Вполне очевидны и не требуют особого обоснования истоки социальной потребности в решении задач ранней диагностики и определения эффективной реабилитации детей с отклонениями в развитии.

Традиционные способы оценки и прогнозирования возможности выхода ребенка на ту или иную образовательную траекторию базируются часто на субъективных оценках специалистов. На эффективность диагностики влияет также нерешенная в полной мере проблема стандартизации диагностических методик и факторов. Вместе с тем сложились устойчивые представления о том, что применение аналитических методов для решения задач формализации диагностики либо невозможно, либо малоэффективно. Действительно, эта точка зрения имеет под собой почву, ибо медицинские данные трудно формализуемы, практически никогда не представляются в количественной форме, а имеют лишь качественные описания. В этой ситуации классические математико-статистические методы – не применимы.

В последнее время стали приобретать популярность нейроподобные системы, для которых не существует ограничений по видам и формам представления обрабатываемой информации. Так как подобные системы базируются на современных представлениях о процессах мышления, протекающих в человеческом мозге, они способны, обучаясь на предложенных фактах, находить сложные нелинейные зависимости в базах данных.

Цель настоящей работы заключалась в предварительной оценке возможностей искусственных нейронных сетей для решения задач выявления факторов, определяющих отклонения в психическом здоровье и развитии детей. Для вычислительных экспериментов была использована база данных, отражающая динамику реабилитации в ПМС-центре Северо-восточного округа г. Москвы. Было использовано 46 факторов диагностики, характеризующих состояние здоровья матери, состав семьи, объективные данные о состоянии детей.

Перед нейронной сетью была поставлена задача предсказать одно из следующих отклонений психического состояния ребенка: астенический синдром; задержку психического развития; неустойчивые состояния; олигофрению; шизофрению. В базе данных присутствовали также и нормальные дети.

Оказалось, что построенная нейронная сеть предсказывает правильный диагноз в 100% случаях. Вместе с тем, этот результат, в силу ряда особенностей нейронных сетей, характеризует не только способность сети к обобщению информации и выявлению новых зависимостей, но и свидетельствует о том, что часть информации была запомнена за счет построения межнейронных связей. Второй критерий был предназначен для оценки найденных нейронной сетью обобщений. Степень надежности обобщений определялась по результатам прогноза диагноза по исходным данным, о которых нейронная сеть ничего не знала при обучении. Тестовое множество было отобрано случайным образом из базы данных.

В процессе разработки нейронной сети возникла стандартная для медицинских задач проблема неполноты данных. Сеть в этом случае в полной мере продемонстрировала возможность поиска закономерностей в неполных и неточных данных. В целях решения проблем неполноты исходной информации в структуру сети были введены “фиктивные” нейроны, состояние возбуждения которых сигнализировало нейронной сети об отсутствии информации о некоторых показателях, характеризующих состояние ребенка.

Процесс извлечения накопленных знаний из нейронной сети представляет из себя нетривиальную задачу. В данном случае был использован один из самых простых методов, известный как анализ чувствительности. На основании анализа чувствительности, в частности, можно сделать выводы о силе влияния различных факторов на значение прогнозируемого показателя.

Результаты анализа нейронной модели показывают следующее. В наибольшей степени на ухудшение психического состояния детей влияют степень задержки воспроизведения карт и текстов, приобретения навыков самостоятельного хождения, умения держать голову, наличие отводов от прививок, задержка наступления способности следить глазами за объектом, перенесенные соматические заболевания, а также патология моторики и зрения. Ценность выявленных негативно влияющих на патологию детей факторов заключается в том, что они легко и в достаточной мере объективно могут быть диагностированы.

Нейронная сеть установила, что негативное влияние приведенных выше факторов может быть существенно ослаблено, поскольку нейромодель выявила позитивные факторы, практически равные по силе влияния найденным негативным факторам. Однако позитивных факторов меньше и сила их влияния несколько ниже. Среди найденных позитивных факторов выделяются следующие. Во-первых, позднее проявление психических отклонений. Неординарным результатом следует признать обнаруженную нейронной сетью зависимость: чем позже ребенок начинает “лепетать”, тем меньше вероятность последующего выявления у данного ребенка психических отклонений. В случае подтверждения этой зависимости появляется относительно простой и эффективный способ ранней диагностики психических отклонений. Другими факторами, снижающими риск психических патологий, являются: количество беременностей (чем меньше было беременностей, тем больше риск наступления патологии); наличие работы у родителей; тип семьи (риск снижается в полных семьях), благоприятный микроклимат в семье и уровень образованности матери. Особый интерес вызывает предложенная нейросетью гипотеза о возможности снижения риска появления патологии психического состояния у матерей, имеющих среднее образование, рожавших больше детей и имеющих более зрелый возраст.

Выполненное исследование указывает на перспективность применения нейросетевой технологии и на необходимость продолжения экспериментов на более представительной базе данных.

Сервер поддерживается фирмой НПП "БИТ про" Лучшие программы для образовательного процесса