Příloha a Publikace podporované projektem MŠMT 2C063 I. publikace čeké/lovenké
Publikace podporované projektem MŠMT 2C063 I. Publikace čeké/lovenké. Jiří Kofránek, Jan Ruz: Od obrázkových chémat k modelům pro výuku. Čekolovenká fyziologie 56(2), tr. 69-78, 2007. Práce je dotupná na adree http://www.phyiome.cz/ reference/csfyziol2007.pdf. 2. Jiří Kofránek, Stanilav Matoušek, Michal Andrlík: Škola (imulační) hrou - využití imulačních modelů acidobazické rovnováhy v e-learningové aplikaci. In: MEDSOFT 2007, borník přípěvků, (editor: Milena Zeithamlová), Agentura Acion M., Praha, ISBN 978-80-867-4200-7, tr. 83-92, 2007. Práce je dotupná na adree http://www.phyiome.cz/reference/ Medoft2007a.pdf. 3. Jiří Kofránek, Martin Tribula: Control web pro multimediální interaktivní ledvinu. In: MEDSOFT 2007, borník přípěvků, (editor: Milena Zeithamlová), Agentura Acion M., Praha, ISBN 978-80-867-4200-7, tr. 93-00, 2007. Práce je dotupná na adree http://www. phyiome.cz/reference/medsoft2007b.pdf. 4. Zdeněk Wünch, Marcel Matúš, Tomáš Kripner, Jiří Kofránek: Modely regulace ve fyziologickém praktiku. In: MEDSOFT 2007, borník přípěvků, (editor: Milena Zeithamlová), Agentura Acion M., Praha, ISBN 978-80-867-4200-7, tr.225-230, 2007. Práce je dotupná na adree http://www.phyiome.cz/reference/medsoft2007c.pdf. 5. Stanilav Štípek, Četmír, Štuka, Jiří Kofránek, Pavol Privitzer, Tomáš Nikl: Metodika e-learningu: Od jednoduchého ke ložitému a zpět. In: Sborník přípěvků z konference elearning 2007. Gaudeamu, Hradec Králové, ISBN 978-80-704-573-3, tr. 56-64, 2007. Práce je dotupná na adree http://www.phyiome.cz/reference/elearning2007.pdf. 6. Jiří Kofránek: Tvorba výukových imulátorů. Co je za oponou. In: Mefanet report 0. (editoři: Ladilav Dušek, Vladimír Mihál, Stanilav Štípek, Jarmila Potomková, Daniel Schwarz, Lenka Šnaidrová). Intitut biotatitiky a analýz, Maarykova Univerzita, Brno, ISBN 978-80-20-4539-2, tr. 60-72, 2008. Práce je dotupná na adree http://www.phyiome.cz/reference/ MEFANETreport0.pdf. 7. Jiří Kofránek, Jan Ruz, Stanilav Matoušek: Vzkříšení guytonova diagramu - od obrázku k imulačnímu modelu. In MEDSOFT 2008, borník přípěvků, (editor: Milena Ziethamlová) Agentura Action M, Praha, ISBN 978-80-86742-22-9, tr. 37-56, 2008. Práce je dotupná na adree http://www.phyiome.cz/reference/medsoft2008a.pdf. 8. Jiří Kofránek, Pavol Privitzer, Petr Stodulka: Technologie a trendy tvorby výukových imulátorů. In MEDSOFT 2008, borník přípěvků, (editor: Milena Ziethamlová) Agentura Action M, Praha, ISBN 978-80-86742-22-9, tr. 37-56, 2008. Práce je dotupná na adree http://www. phyiome.cz/reference/medsoft2008b.pdf. 9. Petr Stodulka, Pavol Privitzer, Jiří Kofránek: Jednoduchá imulační hra krok za krokem aneb Od předtavy k hotovému. In MEDSOFT 2008, borník přípěvků, (editor: Milena Ziethamlová) Agentura Action M, Praha, ISBN 978-80-86742-22-9, tr. 49-56, 2008. Práce je dotupná na adree http://www.phyiome.cz/reference/medsoft2008c.pdf. 0. Marek Mateják, Jiří Kofránek: Modelica v. blokovo-orientované jazyky matematického modelovania. In OBJEKTY 2008, (Žilina SR), Žilinká Univerzita, 20.-2..2008, (editor Jan Janech), Edi, Žilina, ISBN 978-80-8070-923-3, tr. 79-94, 2008. Práce je dotupná na adree http://www.phyiome.cz/reference/objekty2008.pdf.. Jiří Kofránek, Marek Mateják, Stanilav Matoušek, Pavol Privitzer, Martin Tribula, Ondřej Vacek: Škola (multimediální imulační) hrou: využití multimediálních aplikací a imulačních
