quá lâu. Một hệ thống theoretiicexpert quyết định cho vấn đề nàycó thể được tạo ra bởi một đội ngũ bao gồm các chuyên gia ít nhất một miền ~(a pediatric cardiologist) vàmột trong những kiến thức kỹ sư. Quá trình này có thể bị phá vỡ (downinto sau bước (màbạn có thể so sánh với các bước trong việc phát triển một hệ thống dựa trên logic trong phần 8.4).Tạo ra một mô hình quan hệ nhân quả. Xác định những gì đang các triệu chứng có thể rối loạn, điều trịments, và kết quả. Sau đó vẽ góc giữa chúng, chỉ ra những rối loạn gây ra những gìtriệu chứng và phương pháp điều trị gì làm giảm bớt những rối loạn. Một số này sẽ được được biết đếnCác chuyên gia tên miền, và một số sẽ đến từ các tài liệu. Thường các mô hình sẽ phù hợp với tốtvới những mô tả đồ họa không chính thức được đưa ra trong sách giáo khoa y tế.Đơn giản hóa đến một mô hình định tính quyết định. Kể từ khi chúng tôi đang sử dụng modell để làm choquyết định điều trị và không cho các mục đích khác (chẳng hạn như việc xác định khả năng công tymột số triệu chứng/rối loạn sự kết hợp), chúng tôi có thể thường đơn giản hóa bằng cách loại bỏ các biến đókhông được tham gia vào các quyết định điều trị. Đôi khi biến sẽ phải được tách ra hoặc tham gia vàođể phù hợp với các chuyên gia intuitions. Ví dụ, các mô hình động mạch chủ coarctation ban đầu có mộtĐiều trị thay đổi giá trị phẫu thuật, Bắc và thuốc, và một biến riêng biệtĐối với thời gian điều trị. Nhưng các chuyên gia đã suy nghĩ một thời gian khó khăn này một cách riêng biệt, vì vậyhọ đã kết hợp với điều trị tham gia vào các giá trị như phẫu thuật trong 1 nzonth. ' Điều này sẽ chochúng tôi mẫu hình 16.9.Chỉ định các xác suất. Xác suất có thể đến từ cơ sở dữ liệu bệnh nhân, nghiên cứu văn học,hoặc các chuyên gia đánh giá chủ quan. Trong trường hợp loại xác suất, sai ở đâuđược đưa ra trong văn học, kỹ thuật như quy tắc và lề Bayes có thể được sử dụng đểtính toán xác suất mong muốn. Nó đã được tìm thấy rằng các chuyên gia là tốt nhất có thể để đánh giá cácxác suất của một hiệu ứng cho một nguyên nhân (ví dụ như P(dyspnoea1heartfailure)) chứ không kháckhoảng cách.Chỉ định các tiện ích. Khi có một số nhỏ các kết quả có thể, chúng có thểliệt kê và đánh giá cá nhân. Chúng tôi sẽ tạo ra một quy mô từ tốt nhất với kết quả tồi tệ nhấtvà cung cấp cho mỗi một giá trị số, ví dụ -1000 cho cái chết và 0 để phục hồi hoàn toàn. Chúng tôisau đó sẽ diễn ra các kết quả trên quy mô này. Điều này có thể được thực hiện bởi expent, nhưng nó làtốt hơn nếu các bệnh nhân (hoặc trong trường hợp trẻ sơ sinh, phụ huynh của bệnh nhân) có thể tham gia, bởi vìmỗi người có sở thích khác nhau. Nếu không có kết quả theo cấp số nhân nhiều, chúng tôicần có một số cách để kết hợp chúng bằng cách sử dụng chức năng multiattribute Tiện ích. Ví dụ, chúng ta có thểnói rằng các tiện ích tiêu cực của nhiều biến chứng phụ gia.Xác minh và tinh chỉnh các mô hình. Để đánh giá các hệ thống, chúng tôi sẽ cần một tập hợp các chính xácCặp (đầu vào, đầu ra); cái gọi là vàng tiêu chuẩn so sánh với. Dành cho các chuyên gia y tếHệ thống này thường có nghĩa là lắp ráp các tốt nhất có bác sĩ, trình bày chúng với một vàitrường hợp, và yêu cầu họ cho chẩn đoán và điều trị được đề nghị kế hoạch của họ. Sau đó chúng ta thấy

Kết quả (Việt) 2:

Bây giờ chúng ta sẽ mô tả các quy trình kỹ thuật kiến thức cho các chuyên gia quyết định của lý thuyết
hệ thống. Như một ví dụ, chúng tôi sẽ xem xét các vấn đề lựa chọn phương pháp điều trị y tế cho một
loại bệnh tim bẩm sinh ở trẻ em (xem Lucas, 1996).
