Экспертная система по определению диагноза по симптомам на основе продукционной модели

В данном проекте предметную область составляют наиболее часто встречающиеся заболевания, а именно: ларингит, фарингит, грипп, орви, бронхит, менингит, гастрит, язва, отравление, мигрень, краснуха, корь, анемия.
У каждой болезни имеется набор признаков или, выражаясь медицинскими терминами, симптомов. Одни и те же симптомы могут являться признаками одной и той же болезни.
Система состоит из пяти компонентов, которые отвечают за решение проблемы. К ним относятся:

• Рабочая память
• База знаний
• Машина логического вывода
• Консультирующая программа (система объяснения и пользовательский интерфейс)
• Система приобретения знаний

Рабочая память

Рабочая память системы состоит из фактов – симптомов. Эти факты мы определяем с помощью шаблона, который имеет 4 слота – название симптома, перечень болезней, для которых этот симптом характерен, вопрос о наличии данного симптома, и ответ на вопрос.
Фрагмент рабочей памяти:

(sympthom (name pain_in_muscles) (type flu poisoning meningitis) (question "Is there pain in muscles? - yes - 1) no - 2) why - 3)") (answer unknown))  

(sympthom (name cought) (type flu ORVI laringitis pharingitis bronchitis measles meningitis) (question "Is there cought? - yes - 1) no - 2) why - 3)") (answer unknown))  

(sympthom (name weaknesses) (type flu ORVI migraine bronchitis measles meningitis anemia) (question "Is there weaknesses? - yes - 1) no - 2) why - 3)") (answer unknown))  

(sympthom (name paleness) (type anemia) (question "Is there paleness? - yes - 1) no - 2) why - 3)") (answer unknown))  

(sympthom (name faint) (type anemia) (question "Is there faint? - yes - 1) no - 2) why - 3)") (answer unknown))

База знаний

База знаний состоит из набора правил, и когда пользователь отвечает на поставленный вопрос, изменяются факты, соответствующие ответам, в частности, меняется слот answer в факте symptom. Фрагмент базы знаний (знания об анемии):

(defrule ask_anemia           ; спрашиваем о симптоме  
(declare (salience 120))      ; объявляем приоритет правила   
(not (suggest ?))             ; спрашиваем, когда еще нет решения  
(not(no $? anemia $?))        ; и нет решения, что точно не анемия  

; f1 нужно для изменения значений слотов
?f1 <- (sympthom (name ?name) (type $?x anemia $?z) (question ?question) (answer unknown)) 
=>  
(bind ?response (ask-allowed ?question 1 2 3))   ; записываем ответ на вопрос в response  
(if (eq ?response 1)          ; если ответ на вопрос 1), т.е. yes  
then   
(modify ?f1 (answer yes))     ;тогда меняем в слоте unknown на yes  
(assert( name ?name ))        ;принимаем симптом как факт  
else (if (eq ?response 2)     ;если ответ 2), т.е. нет  
then  
(modify ?f1 (answer no))      ;то меняем в слоте answer ответ на no  
(assert(no $?x anemia $?z))   ;принимаем факт, что это точно не  
                              ;те болезни, у которых есть этот симптом  
else  
(if (eq ?response 3)          ;если пользователю интересно почему ему задают такой вопрос, 
then  
(modify ?f1 (answer unknown)) ;перепишем факт, чтобы продукция его не отбросила, т.к. ответ по-прежнему неизвестен  
(printout t "There is suggest that you have anemia" crlf)) ;выводим наше предположение  

(defrule anemia               ; это правило определяет болезнь  
(declare (salience 115))      ;приоритет правила  
(not(suggest ?))   
(name headache)               ;левая часть правила - симптомы  
(name weaknesses)  
(name paleness)  
(name faint)  
=>  
;правая часть – предположение о диагнозе  
(assert(suggest "This is anemia, because you have headache, weaknesses, paleness and faint")) 

Машина логического вывода

Программа перебирает правила, и ищет то правило, которое выполняется при имеющихся фактах. Для того чтобы избежать возможных конфликтов, используется свойство salience. Результат работы программы – предположение о диагнозе, или вывод сообщения о том, что предположений нет.

Консультирующая программа

Эта программа ведет диалог с пользователем.
Она спрашивает его о наличии диагноза, и он может выбрать один из трех вариантов ответа – да, нет, или спросить у системы, зачем ей это знание.
Примеры диалогов с пользователем:

Пользователь отвечает на вопросы, а также сам спрашивает, зачем система задает такой вопрос.

Пример определения диагноза – анемия.

Система приобретения знаний

Для того чтобы добавить какую-либо болезнь, необходимо в рабочей памяти, в фактах-симптомах, в мультислоте type, в котором перечислены релевантные симптому болезни, приписать эту болезнь для каждого симптома, характерного этой болезни, и аналогично добавляем два таких же правила – которые спрашивают, и выводят решение, приписав для правил отличные от всех остальных приоритеты. Таким образом, с добавлением правил не возникает никаких сложностей, поскольку нет необходимости изменять какие-то данные по всему коду. Достаточно просто добавить 2 правила для болезни, и добавить название этой болезни к имеющимся симптомам, или создать новый симптом.