modelů ve výuce patologické fyziologie. In MEFANET 2008. (editoři: Daniel Schwarz, Ladilav Dušek, Stanilav Štípek, Vladimír Mihál), Maarykova Univerzita, Brno, ISBN 978-80-7392-065-4, CD ROM, 30_kofranek.pdf: tr. -26, 2008, internetový borník: http://www. mefanet.cz/re/file/mefanet2008/pripevky/30_kofranek.pdf. 2. Jiří Kofránek: Komplexní model acidobazické rovnováhy, (Englih verion: Complex model of blood acid-bae balance). In MEDSOFT 2009, borník přípěvků, (editor: Milena Ziethamlová Ed.) Praha: Agentura Action M, Praha, ISBN 978-80-904326-0-4, tr. 23-60, 2009. Práce je dotupná na adree http://www.phyiome.cz/reference/medoft09a.pdf, anglická verze je dotupná na adree http://www.phyiome.cz/reference/acidbaemedoft2009.pdf, model je dotupný na adree http://phyiome.cz/acidbae. 3. Jiří Kofránek, Pavol Privitzer, Marek Mateják, Martin Tribula: Akauzální modelování nový přítup pro tvorbu imulačních her. In MEDSOFT 2009, borník přípěvků, (editor: Milena Ziethamlová) Praha: Agentura Action M, Praha, ISBN 978-80-904326-0-4, tr. 3-75, 2009. Práce je dotupná na adree http://www.phyiome.cz/reference/medoft09b.pdf. 4. Marek Mateják, Jiří Kofránek, Jan Ruz: Akauzální vzkříšení Guytonova diagramu. In MEDSOFT 2009, borník přípěvků, (editor Milena Ziethamlová) Praha: Agentura Action M, Praha, ISBN 978-80-904326-0-4, tr. 05-20, 2009. Práce je dotupná na adree http://www. phyiome.cz/reference/medoft09c.pdf. 5. Jiří Kofránek, Marek Mateják, Pavol Privitzer: Kreativní propojení objektových technologií pro tvorbu výukových biomedicínkých modelů In Objekty 2009, (editor: Pavel Kříž), Gaudeamu, Univerzita Hradec králové, ISBN 978-80-7435-009-2, Hradec Králové, tr. -2, 2009. Práce je dotupná na adree http://www.phyiome.cz/reference/objekty2009.pdf. 6. Jan Ruz, Jiří Kofránek.: Využití, vývoj a automatizace nejen průmylových nátrojů pro biomedicínké výukové imulátory. Automatizace, 52 (7-8), tr. 443-446, 2009. Práce je dotupná na adree http://www.phyiome.cz/reference/automatizace2009.pdf.
Čekolovenká fyziologie Jiří Kofránek, Jan Ruz: Od obrázkových chémat k modelům pro výuku. Čekolovenká fyziologie 56(2), tr. 69-78, 2007. Práce je dotupná na adree http://www.phyiome.cz/reference/csfyziol2007.pdf.
PØEHLEDNÉ ÈLÁNKY Od obrázkových chémat k modelům pro výuku MUDr. Jiøí Kofránek, CSc., Bc. Jan Ruz Laboratoø biokybernetiky, Útav patologické fyziologie. LF UK, Praha SOUHRN Pøed pìtatøiceti lety uveøejnil A. C. Guyton et al. popi rozáhlého modelu fyziologických vztahù ve formì grafického chématu. Autoøi toto rozáhlé grafické chéma oživili využitím moderního vývojového nátroje urèeného pro vývoj imulaèních modelù. Rozložení jednotlivých prvkù, jejich propojení a popi byl zachován. Na rozdíl od tarého chématu je nové chéma funkèním imulaèním modelem umožòujícím ve vývojovém protøedí Matlab/Simulink model pouštìt a tudovat chování všech promìnných. Autoøi dále popiují technologii vývoje multimediálních výukových imulátorù. SUMMARY Thirty five year ago, A.C.Guyton at al. publihed a decription of the large model of phyiological relation in a form of a graphic chart. The author brought thi large-cale chart to life uing a modern imulation tool Matlab/Simulink. The original layout, connection and decription were aved in the implementation, but contrary to the old ytem analyi diagram, the new one i alo a functional imulation model itelf. Thu, the new implementation give the uer the poibility to ee and tudy behaviour of all model variable in time. Author alo decribe the technology of development of multimedia learning imulator. POČÍTAČOVÁ PAVUČINA FYZIOLOGICKÝCH REGULACÍ Před pětatřiceti lety uveřejnil prof. Arthur C. Guyton polu T. G. Colemanem a H. J. Granderem v čaopie Annual of Biomedical Phyiology článek (Guyton et al., 972), který e vou podobou na první pohled naproto vymykal navyklé podobě fyziologických článků té doby. Jeho centrálním mítem bylo rozáhlé chéma, na první pohled vzdáleně připomínající nákre nějakého elektrotechnického zařízení (obr. ). Míto elektronek či jiných elektrotechnických oučátek však zde byly zobrazeny propojené výpočetní bloky (náobičky, děličky, umátory, integrátory, funkční bloky), které ymbolizovaly matematické operace prováděné fyziologickými veličinami. Svazky propojovacích vodičů mezi bloky na první pohled vyjadřovaly ložité zpětnovazební propojení fyziologických veličin. Bloky byly ekupeny do omnácti kupin, které předtavovaly jednotlivé propojené fyziologické ubytémy. Centrálním byl ubytém reprezentující