Về 0,8% trẻ em được sinh ra với một trái tim bất thường, các beang động mạch chủ phổ biến nhất
coarctation (một thắt của động mạch chủ). Nó có thể được treared bằng phẫu thuật, tạo hình mạch (mở rộng
ing động mạch chủ với một quả bóng được đặt bên trong động mạch) hoặc thuốc men. Vấn đề là phải quyết định
những gì điều trị để sử dụng và khi làm điều đó: những trẻ bé lớn hơn các rủi ro của một số
phương pháp điều trị, nhưng người ta không phải chờ đợi quá lâu. Một hệ thống ra quyết theoretiicexpert cho vấn đề này
có thể được tạo ra bởi một nhóm nghiên cứu bao gồm ít nhất một chuyên gia miền ~ (một bác sĩ tim mạch nhi) và
một kỹ sư kiến thức. Quá trình này có thể bị phá vỡ (downinto các bước sau (mà
bạn có thể so sánh với các bước trong việc phát triển một hệ thống logic dựa trên tại mục 8.4).
Tạo một mô hình nhân quả. Xác định các triệu chứng có thể, rối loạn, điều trị là gì
ráp và kết quả. sau đó vẽ vòng cung giữa họ, cho thấy những gì các rối loạn gây ra những gì
các triệu chứng, và những gì phương pháp điều trị làm giảm bớt những rối loạn. một số trong số này sẽ được biết đến
các chuyên gia tên miền, và một số sẽ đến từ các tài liệu. thường thì mô hình sẽ phù hợp tốt
với đồ họa chính thức thiệu cho trong sách giáo khoa y.
Đơn giản hóa đến một mô hình quyết định chất lượng. vì chúng ta đang sử dụng modell để làm cho
quyết định điều trị và không nhằm mục đích khác (chẳng hạn như xác định xác suất chung của
một số tổ hợp triệu chứng / rối loạn), chúng ta thường có thể đơn giản hóa bằng cách loại bỏ các biến mà
không tham gia vào các quyết định điều trị. Đôi khi biến sẽ phải bị tách hoặc tham gia
để phù hợp với trực giác của chuyên gia. Ví dụ, ban đầu mô hình coarctation động mạch chủ có một
biến điều trị với các giá trị phẫu thuật, tạo hình mạch và thuốc men, và một biến riêng
cho Timing của Việc điều trị. Nhưng các chuyên gia đã có một thời gian khó khăn suy nghĩ của những cách riêng biệt, vì vậy
họ đã kết hợp với điều trị tham gia vào các giá trị như phẫu thuật trong 1 nzonth. "Điều này cho
chúng ta những mô hình của hình 16.9.
Gán probabilities.Probabilities có thể đến từ cơ sở dữ liệu bệnh nhân, nghiên cứu văn học,
hoặc đánh giá chủ quan của chuyên gia. Trong trường hợp các loại sai trái của xác suất này
được đưa ra trong các tài liệu, các kỹ thuật như quy tắc và cách ly Bayes 'có thể được sử dụng để
tính toán các xác suất mong muốn. Nó đã được tìm thấy rằng các chuyên gia là tốt nhất có thể để đánh giá
khả năng của một hiệu ứng cho một nguyên nhân (ví dụ như P (dyspnoea1heartfailure)) hơn người kia
con đường xung quanh.
Gán các tiện ích. Khi có một số lượng nhỏ các kết quả có thể, chúng có thể được
liệt kê và đánh giá riêng. Chúng tôi sẽ tạo ra một quy mô từ tốt nhất đến kết quả tồi tệ nhất
và cung cấp cho mỗi một giá trị số, ví dụ -1000 cho cái chết và 0 cho hồi phục hoàn toàn. Chúng tôi
sau đó sẽ đặt các kết cục khác trên quy mô này. Điều này có thể được thực hiện bởi các expent, nhưng nó là
tốt hơn nếu bệnh nhân (hoặc trong trường hợp trẻ sơ sinh, cha mẹ của bệnh nhân) có thể tham gia, bởi vì
mỗi người có những sở thích khác nhau. Nếu có theo cấp số nhân nhiều kết quả, chúng ta
cần một số cách để kết hợp chúng sử dụng các chức năng tiện ích multiattribute. Ví dụ, chúng ta có thể
nói rằng các tiện ích tiêu cực của biến chứng khác nhau là phụ gia.
Xác minh và tinh chỉnh mô hình. Để đánh giá các hệ thống chúng tôi sẽ cần một bộ chính xác
(đầu vào, đầu ra) cặp; một tiêu chuẩn vàng, do đó gọi là để so sánh. Đối với các chuyên gia y tế
các hệ thống này thường có nghĩa là lắp ráp các bác sĩ tốt nhất hiện có, trình bày chúng với một vài
trường hợp, và yêu cầu họ cho chẩn đoán của họ và đề nghị kế hoạch điều trị. Sau đó chúng tôi thấy