Egy egyszerű ANN vázlata

A mesterséges neuronhálózatok (artificial neural network – ANN) elvét az emberi idegrendszer, az agy idegsejtjeinek működése ihlette. A kutatások az 1940-es évek végén kezdődtek, s eredetileg az emberi agyfunkciók szimulálására szolgáltak. Az 1990-es években a statisztikai elemzésekkel és adatfeldolgozással foglalkozók körében ismét feléledt irántuk az érdeklődés, bizonyos nem-lineáris folyamatok elemzése kapcsán felmerült problémák miatt.

Az ANN egy olyan adatfeldolgozási és számítási módszer, mely többváltozós elemzéseket végez a biológiai neuronhálózatok – idegrendszer, agyvelő - mintájára. A 90-es évek óta számos összetett döntéshozatali folyamatot magába foglaló területen alkalmazzák a mindennapi életben. Mesterséges neuronhálózatok végzik a légkondicionálók zajszint-szabályozását, a hitelkártya-visszaélések ellenőrzését, karakterek felismerést, de használják őket kölcsönök jóváhagyásának elbírálására, illetve a blokkolásgátló fékrendszerek működése során is.

Akárcsak az emberi agy, az ANN is egymással összekapcsolt csomópontokból, úgynevezett modell-idegsejtekből épül fel, melyek egymással súlyozott kapcsolatban állnak különböző rétegeket alkotva, attól függően, hogy a betáplált információval mi történik éppen.

Az első az úgynevezett bemeneti réteg, az adatok itt kerülnek be a rendszerbe. Ezután tetszőleges számú köztes, más néven rejtett réteg helyezkedik el (ezek ugyanis nem állnak kapcsolatban a külvilággal). A sor vége pedig a kimeneti réteg, amely a rendszer válaszát mutatja a bevitt adatokra. A be-, illetve kimeneti réteg között található egyes csomópontok kapcsolatának erőssége a korábban bevitt adatokból származó információk alapján változik. Minél többször halad át jel két adott csomópont között, a kapcsolat közöttük annál erősebbé, súlyozottabbá válik. Ennek köszönhetően válik lehetővé az összefüggések feltérképezése egy-egy adott rendszerben, legyen szó orvosi, banki, vagy fizikai adatokról.

Ahhoz, hogy a mesterséges neuronhálózat megfelelően működjön, először be kell táplálni az adott problémával kapcsolatosan már meglévő adatokat, és az észlelt eredményeket (például egy adott betegség esetén a jelentkező tüneteket és a betegség korábban már észlelt kimeneteleit). Akárcsak az emberi agy, a tanulási folyamat során az ANN is az ismert tényeket helyezi összefüggésbe az észlelt eredményekkel, anélkül, hogy meg tudná magyarázni azokat. Minél több ismert esetet visznek be egy ilyen rendszerbe, annál pontosabban alakulnak ki, súlyozódnak az egyes lehetséges összefüggések, és egy ismeretlen kimenetelű esetnél annál pontosabb, valósághűbb lesz a végeredményt. Ez annyit jelent, hogy a minél akkurátusabb eredmény elérése érdekében minél nagyobb mennyiségű adattal kell „megetetni”, feltölteni a mesterséges neuronhálózatot. Egy előre meghatározott pontossági szint elérése után az ANN tanulási folyamata befejeződik (természetesen további adatok bevitelével a rendszer tovább „fejleszti magát”, az eredmények tovább finomíthatóak), és a továbbiakban alkalmazható egy adott probléma kimenetelének megbecslésére, felmérésére.

A betegeket sokszor vizsgálják feleslegesen a drága eszközökkel © Túry Gergely

A mesterséges neuronhálózatok fontos alkalmazási területe az orvostudomány. Sok betegség esetében problémát jelent az adott tünetek várható kimenetelének előrejelzése. Például a rákos betegségek esetén kiemelt fontosságú annak meghatározása, hogy a daganat kitört-e az adott szervből, vagy mennyi az esélye annak, hogy egy műtét, vagy kezelés meggyógyítja a beteget.

