Системный подход в биологии и физиологии

Системный подход как методология преодоления сложности явлений впервые был сформулирован в России в 1912 г. ученым-физиологом А. А. Богдановым1 как «всеобщая организующая наука». В знаменитой книге Л. Берталанфи2, врача по образованию, впервые было дано определение системы как совокупности множества взаимодействующих элементов, объединенных в единое целое выполнением функции, не присущей ее частям в отдельности. С тех пор системный подход получил глобальное применение, созданы многочисленные непрерывно совершенствующиеся различные теории различных систем, и в настоящее время эта методология охватила все области знаний и отрасли деятельности. На сегодняшний день различают три вида иерархии систем – статическую, динамическую и саморазвивающуюся. Это деление имеет гносеологический модельный характер, подчиняется законам сочленения и функционирования подсистем, их концептуальная сущность различна. Широкое распространение системного подхода, естественно, породило столь же широкое его толкование, иногда трудно сопоставимое или совсем не сопоставимое [Анализ систем на рубеже третьего тысячелетия, 1997].

На сегодняшний день имеется математическое или математизированное описание всех видов систем на основе понимания роли информационных процессов в них и различного вида и способов системного анализа 3. Есть основания полагать, что наиболее емкое и полное определение системного подхода и системы как объекта дано в определении РАЕН, которое вполне созвучно определению, данному основоположниками.

Классический кибернетический системный подход

Принципы системного подхода нашли применение в кибернетике, технике, экономике, управлении, экологии, биологии. Классический кибернетический системный подход рассматривает биосистемы с позиций теории управления, используя математическое моделирование физиологических функций для возможности управления ими на основе принципов самоконтроля, адаптивности, самообучения, оптимальности организации45. Однако, как известно, перенос представлений об управлении технических систем на системы, возникшие в природе эволюционным путем, как методология интегральной физиологии не оправдала себя6. Формальный системный подход в изучении живых систем оказался малорезультативным для физиологии, опыт использования математического моделирования в области медицины7 также показал, что нельзя на основании исходного состояния организма предсказать его конечное состояние решением систем уравнений. Биосистемы, как известно, способны находить оптимальные состояния в изменяющихся условиях среды даже при недостатке априорной информации за счет ее накопления, формирования новых программ регулирования, роста структурной и регуляционной избыточности89.

Системный подход в физиологии развивался лишь как принцип теоретической физиологии. Так, еще Т. Уотерман (1971) отмечал, что «Клод Бернар, привлекший внимание к стабилизации «внутренней среды» и Уолтер Кеннон, исследовавший гомеостатические функции, черпали силу своих концепций из того, что в наши дни рассматривалось бы как анализ систем». Крупнейшие отечественные физиологи – И. М. Сеченов, И. П. Павлов, П. К. Анохин, В. В. Парин и др. всегда отстаивали в физиологии принцип единства, иерархической системности организма в его тесной связи с окружающей средой.

Иерархический системный подход

Иерархический системный подход, широко используемый в физиологии, направлен на изучение взаимодействия отдельных частей организма в аспекте усложнения – от атомов и молекул к клеткам, от клеток к тканям, органам, системам, целому организму и далее – к организации микрогрупп, социума, универсума10. На каждом уровне организации такой системы логическим путем выявляются качественно новые свойства за счет сочетания централизации и автономности управления, что впоследствии проверяется экспериментально и клинически. Это составляет основу системноструктурного анализа жизнедеятельности организма11.

Особую значимость для интегративной физиологии представляют работы отечественных физиологов П. К. Анохина12 и К. В. Судакова131415 по теории функциональных систем. Согласно этой концепции, функциональные системы – динамические, избирательно объединенные соответствующей потребностью центральнопериферические структуры организма, деятельность которых направлена на достижение полезного для системы и организма в целом приспособительного результата. При этом результат выступает в функциональных системах организма в роли системообразующего фактора.

В иерархии результатов, организующих функциональные системы различного уровня, выделяют метаболические, гомеостатические результаты поведенческой деятельности животных и человека [К. В. Судаков, 1987, 1996]. Многообразие приспособительных результатов, как считают авторы, указывает на то, что число функциональных систем чрезвычайно велико.

