Umělá inteligence v klinické biologii

V klinických laboratořích se zkoušejí a provozují zejména dva typy umělé inteligence, a to neuronové sítě a expertní systémy (Ann. Biol. Clin. 52, 277, 1994).

Neuronové sítě jsou jednou z metod, pomocí níž lze stroj postupně učit. Neuronové sítě se trénují na příkladech, u nichž je již známa diagnóza a s ní související prognóza dalšího vývoje nemoci. Cílem učení je dosáhnout, aby počítač a počítačový program dokázaly stanovit diagnózu a prognózu u nového nemocného. Stroj, který se učí pomocí příkladů, může být v klinicko-biologické laboratoři také zdrojem velmi cenné informace o tom, která laboratorní vyšetření je vhodné v denní praxi vyloučit jako nadbytečná. To může zlepšit ekonomiku péče o nemocné.

Expertní systém je počítačový program, který radí v přesně vymezené oblasti (viz též Vesmír 72, 24, 1993/1). Expertní systém používá dva typy dat: znalostní databázi (obsahuje informace o vztazích mezi jevy a objekty) a nově zjištěné údaje o nemocném. Expertní databáze může být průběžně doplňována na základě konzultací s živým expertem. Protože většina problémů v klinické laboratoři je procedurálního charakteru, jsou v nich používány obvykle menší expertní programy, které řeší dílčí konkrétní otázky spojené s biochemickými, hematologickými, imunologickými a jinými vyšetřeními.

V rovině výzkumu jsou prvky umělé inteligence pro klinickou biologii vyvíjeny obvykle jako samostatné systémy, které lze dobře využívat v rámci počítačem podporované výuky (např. Med. J. Australia 159, 175, 1993; Int. J. Biomed. Comput. 32, 85, 1993; N. Engl. J. Med. 330, 1792, 1994; ATLA 22, 474; Int. J. Bio-Med. Comput. 36, 273, 1994). V rovině rutinní praxe jsou obvykle menší expertní systémy zabudovávány do laboratorních databázových programů, a tak mohou řešit své úkoly v automatizovaném režimu (Ann. Biol. Clin. 52, 447, 1994).