A gyógyulási esélyek latolgatása, illetve a betegek feltétel nélküli bizalma az orvosok iránt komoly fejtörést és lelkiismeretfurdalást okoz még a legtapasztaltabb szakembernek is, hiszen a páciens életét alapvetően befolyásolják a válaszok. Azonban a betegség kialakulásának, terjedésének, a kezelésre való reagálásának a mechanizmusa, a leletekkel való összefüggései sok esetben még nem teljesen ismertek. Érthető tehát, hogy az orvosi kutatások kiemelt figyelemmel foglalkoznak a minél hatékonyabb előrejelzési módszerek kifejlesztésével. A gyógyítást, illetve a pontos diagnózis felállítását nehezíti, hogy az orvosnak el kell döntenie, hogy számos tünet, lelet és vizsgálati eredmény közül melyik módszer, vagy terápia a legalkalmasabb. A neurális hálózatok használata ezen a téren nyújthat óriási segítséget: a több paraméter együttes használata ugyanis megnöveli az előrejelzés pontosságát, ezért az utóbbi időben a kutatások is egyre inkább a több paraméteres becslési módszerek kidolgozása felé fordultak. Azonban a megfelelő paraméterek kiválasztása, azok fontosságának felmérése, az egyes betegek eltérő egyéni válaszának figyelembe vétele a hagyományos statisztikai módszerekkel sokszor nehézségekbe ütközik, idő-, és energiaigényes, ráadásul egyetlen orvos, legyen akármilyen képzett is, nem feltétlenül tudja figyelembe venni az összes körülményt.

A mesterséges neuronhálózatok hamar felkeltették a prognosztikai módszerekkel foglalkozó kutatók figyelmét, hiszen nagyszámú beteg adatainak, vizsgálati eredményeinek betáplálásával az ANN kialakítja a bevitt adatok és a végeredmény közötti összefüggéseket, anélkül, hogy érteni, vagy magyarázni tudná a közöttük lévő kapcsolatot. A klinikai vizsgálatok igazolták, hogy a mesterséges hálózatok nagy pontossággal képesek előre jelezni a betegség, illetve az egyes kezelések várható kimenetelét (például a daganat kiterjedtségének mértéke, a kezelés hatásossága, várható élettartam, a daganat kiújulásának esélye, stb.).

Az ANN-ek alkalmazásának természetesen vannak korlátai is, hiszen a neuronhálózat egy adott betegcsoport adatai alapján végzi az előrejelzést, azonban az egyes betegségek lefolyása a különböző földrajzi régiókban jelentősen eltérhet, (pl. befolyásolhatja a teljes kórtörténetet a területen élők általános egészségi állapota, étkezési lehetőségei, az őket érő környezeti ártalmak, stressz, vagy egyéb körülmények). Továbbá a bevitt adatok mindig retrospektív, azaz visszatekintő jellegűek, így nem veszik figyelembe a diagnosztikai módszerek, az egyes műtéti technikák, kezelési módok fejlődését, valamint új módszerek alkalmazását (daganatok korábbi stádiumban való felismerése, egyre hatékonyabb kezelési lehetőségek, stb.).

„A jelenlegi számításokat elősegítő nomogrammok próbálják az alapján értékelni a különféle betegségi stádiumokat, kezelési eredményeket, hogy a terápiás adatokat dolgozzák fel, amelyek nem mentesek a hibalehetőségektől” – magyarázta a hvg.hu megkeresésére Dr. Tenke Péter, Országos Urológiai Szakfelügyelő Főorvos. „A mesterséges neurális hálózatok viszont jóval összetettebb módon vizsgálják a körülményeket, így lehetővé válik az esetleges hibák kiszűrése, a statisztikai adatok pontatlanságainak kiküszöbölése. Lehetőség van arra is, hogy nem csak egy bizonyos terület statisztikai adatait dolgozzuk fel, hanem azon belül is lehet szűkíteni, finomítani különböző kategóriák, szempontok szerint. A lehetőségeknek ez a széles spektruma egy szinte önmagától gondolkodó rendszer kiépítését teszi lehetővé.”