cirkulační dynamiku ním byly do jednoho celku zpětnovazebně provázány otatní bloky (od ledvin, pře tkáňové tekutiny, elektrolyty, až po autonomní nervovou regulaci a hormonální řízení zahrnující ADH, angiotenzin a aldoteron). Článek popioval rozáhlý model fyziologických regulací cirkulačního ytému a jeho širší fyziologické ouviloti a návaznotí na otatní ubytémy organizmu ledviny, regulaci objemové a elektrolytové rovnováhy. Míto vypiování outavy matematických rovnic e v článku využívalo grafické znázornění matematických vztahů (viz obr. ). Tato yntaxe umožnila graficky zobrazit ouviloti mezi jednotlivými fyziologickými veličinami ve formě propojených bloků reprezentujících matematické operace. Popi modelu byl pouze ve formě základního (ale přeto plně ilutrativního) obrázku, komentáře a zdůvodnění formulací matematických vztahů byly velmi tručné: např. bloky 266 až 270 počítají vliv buněčného PO2, autonomní timulace a bazální rychloti potřeby kylíku tkáněmi na kutečnou rychlot potřeby kylíku v tkáních. Od čtenáře to vyžadovalo velké outředění (jakož i jité fyziologické a matematické znaloti) pro pochopení mylu formalizovaných vztahů mezi fyziologickými veličinami. O rok později, v roce 973, vyšla monografie (Gyuton et al., 973), kde byla řada použitých přítupů vyvětlena poněkud podrobněji. Později kupina A. Guytona tento model dále rozšiřovala a zájemcům dokonce pokytovala i výpiy počítačových programů realizace modelu v programovacím jazyce Fortran (napoledy z roku 986). Čekolovenká fyziologie 56/2007 č. 2 69
Annu. Rev. Phyiol. 972.34:3-44. Downloaded from arjournal.annualreview.org by Dr. Jiri Kofranek on 07/5/06. For peronal ue only. Obr. : Schéma rozáhlého modelu A. C. Guytona a polupracovníkù. Publikováno lakavým volením Annual Review of Phyiology. Guytonův model byl prvním rozáhlým matematickým popiem fyziologických funkcí propojených ubytémů organizmu a odtartoval oblat fyziologického výzkumu, která je dne někdy popiována jako integrativní fyziologie. Z tohoto hledika byl určitým mezníkem, který e nažil ytémovým pohledem na fyziologické regulace zachytit dynamiku vztahů mezi regulací oběhu, ledvin, dýchání, objemu a iontového ložení tělních tekutin pomocí matematického modelu. A. C. GUYTON PRŮKOPNÍK SYSTÉMOVÉHO PŘÍSTUPU VE FYZIOLOGII Arthur C. Guyton patřil k průkopníkům ytémového přítupu ke zkoumání fyziologických regulací. Do fyziologické vědy vnel řadu záadních konceptů v oblati krátkodobé a dlouhodobé regulace oběhu a jeho propojení regulací 70 objemu, omolarity a iontového ložení tělních tekutin. Vypracoval řadu originálních experimentálních potupů byl např. prvním, kdo změřil hodnotu tlaku v interticiální tekutině. Byl však nejenom inovativní experimentátor, ale především brilantní analytik a kreativní yntetizátor. V experimentálních výledcích uměl nacházet nové dynamické ouviloti, které umožnily pochopit podtatu řady důležitých regulačních vztahů v organizmu jako celku. Guytonovy výzkumy např. prokázaly, že v řízení minutového objemu rdečního není rozhodujícím prvkem pouze rdce jako pumpa, ale i dodávka kylíku do tkání a tím ouviející regulace tkáňové perfuze, a dále i náplň krevního řečiště a regulace poddajnoti velkých žil. Guyton prokázal, že za dlouhodobou regulaci krevního tlaku jou zodpovědné ledviny (Guyton, 990). Při tudiu dynamiky regulačních vztahů a pro pochopení vzájemných dynamických ouvilotí fyziologických regulačních vztahů jen lovní popi a elký rozum netačí. Guyton Čekolovenká fyziologie 56/2007 č. 2