Одни из них (метаболические, гомеостатические) генетически детерминированы, другие складываются по мере формирования и удовлетворения поведенческих потребностей. Однако все функциональные системы, обладая свойством адаптивности, направлены на «оптимизацию взаимообусловленных, взаимно уравновешенных пространственно-временных континуумов во взаимодействии организма со средой [П. К. Анохин, 1975]. При этом «частные функциональные системы поддержания отдельных физиологических параметров в их совокупности выступают в роли эффекторов функциональных систем высшего порядка» [П. К. Анохин, 1975]. В условиях взаимодействия со значительно превосходящим по пространственно-энергетическим характеристикам условиями окружающей среды организм сталкивается с необходимостью субкритического или даже предельного напряжения отдельных функциональных систем гомеостатического уровня, что может привести к нарушению саморегуляторных механизмов и отклонениям в состоянии здоровья. В. А. Шидловский16, Е. А. Юматов (1976) полагают, что системная организация гомеостаза в целом определяется взаимодействием результатов деятельности различных функциональных систем по принципу мультипараметрического, многосвязного регулирования: отклонение от оптимального уровня того или иного параметра результата есть стимул к направленному перераспределению функций. К. В. Судаков считает, что принцип мультипараметрического взаимодействия распространяется практически на все гомеостатические параметры и интегрирует деятельность различных функциональных систем.

Однако многосвязное регулирование включает разные его виды (нейрональное, гуморальное и др.), которые имеют различные пространственно-временные характеристики, и вопросы их организации и функционального порядка их образования остаются неясными. Кроме того, такой системообразующий фактор, как результат действия, несомненно, содержит и представление о цели.

В 1943 г. физиологом Розенблютом совместно с Н. Винером и Биглом17 была опубликована работа о цели как системообразующем факторе, в которой показано, что цель может выступать в роли системообразующего фактора только на поведенческом уровне при поведении «с обратной связью».

Принцип информационных связей между элементами функциональных систем

Значительным шагом вперед был предложенный К. В. Судаковым (1997) принцип информационных связей между элементами функциональных систем. Этот принцип предполагает дальнейший путь их развития как информационных систем и предусматривает применение системно-информационного подхода во всех областях физиологии и медицины. Однако теоретическая физиология до сих пор остается слабоформализованной наукой, и связь между физиологическими функциями не всегда может быть переведена на строгий язык физики или химии. В значительной мере это связано с особой сложностью организации биосистем и современным уровнем физиологического эксперимента, который не позволяет непосредственно наблюдать класс таких явлений, как информационные связи физиологических функций. Вместе с тем на основе логического анализа и философских обобщений экспериментальных и клинических фактов накоплен огромный багаж знаний, дальнейшее использование которых возможно в виде гипертекстов в организации баз знаний при построении соответствующих моделей информационных систем. В связи с этим представляет интерес высказывание В. Н. Новосельцева18 относительно устойчивости большой мультипараметрической системы, которая не только допускает, но и требует нарушения гомеостатического регулирования отдельных параметров, поскольку для большой системы важна не стабильность каждого параметра в отдельности, а устойчивость результатов взаимодействия совокупности параметров, определяющих интегративные свойства большой системы.

Математическое моделирование на основе нейронных сетей

Таким образом, зародившись в физиологии, системный подход получил свое развитие в других научных дисциплинах, и в настоящее время для физиологии актуальным является определение перспектив формирования и развития на основе системных представлений нового междисциплинарного подхода к интеграции научных знаний о природе человека. Однако физиология продолжала влиять на развитие системного анализа. В 1957 г. физиологом Ф. Розенблаттом был разработан «перцептрон» – модель для имитации процесса узнавания. Это направление исследований получило развитие в области математического моделирования на основе нейронных сетей для совершенствования принятия решений.

Следует подчеркнуть, что речь идет о так называемом формальном нейроне. Особую популярность получили модели систем, определяемые как клеточные автоматы и нейронные сети192021222324. Отличие первых – в более простых связях (только с соседними элементами), нейронные же сети имеют сложно разветвленную связь и с дальними элементами системы.

В последние годы интерес к нейронным сетям чрезвычайно возрос. Прежде всего благодаря методу статистического анализа нейронных сетей компании «StatSoft» «Statistic Neural Networks» (SNN) [Нейронные сети, 2000].

Особый интерес представляют нейронные сети при решении задач классификации, прогнозирования или построения сложных нелинейных зависимостей, когда линейные методы не работают, и точность, например, дискриминантного анализа недостаточна. В настоящее время эти методы моделирования сложных процессов в физиологии еще не получили должного развития для системного анализа физиологических функций. Можно прямо сказать, математические методы анализа формального нейрона не связаны с физиологическим анализом активности нейронов и синапсов [Нейроинформатика-2005].

