Методы системного анализа для моделирования живых систем

Следует выяснить, какие методы системного анализа используются в физиологии. Считается, моделирование систем, в том числе живых, -дело математиков, и имеющиеся в настоящее время работы по моделированию физиологических процессов относятся, по сути, к другим областям знаний: биологической кибернетике, интерактивной машинной графике и др.

Однако бурное увлечение математическими методами и кибернетическими моделями дало более чем скромные результаты, главным из которых явилось понимание, что далеко не все проблемы в системном биологическом исследовании могут быть в настоящее время сформулированы на языке существующих математических средств. Поэтому главной особенностью методов моделирования в медицине вообще, и в физиологии в частности, является то, что они никакого или почти никакого влияния на развитие физиологии до сих пор не оказывали. Уместно вспомнить слова Софьи Ковалевской: «В математических работах главное – содержание, идеи, понятия, а затем для их выражения у математиков существует свой язык – формулы». На пути построения математической модели реальных объектов первыми шагами должны быть логика, алгоритмизация, систематизация и эмпирический анализ, способный дать выход на «стыковку» с математикой.

Методы системного анализа должны:

предоставлять возможность описания взаимоотношений в системе разнородных элементов в одинаковых терминах и понятиях;
позволять целесообразное упрощение для выявления основных закономерностей в связи элементов;
выявлять новые знания об объекте.

Неправомерно чрезмерно усложнять модели, вводить большое число параметров.

Как показал «Анализ систем на пороге XXI века»¹, стратегия научного исследования в области медицины, основывающегося на системном подходе, в самом схематизированном виде представляется следующей:

определение цели исследования;
создание определенной концептуальной конструкции;
обоснование и определение элементов;
установление взаимосвязи и взаимоотношения элементов;
выявление признаков и функций, характеризующих систему как единое целое.

Таким образом, системный подход вводит исследование в определенное русло, не позволяющее «отвлекаться» от цели. При характеристике системы первостепенную роль играет характер функционирования модели, т. е. функций, которые не присущие отдельным элементам. Функциональность модели наибольшее выражение находит в связях и внутренних и внешних.

Для отбора значимых элементов системы целесообразно использовать предварительный содержательный анализ, дополняя его различными приемами математической статистики. Однако, как системный подход был инициирован физиологами, так и современное моделирование систем своим существованием обязано физиологам.

Идеи системных исследований, системного анализа включают, прежде всего, методы моделирования, открывающие новые возможности для решения физиологических задач и являющиеся мощным стимулом к пересмотру существующих концепций и формированию новых теоретических представлений, а также к разработке принципов и методов исследований в физиологии целостного организма.

«Перцептрон», разработанная физиологом Ф. Розенблаттом модель для имитации процесса узнавания, представляет собой сеть «нейронов» (электрические элементы), «рецепторы» (фотоэлементы) и «эффекторы», представляющие выходные решения, на основе связи со слоем нейронов. Перцептрон мог обучаться, настраивая свои характеристики, чем и заинтересовал математиков и программистов. Это направление исследований, созданное физиологом, получило развитие в области математического моделирования на основе нейронных сетей и совершенствования принятия решений. В настоящее время также моделируется хаотическое случайное взаимодействие элементов с переменной структурой связей («решетчатый газ») [И. Н. Трофимова и др., 1997]. Эти модели основаны на реальных данных об активности нейронов и имитируют последовательную, параллельную и кольцевую их связи, транссинаптическую передачу импульса, флуктуации порога раздражения, а также общие нейронные сети и психологический анализ. О возможных направлениях использования нейронных систем говорилось ранее, но уже сейчас методы моделирования сложных процессов получили широкое развитие.

Анализ арсенала методов моделирования, используемых в физиологии, позволяет прийти к выводу, что они не отличаются особой сложностью и новизной. Наиболее широко в физиологии реализуются методы математической статистики (корреляционный, факторный, регрессионный анализы), а также информационно-логический анализ, математический аппарат которого также широко опирается на методы математической статистики. Достаточно полные сведения относительно математических методов анализа, в той или иной степени пригодных для системного анализа многомерных клинико-физиологических данных, изложены в фундаментальных монографиях и руководствах [Неймарк, М. Б. Славин, 1989; А. П. Кулаичев,1998 и др.]. Особый интерес представляет интеллектуальная система ОМИС [А. А. Генкин, 1998], которая включает взаимодействия между исходными данными (измерительная информация), целями и задачами пользователя (семантическая информация), бинарными структурами (прагматическая информация) и дедуктивными инструментами (алгоритмами распознавания образов). К настоящему времени опубликовано сравнительно немного работ по моделированию живых систем, в основном в области нейропсихологии², медицины³⁴. Что касается моделирования физиологических процессов, в доступной литературе сведений оказалось очень мало.