i to uvědomil již v polovině šedeátých let a při zkoumání příčin, které ovlivňují krevní tlak, e nažil o přenější vyjádření závilotí a vztahů pomocí propojených grafů a poléze i pomocí počítačových modelů. První počítačové modely vytvořil polu e vým dlouholetým polupracovníkem Thomaem Colemanem již v roce 966. Jako erudovaný fyziolog e Guyton zabýval biomedicínkým inženýrtvím v době, kdy tento obor vlatně ještě oficiálně neexitoval. Je pozoruhodné, že Guyton e vlatně zabývat teoretickou medicínou nechtěl. Původní zaměření jeho lékařkého vzdělání byla praktická klinická medicína. Po abolutoriu lékařké fakulty na pretižní Harvardké univerzitě v roce 943 začal vou klinickou kariéru v Maachuettké všeobecné nemocnici, kde e vzdělával v oboru neurochirurgie. Jeho neurochirurgická tudia přerušila válka, kdy byl povolán k námořnictvu jako vojenký lékař. Po válce e vrátil zpět k neurochirurgii, ale velmi nakrátko. V roce 947 dotal poliomyeliti, která zanechala těžké náledky ochrnutí pravé nohy a pravého ramene jej upoutalo na kolečkové křelo. Jeho kreativní duch ho i v těžkých chvílích neoputil a výledkem byl vynález pákového ovladače (joyticku) určeného pro kolečkové křelo na elektrický pohon. Dalším vynálezem byla peciální pružná pona umožňující paraplegikům nadný přeun mezi kolečkovým křelem a vanou. Za tyto vynálezy unadňující život hendicapovaným jedincům byl vyznamenán prezidentem USA. Zdravotní potižení ukončilo Guytonovu kariéru v neurochirurgii a naměrovalo ho k teoretické medicíně. Přetože měl nabídky zůtat na pretižní Harvardké univerzitě, vrátil e do vého rodného Oxfordu ve tátě Miiippi, kde zpočátku učil farmakologii na dvouleté medicínké škole a v roce 948 byl jmenován vedoucím katedry fyziologie a biofyziky v Medical Center na Univerzitě Miiippi. Z tohoto (na americké poměry) původně provinčního intitutu vytvořil větově věhlané fyziologické pracoviště, kde epal vou prolulou učebnici fyziologie, která e dne dočkala již vydání, byl autorem a poluautorem více než 600 publikací a napal 40 knih. Vychoval mnoho generací mediků a více než 50 doktorandů. V roce 989 předal vedení katedry vému žákovi J. E. Hallovi a jako emeritní profeor e nadále věnoval výzkumu a výuce až do vé tragické mrti v důledku automobilové nehody v roce 2003. FORMALIZACE POPISU FYZIOLOGICKÝCH VZTAHŮ Guyton byl jedním z propagátorů využívání formalizovaného popiu fyziologické reality. Formalizace, tj. převedení čitě verbálního popiu přílušné ítě vztahů na popi ve formalizovaném jazyce matematiky, umožňuje zkoumat chování formálně popaného ytému pomocí formálních pravidel např. řešením rovnic matematického modelu. Pokud tyto rovnice převedeme do formy programu pro počítač, můžeme tak přenechat dřinu trojům v tom je podtata využití imulačních modelů. Simulační model, pochopitelně, nenahradí biologický experiment (jak tvrdí někteří fanatičtí bojovníci proti pokuům na zvířatech). Simulační model je ale velice efektivním nátrojem na dedukci a ověřování hypotéz umožňuje ledovat chování ložitého dynamického ytému v čae v záviloti na nejrůznějších vtupech. Kritériem pro odmítnutí nebo neodmítnutí hypotézy je ale vždy porovnání chování modelu empiricky a experimentálně zíkaným chováním biologického originálu. Uplatnění formalizace v biologických a lékařkých vědách ani zdaleka není běžné, oproti technickým vědám, fyzice, či chemii má zde biologie a medicína určitý handicap. Jetliže formalizace ve fyzice začala již někdy v edmnáctém toletí, proce formalizace lékařkých a biologických věd je z důvodů ložitoti a komplexnoti biologických ytémů relativně opožděn a potupně přichází až kybernetikou a výpočetní technikou. Určitým předělem byl počátek edmdeátých let, kdy rozvoj výpočetní techniky a programovacích jazyků ve větší míře umožnil praktické vytváření a tetování imulačních modelů fyziologických ytémů. Počínaje výše zmíněným modelem Guytona a jeho polupracovníků e od edmdeátých let v odborné literatuře potupně objevují rozáhlé imulační modely, nažící e integrativně zachytit pletité vztahy mezi regulací ledvin, dýchání, oběhu, iontového ložení, acidobazické rovnováhy a dynamiky tělních tekutin pomocí outav nelineárních diferenciálních rovnic a rozvíjí e i modelování interakcí truktur nervové tkáně. Pro popi řady těchto modelů autoři čato volili grafickou yntaxi navrženou Guytonem tak např. Amoov et al. v roce 977 publikovali monografii, v níž tejnou yntaxí popali propojený model