Системный анализ связей в организме

Еще менее развит системный анализ связей в организме, определяющих внутреннюю организацию разночастотных биогенераторов токов, т. е. внутреннюю организацию регистрируемых электрических колебаний различных структур организма. Эта проблема предполагает рассмотрение интегрального биологического процесса как системы, в которой процессы возникают в результате частичного или полного согласования многих элементарных колебаний. Надо подчеркнуть, что поиск и выявление закономерностей когерентного поведения системы, состоящей из большого числа различных элементов, которые могут находиться в разных функциональных состояниях (возбуждения, рефрактерности или покоя), представляет большие трудности [А. М. Жаботинский, 1983].

Эти трудности носят как методический, так и методологический характер, и связаны со стохастическими нелинейными свойствами автоколебательных процессов в биологических системах, наличием сложного спектра гармоник и часто возникающей неустойчивостью, особенно при смене квазипериодического режима. К трудностям методического характера следует прежде всего отнести ограничения существующих методов спектрального анализа, которые не позволяют отличить кратнопериодические колебания от дополнительных гармоник. Поэтому поиск новых возможностей более глубокого анализа колебательных взаимоотношений требует адекватного методологического подхода. В наши дни существует несколько принципиально новых подходов: принцип «порядок из хаоса», предложенный И. Пригожиным25, методы с использованием сетей Петри, когнитивной графики26, фрактальной геометрии [Mandelbrot Benoit, 2002].

Все эти работы не имеют отношения к физиологии, однако следует отметить огромный интерес к физиологии и медицине со стороны и математиков, и программистов. Во всем мире медицина стоит на первом месте в программе использования огромных достижений в создании электронно-вычислительных машин большой мощности27. Однако, увлечение моделированием живых систем часто происходит с такими допущениями, которые нередко коренным образом меняет результат и не представляет возможности для интерпретации на основе опыта физиологии. Очевидно, адекватной объекту (живому организму) модель может быть построена лишь на междисциплинарном подходе, что отмечают ведущие специалисты биологии и математики [О. М. Белоцерковский, 2005].

В 1989 г. на Международном конгрессе физиологических наук в Петербурге была отмечена необходимость глубокой ревизии представлений в физиологии как междисциплинарной науки. Целью этой ревизии была теоретическая и практическая трансформация и переориентация научных исследований для выявления фундаментальной природы здоровья, разработки теории и моделей исследований. На конгрессе были предложены новые биомедицинские концепции, экзистенционально-антропологические и культурологические парадигмы.

Процессы адаптации человека настолько сложны и многообразны, что для их понимания и получения возможности «управления» ими необходимы и междисциплинарный подход и адекватная методология, синтезирующая различные области знания. Обобщающей для этого теоретической концепцией в последние десятилетия является развивающийся системный подход как закономерный этап развития наук в том числе биологических2829. Мы полагаем, что современный системный подход позволяет достаточно точно рассмотреть иерархическую структуру и очертить методологическую стратегию в разработке понятия состояния биологической системы – организма.

Синергология

Общим ориентиром для научного поиска, прогнозирования и моделирования процессов в сложных динамических системах признана синергология, которая в настоящее время рассматривается как основа междисциплинарного синтеза знаний3031. Являясь естественным развитием системного подхода, синергология, согласно Г. Хаген [Г. Хаген, 1984], определяется как теория содействующих нестационарных эволюционирующих систем. Синергетическое моделирование живых систем показывает возможности исследования закономерностей их функционирования3233. На сегодняшний день синергология имеет солидную базу – методы моделирования и анализа природных явлений на основе интеллектуальных и образных систем. В формировании междисциплинарного подхода в русле синергетики для анализа электрофизиологических процессов необходимо четко представлять роль и вклад естествоиспытателя. В математизации физиологических знаний роль естествоиспытателя сводится к формированию проблемы и некоторому ее решению. В работе «Системы и средства информатики» (1993) выделяется три основных этапа:

  1. количественная обработка эмпирических данных;
  2. моделирование процессов;
  3. математическая теория, определяющая круг явлений и их закономерность.

Здесь представлены первый и второй этапы разработки проблемы. Однако нужно сказать, что и на этих этапах необходимы элементы междисциплинарного подхода.

В общем русле синергетики лишь намечается развитие междисциплинарного комплексного системного подхода в физиологии из трех основных составляющих: 1) информационного; 2) геометрического; 3) симметрийного направлений. Эти направления тесно переплетаются с физикой волновых процессов и закономерностями физиологии3435. Поэтому на этапе моделирования электрофизиологических процессов мы использовали именно такой комплекс принципов, и на его основе разрабатывались методы полипараметрического системного анализа.

Прежде чем перейти к рассмотрению разработанных нами полипараметрических методов моделирования сложных систем, по сути представляющих информационные системы, основанные на интеллектуальных методах, и содержательных результатах, полученных нами, имеет смысл для лучшего понимания коротко рассмотреть эти слагающие комплексного подхода.

