Беседы о рентгеновских лучах

Считается, например, что плотные очаги, вызванные хроническим процессом, дают на экране потемнение большей интенсивности, а острые воспалительные — меньшей. На самом деле это не так. Если они одного размера и положения, то и тень будет одинаковой. Ибо плотность всех мягких тканей и жидкостей в нашем организме приблизительно одна и та же (близка к единице). Зато чем крупнее патологическое образование, тем гуще тень.

Чтобы вернее оценивать формы, размеры, положение болезненных очагов, широко практикуется многопроекционность. Если пациента, стоящего лицом к экрану, поворачивать правым плечом вперед, все элементы, находящиеся сзади, смещаются вправо, а те, что спереди, — влево. Движения обеспечивают трехмерность восприятия, создавая правильные представления об изучаемом объекте. И это не единственный прием, который используется рентгенологами.

— Вот уж подлинно: мильон терзаний!

— Но и мильон дерзаний — попыток разрешить проблемы безошибочной диагностики.

— А нельзя ли привлечь на помощь электронный мозг, чтобы он подсобил человеческому анализировать изображение?

— Такие попытки тоже предпринимаются. Правда, успехи пока что скромные. И тем не менее многообещающие.

«Д-р Эшби полагает, что действительно можно создать машины более умные, чем их создатели, и я в этом с ним полностью согласен», — писал в 1953 году Н. Винер. Заявление отца кибернетики вдохновило ее энтузиастов во всем мире. Заговорили и о реальной возможности распознавать образы автоматически. Дескать, если удастся обучить компьютер отличать букву А в любом начертании от всех прочих, то почему нельзя научить его отличать собаку от кошки, несмотря на все разнообразие пород? Ну и, конечно, сердце от печени, легкие от ребер на флюоресцирующем экране, а там уж рукой подать до машинной рентгенодиагностики…

Однако и скептики подняли голос. «Даже определение абсолютно точных и строгих правил узнавания буквы А во всех видах, встречающихся хотя бы в печатном тексте, — грандиозная задача», — напомнил американский математик У. Питтс и выразил сомнение, что ее вообще удастся когда-либо решить. А профессор М. Таубе (тоже США) в книге «Компьютеры и здравый смысл. Миф о думающих машинах» (1961 г.) высказался со всей прямотой: «Энтузиастам вычислительных машин следует либо прекратить болтовню об этом, либо принять на себя серьезное обвинение в том, что они сочиняют научную фантастику с целью пощекотать читателям нервы в погоне за легкими деньгами и дешевой популярностью».

Что же получилось?

Еще в 1957 году родился «Марк-1». Так был назван перцептрон — автоматический зрительный анализатор, построенный Ф. Розенблаттом (США) и ставший первой из немногих технических моделей восприятия. В дальнейшем распознавание образов моделировалось преимущественно математически на цифровых электронно-вычислительных машинах. Появились компьютеры, которые анализировали снимки звездного неба и ядерных реакций.

В 60-х годах «узнающие» программы были составлены и успешно испытаны в СССР. Один из инициаторов этих работ, М. Бонгард, так комментировал результаты, полученные при его участии: «Пишущие о кибернетике любят заканчивать статью заклинанием: раз человек составил программу, значит, он передал ей часть своих знаний; посему-де машина никогда не будет умнее своего создателя. Про автомат, узнававший нефтеносность пластов, никак не скажешь, что программисты передали ему свои знания: ведь мы ничего не понимали в геологии! Откуда же программа получила все необходимые сведения? Только благодаря наблюдению и, если хотите, „творческому осмыслению“ примеров, продемонстрированных при обучении. Становится понятной роль хороших „машинных педагогов“. Благодаря им универсальная программа получила специализацию в геофизике. А могла приобрести ее в медицинской диагностике или в промышленной дефектоскопии».

Компьютеры нашли свое место и в рентгенологии. Они применяются при статистической обработке материалов клинико-рентгенологических исследований, с их помощью можно устанавливать взаимосвязь между признаками, выявляя таким образом причину и следствие; электронно-вычислительные машины уже ставят диагнозы. Наконец, предпринимаются настойчивые попытки применить ЭВМ для анализа флюорограмм, отбирать из огромного их количества те, которые заставляют подозревать болезнь. Такая предварительная сортировка значительно облегчает работу врача: ему остается просмотреть лишь 0,01 первоначального количества снимков.