cirkulace, repirace, ledvin, elektrolytové rovnováhy a termoregulace. Obdobně v roce 979 tuto yntaxi využil Ikeda et al. ve vém modelu vnitřního protředí. ŠKOLA (SIMULAČNÍ) HROU Rozvoj peronálních počítačů a internetu koncem minulého toletí vnel zcela nové možnoti pro praktické uplatnění imulačních modelů. Simulační model nemuí být jen nátrojem pro vědecký výzkum, může být i velmi užitečnou výukovou pomůckou. Výukové programy e imulačními komponentami nejou jen multimediální náhradou klaických učebnic. Jou zcela novou výukovou pomůckou, kde nachází vé moderní uplatnění taré krédo Jana Ámoe Komenkého Schola Ludu (škola hrou), které tento evropký pedagog razil již v 7. toletí. Spojení multimediálního protředí, loužícího jako zvukové a vizuální uživatelké rozhraní, e imulačními modely tudentům umožňuje názorně i oahat vykládaný problém ve virtuální realitě a přináší tak zcela nové možnoti pro vyvětlování ložitých problémů. Simulační hrou je možné bez rizika otetovat chování imulovaného objektu např. zkuit přitávat virtuálním letadlem nebo, v případě lékařkých imulátorů, léčit virtuálního pacienta, či otetovat chování jednotlivých fyziologických ubytémů. Simulační hry umožňují názorně vyvětlit komplexní vztahy ve fyziologických regulačních Čekolovenká fyziologie 56/2007 č. 2 7
AR AR2 269 268 267 266 288 u^3 P4O upper limit PO x o P40^3 x o 52 8.000 520 A3K 289 x o QLO SVO 328 AOM 287 265 AK A2K AR3 270 326 02M 272 POT POT POC HR MO2 POT RDO 325 27 POB POA OSV 26 POV 262 DOB 264 286 2688 263 x27 o QO2 283 32 327 323 324 HMD 260 40 POD POK PON 259 258 257 256 255 POV POR ARM 40 290 AR 284 POJ 284b 0.33 0.3 if (POD<0) {POJ=PODx3.3} POZ 29 POT 292 POQ 8 8 upper limit 8 PA lower limit 4 00 294 POQ 8 3 293 P2O 296 8 295 298 297 EXE.24 EXC Z2 AUC CALCULATION PA when PA<40: AUC=.2 AUC PA AUC when 40>PA<80: AUC=0.03*(80-PA) when PA>=80: AUC=0 307 302 303 AUC calculation AU6 AB 30 DAU AUK AU2 u^3 AUB^3 304 AUB CALCULATION 0.0005 308 305 AUB when PA<40: AUB=.8578 PA AUB when 40>PA<70: AUB=0.04286*(70-PA) when PA>=70: AUB=0 x o Z8 309 AUB calculation 0 6 AU8 AUZ AUN CALCULATION AUN 30 when PA<50: AUN=6 PA AUN when 20>PA<50: AUN=0.2*(50-PA) 3 AUJ when PA>=50: AUC=0 AU u v xo AUN calculation AUJ^AUZ 37 36 0.2 0.9895 AU9 VV9 AUV 32 AUL 3.59 0.85 34 AU 0.3 33 VVR 0.5 AUD VVR 0.7 2.95 35 AUH 0.9968 AUH AUM AUY 39 320 0.99 38 0.5 AUM AVE 0.9955 AVE 5 u^3 20 lower limit 50 POT^3 0.0706 SVO 68 57.4 7.992 lower limit 0.3 0.00333 lower limit 0.2 lower limit 0.5 0.5 2400 40 HM xo POV 2.8 32 5 39.85 5 BFN 322 0.7 0.06 0. 2 PRA 40 AU 0 OVA 200 AR3 0.025 227 226 OVA BFM 98.5 OVA 225 0.9763 ARM 224 223 VPF OSA 5 40 RMO 0.5 5 PLA 0 PPA 0.4667 36 40 BFM ARM VIM HM 38 PCP PPC 39 POS PPI PFI 4 0.55 CPF DFP PLF 228 5 0.0003 0.025 37 230 23 232 233 35 ANU VIM RAR 30.5 AUM RAR PAM AUM 3 0.85 x o VAS3 DAS 70 28 PPC x o 229 DVS PVO PMO QLO 0. 0.4 0.000225 x o 25 VLA AUH 27 45 PLF 30 0.7 57.4 PK2 VLE 26 DLA 24 5 800 CPP 46 PPI 42 VPF 239 PK 2500 PLA 47 238 235 RMO QAO QLO 5.069 VLA x o 0.4 PPN 44 43 2-(0.5/u) 0.495 VAS QLO 23 QPO 0.0003 240 QOM 234 PM5 22 32 2400 Xo PLA PLA 20 57 PLA PMO lower limit 0.95 36 ANU AMM VIM RAM 96.3 AUM RAM AUM 29 QLO 28 8 PM3 lower limit.00 237 PK3 PM^2 u^2 0.00355 VAE 0.02593 5 236 upper limit 8 242 PAM 34 33 P2O HSL LVM QLN HMD HPL 0-4 20 QLN = f(pla) 56 0.0357 PL 24 P3O P2O 243 PM4 RSM 37 LVM 59.4 55 RPV RPT 54 PPA 5.8 PLA RPT 22 2 20 VPE PGL PPA 50 CPN 02A 0.5 246 ANM 247 248 49 PPR VPF 0.4 5 x o 0.375 PPD 5.24e-006 48 PPD POS PPI = 2 - (0.5/VPF) P3O^3 52 u^3 PA DFP QLN -2.429e-008-8.000 00 PA 8 0.0252 VPF 60 PLF 52 PPO 244 00.4 PVS RPA EXC PGS 0.0048 245 AOM AU 2 PA 58 PA2 CPA 53 qrt PP lower limit 0 52 8 PO 254 253 VRC 333 RC2 AMM 252 POE lower limit.005 25 250 POM 0.08 PDO 249 40 PVO AMM 0.9984 AOM 3 BFM PGS.022.2 BFM 4 LVM = f(pa2) 0.026 RSN 8.25 0.25 260 0.30625.00 BFN BFN POT 329 2.833 AUH 5 PPA RBF VAS VLA VPA 0.0000058 RKC 38 VPA PP2.79 RVS VV2 6 QAO 5 6 VBD DVS 60 50.4 VVS QPO 9 8 VPA VIM 339 