Специфика объекта исследований в физиологии обусловила ситуацию, в которой математические модели не заняли ведущее место в физиологических исследованиях. Это связано прежде всего с трудностью физиологической интерпретации получаемых математических результатов. Так, основной недостаток метода главных компонент состоит в том, что физиологический смысл рассчитываемого по этому методу так называемого фиктивного признака трудно объясним⁵. Метод потенциальных функций оперирует не с вероятностями и функциями плотностей распределения, а с так называемыми эталонами, требующими, в свою очередь, серьезного обоснования. Поэтому главное место в физиологических исследованиях занимает содержательный анализ. Он играет определенную роль и на стадиях, предваряющих использование отдельных видов моделирования, и в обосновании их применения, и на стадии проверки адекватности моделей характеру задач, и особенно на стадиях интерпретации результатов моделирования. По-видимому, содержательный логический анализ результатов исследования в физиологии с помощью методов моделирования остается наиболее «ходовым» направлением развития современной физиологии.

этом объекте». Е. Л. Райх при этом замечает, что, опираясь на это определение, становится очевидно, – не все публикации, относящиеся к математическим моделям, являются таковыми. Чаще всего это математические описания объекта или математизированные схемы. Американская Ассоциация по вычислительным машинам [ASM/SIGGRAPH, 1977] обозначает термином модель абстрактное описание графического объекта, которое может быть понято ЭВМ и преобразовано в соответствующее изображение, которое и является конкретным визуальным представленим модели [W. Giloi, 1981]. Со временем различного рода графические методы и методы распознавания образов приобрели широкое распространение и развитие.

Моделирование объекта требует специальной графики. Такая графика впервые была разработана в России⁶ и получила название когнитивной графики. Однако в физиологии, и в частности в электрофизиологии, широко используется иллюстративная графика, тогда как образное моделирование и интеллектуальные методы их анализа используются крайне ограниченно. В табл. представлены результаты сопоставления признаков, которым удовлетворяют различные виды моделей, составленные Е. П. Райх⁷ и дополненные нами.

Сопоставление признаков, которым удовлетворяют различные виды моделей

Признак	Модель
Признак	Математическая	Графическая	Картографическая	Матричная	Интеллектуально образная
Абстрактность	+	+	+	+	+
Избирательность	+	+	+	+	+
Масштаб и метричность	–	–	+	–	+
Наглядность	–	+	+	–	+
Пространственное подобие	–	+	+	–	+
Математическая обработка	+	–	–	–	+
Генерация новых знаний	–	–	–	–	+

Очевидно, что наибольшие возможности предоставляют интеллектуальные системы и методы когнитивной графики⁸ и информационного-логического анализа⁹ при наличии дискретных данных. Таким требованиям в полной мере удовлетворяет метод моделирования на основе интеллектуальных методов и когнитивной графики [А. А. Зенкин, 1993]. Именно выявление связей внутри физиологических систем и между ними, их оценка, определение структуры позволяют прогнозировать состояние систем. Все эти задачи решаются с помощью методов моделирования интеллектуальных систем на основе когнитивной графики. Вместо заключения отметим, что если специфика в этой области действительно существует, то она выражается не столько в отдельных подходах и методах, сколько в структуре их совокупности. Именно совокупность подходов и методов, как это было отмечено еще В. С. Преображенским (1972), является эффективной стратегией в изучении сложных и очень сложных систем.

Сегодня основная роль в описании знаний предметной области отводится онтологиям, которые получили распространение благодаря развитию распределенных систем искусственного интеллекта [А. В. Смирнов, М. П. Пашкин, Н. Г. Шилов, Т. В. Левашова, 2002]. С точки зрения информатики, знания – это результат переработки информации, состоящей из полуструктурированных данных. Важно, чтобы понятия, используемые в словаре предметной области, были общепринятыми в данной области. Стремление быть понятым определило рамки использования терминов из разных областей знаний: только общепринятые термины и понятия, представленные в соответствующих руководствах и энциклопедиях.

Методы системного анализа для моделирования живых систем

Читайте также

Footnotes