Az agykéreg működését szimuláló digitális neuronhálózat képe - 10 000 neuron és 30 millió szinaptikus kapcsolattal © EPFL.ch

Dr. Tenke szerint a legfejlettebb rendszerek már képesek azt is figyelembe venni, hogy az egyes páciensek milyen behatásoknak, környezeti ártalmaknak van kitéve, milyen a családi hátterük. Ezeket a tényezőket normál statisztikai módszerek nem tudják figyelembe venni, illetve megfelelő súlyozással feltüntetni.

„Egy ilyen hálózat akkor tud optimálisan működni, ha például országos szinten kapcsolódnak össze az azonos területen tevékenykedő intézetek, klinikák, s így különbséget tudnak tenni az ország egyes régióiban élő emberek eltérő adottságai, életkörülményei között” – fejtette ki Dr. Tenke. „Azt a folyamatot, amit mi különféle statisztikai analízisek, elemzési módszerek alapján, egymástól csaknem függetlenül végzünk, egy ANN egy helyen végzi, az adatokat egymással párhuzamosan, minden tényezőt figyelembe véve feldolgozva.”

Európában több helyen rájöttek, hogy a betegek kezelésének a prognosztikájában számtalan hibalehetőség adódik és egyre inkább próbálnak pontosabb adatokhoz jutni. A korábbi esetekre építő, retrospektív adatfeldolgozással azonban az a gond, hogy nem veszi figyelembe a kor előrehaladtával az életminőség változását, új terápiák megjelenését, s ezért pontatlan vagy éppen hibás végkövetkeztetéseket eredményezhet. Egy mesterséges neurális hálózat bevezetése azonban lehetővé teszi, hogy az felesleges adatokat kiszűrjék a diagnosztikai folyamatból, a hiányzó tényezők viszont bekerüljenek, kiegészítse ezáltal a prognózist.

„A magyarországi kiépítéshez először a rendszer a lényegét kellene megértetni a szakértőkkel és döntéshozókkal, utána pedig egy projektet kiírni rá” – tette hozzá Dr. Tenke Péter. „Fontos hangsúlyozni, hogy egy ilyen befektetés nem azonnal fog megtérülni. Erre akkor fog sor kerülni, ha nem küldjük el a beteget olyan vizsgálatokra, amelyekre nincs szüksége. Így számos méregdrága kezelést nem kell feleslegesen elvégezni – mert adott esetben a beteg adottságai alapján rosszul vagy nem reagálna rá. Ezzel a betegek életkilátásait, a felesleges kezelések kiszűrését, a terápia sikerességét, hatékonyságát lehetne javítani.

A mesterséges neuronhálózatok – működési területüktől függetlenül - nem képesek helyettesíteni az emberi döntéshozatalt. A klinikus tapasztalata, szaktudása, orvos és beteg kapcsolata, de akár egy hitel-ügyintéző szubjektív megítélése, vagy egy banki tranzakció felülvizsgálata jelentősen befolyásolhatja a végeredményt. Alkalmazásuk azonban hatásos segítséget nyújthat az olyan döntéshozatali folymatok során, ahol rendkívül sok tényezőt és paramétert kell figyelembe venni, amelyre még a legtapasztaltabb és legfelkészültebb szakember sem feltétlenül képes. A mesterséges hálózatok a statisztikai összefüggések vizsgálatával számítják ki a végső eredményt, ez pedig sok esetben pontosabb és hatékonyabb, mint az emberi tényező. Az orvoslás esetében pedig hathatós segítséget nyújt mind az orvosok számára, akiknek az összes körülmény ismeretében kell felelősségteljes döntést hoznia, mind a betegeknek, akik pontosabb és érthetőbb felvilágosítást kaphatnak, valamint az esélyeik és lehetőségeik mérlegelése után határozhatnak, hogy milyen terápiának szeretnék alávetni magukat.

Dr. Köves Béla - Andersen Dávid