VRC VRA RVM = f(pp2) 0.9889 VIM HM 335 VRC 65 64 SRK 33 VV6 63 334 62 VV7 VV VVE AVE 43 RV 48 QRO PO2 338 0.333.5 lower limit 0.2375 VIE 337 POY 464e-7 330 0.00092 RC HM2 40 336 33 336c x RCD o 2 332 336b 600 x o 2 0.30 QVO VB 00 0.38 3.25 50 RVM 0.5 5 x o VB 0.3 HM VVS 2.774 RVS 39.95 HMD VV7 46 RVM 49 6 5 QRN 2.95 VVS 0-4 5 VV7 0.0044 97 96 95 98 42 4A 200 VVE 0.322 VV7 0 PVS VVR 3.776 7 8 9 VVE VV8 PVS lower limit 0.000 0.0825 QRN = f(pra) 00 RV QVO QLN AUH HMD 20 45 47 QLO 4 44 99 40 PVS 0 205 PPC 8 GLP 203 0.2 CN7 39 202 APD PA AAR 20 RFN 5 PA PPA HSL 00 HSR 5 POT 350 340 345 342 343 PRA HPR PRA PPA4 34 u^0.625 PA4^0.625 HPL AUM 0.6 QRF PP3 346 347 348 344 349 x o AAR 0.0 57600 HPL 0.022 CN2 AAR GF3 VIM.5 ARF lower limit 0.35 2.738 HSR 2 QRO DRA 3 x o VRA PR lower limit 4 VRA 5 4 PRA 0.005 u^0.625 PP3^0. 5.66 3.67 PVS CV RR x o VIM lower limit 0 RVG EVR HPR 7 PR 57600 HPR 7 QVO 00 28 8 35 PC PFL 7 0. 0. PA DHM 352 x o HMD PPC 0.0078 6 0.0025 GFN upper limit HMD 0.25 208 5 GF4 207 20 209 2 GF3 upper limit 5.0 lower limit 0.4 RBF 2.8 2 2.9 RBF.23 RFN.23 REK RVS.6379-6.3 5 0.00 VRC 0 0.002 0.00 0 0.25 BFN VB 72 VP PIF VG 57 HYL 3.7 PTC 0.002 0.8 0.00 VTC TVD 206 GFR 22 25 28 27 26 AM AHM 23 24 66 VUD DFP VTC VID VTD 84 93 89 5.007 VB 67 PVS CFC VTL VTL 83 VTS 85 68 69 PTT 90 PVG 94 95 PGR PGC CHY DPC AHM AM 0.0077 VTL 5.09 PTC DPL PTC 05 0.04.94 VTS PTT = (VTS/2)^2 0.4 0.007 0.00657 x o (u/2)^2-5.9 2 TRR AM 220 0 77 85 CPR 6.65 PC 62 PPC 73 u^3 PC^3.6283e-007 CPK 70 7 VPD 3 x o DPL VIF PGP 87 0.03509 DPL VTL lower limit 5 08 CPI 20 02 DPI 2 GPD 0 PTS = f(vif) 86 VG 0 x o.4 VGD 00 V2D 0. VUD lower limit 0.0003 0.025 27.9 PPC PTC 9 000 0 PG2 6 CNY 24.2 PIF 29 22 CNE 74 PTS 222 PPD 78 DLP LPK 0.00047 CPP VP 3.007 VP 03 x o 0.4 PRM NOD 07 PTS VUD 20.44 CPI -6.38 PIF 0.0003 2.5 CNX 96 6 PIF 88 u^2 PIF 92 IFP 20 PRP VP 80 CPP 75 CP CPI 06 0.004 PIF CHY^2 04 VIF 97 NOD 0.2 xo PLD PTT VG 3 CPP 0.0005 98 99 79 69.75 74 0.03332 0.03705 DPC 0 DPP DPC DP0 0.007 DPL 09 GP GP2 GPD 7 2 x o PGH 7.8 20 GPR 0.25 0.04 42 5 42 POT 8.25 4 Z0 Z AHM 92 93 94 STH 90 9 TVD lower limit 0 89 88 86 AHM AH4 6 AHC 0.0785 85 0.9882 AH2 87 AH 6 AHM 0 u 58A CNZ 83 75 76 82 0.3333 CNA CN8 0.4 AH 84 lower limit 3 CNR 39 77 78 PRA 79 80 AHY AHZ AH7 2 0.0007 8 AU AH8 63 62 ANM AN5 3.3.004 lower limit 0.7 6 60 AN3 AN2 ANM 4.0 0 u 0.042 REK 59 53b 53a.2 RFN ANC (.2/u)^3 0 (.2/RFN)^3 CNE 54 55 56 57 58 42 CNA CNE AN ANM 32 KCD 0.0028 KID 0. 0.025 3 2 0 NOD STH 00 KOD 0.00352 CKE CNA 2 KED 75 20 CKI AM 0.9926 74 AM ANM 64 200 AMP = f(pa) 65 66 KN 33 CNA REK 7 8 NED NAE 230 x o 6 NID 0. VPF 4 5 VEC VP VTS 8 STH PA VIC 3 KI x o 3550.03 4 52 0.0 0. lower_limit_0 9 CCD 0.0 AMP 20.039 73 AM5 9 AMR 67-2.489e-005 VID 34 VID 25 AM3 AM AMT 69 68 5 ANT 30 29 28 2850 KE 27 0.03 CKE 5.00 40 AM 0.0004 22 23 24 KE CKE x o 25 26 VIC lower limit 6 VTW 0.009 CNA 39.93 VTW 9.8 60 0.00042 CNA 35 x o 42.2 TVD 0.0009088 VIC 72 0 u 7-0.07 AMC x 70 o AM2 NON-MUSCLE OXYGEN DELIVERY MUSCLE BLOOD FLOW CONTROL AND PO2 xo xo VASCULAR STRESS RELAXATION KIDNEY DYNAMICS AND EXCRETION THIRST AND DRINKING NON-MUSCLE LOCAL BLOOD FLOW CONTROL 278 277 276 275 274 273 285 282 28 280 279 AUTONOMIC CONTROL HEART RATE AND STROKE VOLUME PULMONARY DYNAMICS AND FLUIDS 0 0 0 0 CIRCULATORY DYNAMICS x o CAPILLARY MEMBRANE DYNAMICS TISSUE FLUIDS, PRESSURES AND GEL RED CELLS AND VISCOSITY HEART HYPERTROPHY OR DETERIORATION 0 0 ANTIDIURECTIC HORMONE CONTROL 0 0 ANGIOTENSIN CONTROL ALDOSTERONE CONTROL KCD KIE KIR ELECTROLYTES AND CELL WATER xo Obr. 2: Realizace rozáhlého modelu A. C. Guytona et al. pomocí oftwarového nátroje Simulink Matwork. Rozvržení, oznaèení i èílování jednotlivých blokù je tejné jako na Guytonovì chématu. Rozdíl je ovšem v tom, že toto není pouze obrázek, je to zároveò i funkèní imulaèní model. Model je k dipozici na adree www.phyiome.cz/guyton. Při vytváření imulátorů výukových imulačních her je nutno řešit dva typy problémů:. Tvorba imulačního modelu vlatní teoretická výzkumná práce, jejímž podkladem je formalizace fyziologických vztahů vyjádřená matematickým modelem. V našem případě byla tato problematika řešena v rámci výzkumných grantů a výzkumného záměru. 