Académie royale de Médecine de Belgique

|

Résumé Paul Magrez

(Séance du 26 septembre 1987)  

MODÈLES DE RAISONNEMENT APPROCHÉ DANS LE CADRE DES SYSTÈMES EXPERTS MÉDICAUX

par Paul MAGREZ (Institut de recherches interdisciplinaires et de développements en intelligence artificielle (IRIDIA) – ULB), invité.   

Ce travail concerne l’aide informatisée au diagnostic médical, et plus particulièrement l’étude des modèles de raisonnement approché nécessaires à la conception des systèmes experts médicaux.  Les systèmes experts, une des applications les plus connues de l’intelligence artificielle, sont des programmes informatiques doués d’une connaissance et d’un raisonnement proches de ceux d’un expert humain.  Les moteurs d’inférence des systèmes experts classiques reposent sur la logique booléenne : une proposition est jugée soit vraie, soit fausse.  Il est évident que le raisonnement médical ne pourra pas être modélisé de manière crédible par une axiomatique aussi rigide.  La plupart du temps, le médecin se base sur des connaissances imprécises, incertaines, voire inconsistantes, pour préciser un diagnostic qui sera rarement sûr et certain. Aussi notre recherche s’est portée sur le développement de modèles mathématiques permettant de représenter les propositions (la connaissance) et les inférences (la dynamique du raisonnement) dans un cadre incertain et imprécis, mais bien réel.   

SUMMARY

This work deals with computer-aided diagnosis, more precisely with approximate reasoning models applied to medical expert systems.  An expert system, one of the best known applications of artificial intelligence, is a program which contains in its structure the knowledge and the inference tools used by a medical expert in the practice of his art.  Classical expert system, however, are based on propositional logic : a proposition is either true of false.  If is obvious that medical reasoning can not be modelized with such restrictive axioms.  The physician uses knowledge that is both too imprecise and too uncertain, yet he is capable of dealing with the fuzziness of the diagnosis and the treatment.  Therefore, we have worked out and integrated theory of uncertainty and imprecision for medical expert systems.  Our work consists of two fundamental parts : the study of propositions (“knowledge”) and the study of inference (“reasoning”) in an uncertain and fuzzy framework.