Читайте также

Footnotes

  1. Богданов А. А. Всеобщая организационная наука (текстология). Ч. 1. – М.-Л.: Книга, 1925.
  2. Берталанфи Л., фон. Общая теория систем // Исследования по общей теории, 1960.
  3. Труды Института системного анализа РАН «Информационные технологии и системный анализ», 2004
  4. Новосельцев В. Н. Гомеостаз организма как система управления. – М., 1973.
  5. Эшби У. P. Теоретико-множественный подход к механизму и гомеостазису // Исследования по общей теории систем. – М., 1969, с. 398—441.
  6. Шаров С. А. О различии между онтологией языка и онтологией предметной области // Тр. 6-й конференции КИИ, 1998, т. 1, с. 41-55.
  7. Лищук В. А., Мосткова Е. В. Основы здоровья: актуальные задачи, решения, рекомендации (обзор). – М., 1994.
  8. Шмальгаузен И. И. Организм как целое в индивидуальном и историческом развитии: Избр. труды. – М., 1982.
  9. Н. Винер, 1970, R. Smith, 1991
  10. В. В. Парин, Р. М. Баевский, 1971, R. Lafaille, 1995
  11. А. Г. Александров, 1989, L. Reijnders, 1995
  12. Анохин П. К. Теория функциональных систем. – Успехи физиологических наук, 1970, т. 1,№1.
  13. Судаков К. В. Общая теория функциональных систем. – М.: Медицина, 1984.
  14. Судаков К. В. Стресс постулаты, анализ с позиций общей теории функциональных систем. – Патологическая физиология и экспериментальная терапия, 1992, № 4, с. 86-93.
  15. Судаков К. В. Информационные свойства функциональных систем: теоретические аспекты. – Вестник РАМН, 1997, № 12, с. 3.
  16. Шидловский В. А. Мультивариантная адаптивная регуляция вегетативных функций // Вопросы кибернетики. Системный анализ вегетативных функций. – М.: Научный Совет по проблеме кибернетики АН СССР, 1978, вып. 37, с. 3-7.
  17. Винер Н. Кибернетика, или управление и связь в животном и машине. – М.: Мир, 1983.
  18. Новосельцев В. Н. Гомеостаз организма как система управления. – М., 1973.
  19. Koch, C., Biophysics of Compution : Toward the mechanisms Computational Neuroscience. – Edited by Eric J. Schwartz, 1990, MIT Press, pp. 97-113.
  20. Langton, С., Life at the Edge of Chaos. The proceedings of an interdisciplinary workshop on the synthesis and stymulation of living systems. – Volume X. Addison-Wesley Publis-ing Co. CA.US, 1992.
  21. Shepherd, G.. The Significance of Real Neuron Architecture for Neural Network Simulations. // In: Computational Neuroscience. Edited by Eric J. Schwartz, 1990, MIT Press, pp.82-96.
  22. Sulis, W. Causality in Naturally Occurring Computational Systems, 1994, World Futures. 39,225.
  23. Нейронные сети. «Stat.Soft». Russia. – М.: Горячая линия-Телеком. 2000.
  24. Нейроинформатика-2005: Сб. тр. VII Всерос. научн.-техн. конфер. Ч. 2.-М, 2005, с. 112-115.
  25. Пригожин И. От существующего к возникающему. – М. Наука, 1985.
  26. Зенкин А. А. Когнитивная компьютерная графика. – М.: Наука, 1991.
  27. Компьютерные модели и прогресс медицины. – М.: Наука, 2001.
  28. Уемов А. И. Системный подход и общая теория систем. – М.: Мысль, 1978.
  29. Урманцев Ю. А. Симметрия природы и природа симметрии. – М., 1974.
  30. Пригожин И., Стенгере И. Время, хаос, квант. – М., 1994.
  31. Хаген Г. Синергетика. -М.: Мир, 1980.
  32. Shepherd, G.. The Significance of Real Neuron Architecture for Neural Network Simulations. // In: Computational Neuroscience. Edited by Eric J. Schwartz, 1990, MIT Press, pp.82-96.
  33. Sulis, W. and Combs, A., Nonlinear Dynamics in Human Behavior. Avolium in the series Studies on Nonlinear Phenomena in the Life Sciences Singapore: World Scientific. 1996.
  34. Система. Гармония. Симметрия / Под ред. В. С. Тюхтина и Ю. А. Урманцева. – М.: Мысль, 1988.
  35. Лощилов В. И. Информационно-волновая медицина и биология // Тр. IV международной конф. Новые информационные технологии в медицине и экологии 1Т+МЕ’98. Крым. Ялта-Гурзуф.1998, с. 12-14.