2. Tvorba vlatního multimediálního imulátoru, rep. tvorba výukového programu využívající imulační hry je praktická aplikace teoretických výledků, která navazuje na výledky řešení výzkumu. Podkladem imulátoru jou vytvořené (a verifikované) matematické modely. Pro každou z těchto úloh je vhodné používat adekvátní vývojářké nátroje. Pro tvorbu imulačních modelů v naší laboratoři využíváme Simulink a Matlab americké firmy Mathwork, které nám umožňují potupně etavovat imulační model z jednotlivých komponent jakýchi oftwaroytémech a kauzální řetězce v patogenezi nejrůznějších onemocnění. Z pedagogického hledika je důležité, že modelovaný objekt můžeme rozdělit na jednotlivé ubytémy a tetovat jejich chování odděleně i jako oučát vyššího celku. Tak např. při tudiu ložitých fyziologických regulací můžeme dočaně odpojit vybrané regulační myčky a umožnit tudentům ledovat reakce těchto ubytémů na změny vtupních veličin (které jou v reálném organizmu ovšem amy regulovány). Tím dovolíme ledovat dynamiku chování jednotlivých ubytémů při potupných změnách pouze jediného vtupu, zatímco jiné vtupy jou nataveny na zvolenou kontantní hodnotu (tzv. princip ceteri paribu ). Potupně pak můžeme jednotlivé dočaně rozpojené regulační vazby opět zapojovat a tudovat jejich vliv na chování organizmu při nejrůznějších patologických poruchách a reakcích na přílušnou terapii. Podle našich zkušenotí právě tento přítup vede k lepšímu pochopení ložitých dynamických jevů v patogenezi nejrůznějších onemocnění a porozumění patofyziologických principů přílušných léčebných záahů. Vývoj efektivních výukových programů, kombinujících multimédia e imulačními hrami, je náročnou a komplikovanou prací vyžadující týmovou polupráci řady profeí zkušených pedagogů vytvářejících základní cénář, tvůrců imulačních modelů, lékařů, výtvarníků a programátorů. Tuto interdiciplinární kolektivní tvorbu zefektivňuje využívání vhodných vývojových nátrojů, které umožňují komponentovou tvorbu, propojení imulačních programů a interaktivních multimédií podle daného cénáře do kompaktního celku. TEORETICKÝ ZÁKLAD SIMULAČNÍCH HER SIMULAČNÍ MODELY 72 Čekolovenká fyziologie 56/2007 č. 2
- - vých imulačních oučátek, které e pomocí počítačové myši mezi ebou propojují do imulačních ítí. Tyto ítě vými vodiči a oučátkami na první pohled vzdáleně připomínají elektronické obvody. Rozdíl je ovšem v tom, že míto elektrických ignálů v propojovaných vodičích proudí informace. V jednotlivých uzlech (umátorech, integrátorech, náobičkách, děličkách atd.) pak dochází ke zpracování přiváděných informací a k traformaci do výtupní informace, která je rozeílána výtupními vodiči do dalších prvků ítě. V Simulinku tak můžeme názorně graficky vyjádřit i velmi ložité matematické vztahy. Vytvořená íť ovšem není jen přehledný obrázek. Je to zároveň i funkční imulační model (viz obr. 2). K jednotlivým vodičů této ítě můžeme myší připojovat virtuální dipleje či ocilokopy. Po puštění modelu pak můžeme jejich protřednictvím ledovat číelnou či grafickou podobu hodnot veličin, které proudí v jednotlivých vodičích. OŽIVLÉ GUYTONOVO SCHÉMA Simulinková chémata jou velmi obdobná pětatřicet let taré notaci využité ve výše zmiňovaném rozáhlém modelu Guytonovy školy. Rozhodli jme e proto oživit tarý model protřednictvím moderního oftwarového nátroje. Vnější vzhled jme e nažili zachovat zcela tejný jako v původním obrázkovém chématu rozložení, rozmítění vodičů, názvy veličin i číla bloků jou tejné (obr. 2). Rozdíl je jen v grafickém tvaru jednotlivých prvků tak např. náobička a dělička je v Simulinku realizována čtverečkem (obr. 3b) a nikoli praátkem jako v Guytonově notaci (viz obr. 3a). Blok integrátoru zobrazený v Simulinku nemá na obě grafický znak integrálu, ale výraz / (což ouvií notací tzv. Laplaceovy tranformace). V imulinkovém modelu jme využili i přepínače, kterými i za běhu modelu můžeme odpojovat nebo zapojovat jednotlivé ubytémy a regulační myčky. Simulační vizualizace tarého chématu ale zdaleka nebyla úplně nadná v originálním obrázkovém chématu modelu jou totiž chyby. V nakreleném obrázku to nevadí, pokuíme-li e ho ale oživit v Simulinku, pak e chyba projeví, v lepším případě, neadekvátním chováním modelu, a v horším e model znetabilní, hodnoty proměnných modelu začnou divoce kmitat a model zkolabuje jako celek. Chyby byly drobné přehozená znaménka, dělička míto náobičky, prohozené propojení mezi bloky, chybějící deetinná tečka u kontanty atd. ale tačily na to, aby model nefungoval. Při znaloti fyziologie a ytémové analýzy e na chyby, při troše námahy, dalo přijít. Je zajímavé, že tento ložitý obrázek byl mnohokrát přetikován do různých publikací a nikdo i nedal práci tyto chyby odtranit. Otatně v době, kdy obrázkové chéma vznikalo, ještě neexitovaly krelící programy obrázek vznikal jako ložitý výkre a ruční překrelování ložitého výkreu ani zdaleka není nadné. Možné je i to, že autoři opravovat chyby ani příliš nechtěli kdo i dal práci analýzou modelu, nadno obrazové překlepy odhalil, kdo by chtěl jen tupě opiovat, měl můlu. Koneckonců, ve vé době autoři rozeílali i zdrojové texty programů vého modelu NON-MUSCLE OXYGEN DELIVERY 260 02M 57.4 OSV xo 0.7 259 269 68 26 268 270 POT POV 262 POV 5 258 + - + RDO 2688 39.85 257 + 267 52 lower limit 50 263 5 u^3 P40^3 266 P4O 8.000 265 MO2 DOB 264 2400 256 upper limit 0.6 PO u^3 POT^3 272 27 0.00333 x27 o QO2 40 HM BFN 255 OVA 200 POT 2.8 POT 7.992 AOM Obr. 3: Pravý horní roh obrázkového chématu modelu A. C. Guytona (a) a zobrazení modelu v oftwarovém nátroji Simulink (b). Stejnì rozmítìné bloky e tejnými èíly pøedtavují tejné matematické operace. Náobièky a dìlièky: bloky 255, 257, 259, 26, 263, 268,272, 270 ; èítaèky: bloky 256, 258, 262, 264, 266, 269; integrátory: bloky 260 a 27; funkèní mìnièe (kubická funkce): bloky 265 a 267; omezovaè horní hodnoty: mezi bloky 272 a 286, omezovaè dolní hodnoty: mezi bloky 265 a 80. V Simulinku jou navíc pøepínaèe, kterými lze pøepnout vtupní hodnoty pøicházejících do ubytému z otatních èátí modelu na vtupy zadávané uživatelem (a odpojit tak ubytém od otatní èáti modelu). Čekolovenká fyziologie 56/2007 č. 2 73
PNa 00.2 RAP G L O M E R U L U S GFR 25 0.44 U O U U 3.644 89 29.83 6.25 Normal proximal tubule conductance [ml/min/torr] 665.6 0.07 Plama protein cnoncentration 6 [g/ml] Normal glomerular filtration coeffitient [ml/min/torr] AffC TubC RBF RPF APr GKf INPUTS : RAP - Renal artery preure[torr] Affc - Afferent artery conductance [mll/min/torr] TubC - Proximal tubule conductaqnce [ml/min/torr] RBF - Renal blood flow [ml/min] RPF - Renal plama flow APr - Plama protein concentration (in afferent artery) [g/ml] GKf - Glomerular filtration coeffitient [ml/min/torr] OUTPUTS : GFR - Glomerular filtration rate [ml/min] FF - Filtration fraction [relative number] GP - Glomerulal preure [torr] PTP - Proximal tubule preure [torr] AVeCOP - Average colloid omotic preure [torr] NETP - Net preure gradient in glomerulu [torr] Glomerulu FF GP PTP AVeCCP NetP 0.905 60.3 20.29 32.2 7.8 PNa INPUTS : PNa - Plama odium concentration [mmol/ml] GFR - GLomerulal filtration rate [ml/min] LogA2 - Logarithm of plama angiotenin concentration GFR [pg/ml] PrxFNaNorm - Normal value of odium proximal fractional reaborbtion [relative number] LogA2 OUTPUTS : MDNaFlow - Sodium outflow [mmol/min] PrxFNaNorm PdxNaReab - Proximal odium reaborbrtion [mmol/l] PrxFNa - Proximal fractional odium reaborbtion Calculation of proximal tubule odium reaborbtion 0.8 Normal Na proximal fractional reaborbtion MDNaFlow PdxNaReab PrxFNa 0.7977 4.37 M Y O G E N I C R E S P O N S E 25.09 200 Venou conductance [ml/min/torr] 00.2 7 Vena renali preure [torr] 0.44 Hematocrit 0 Renal artery preure clamp drop [torr] R E N A L P E R F U S I O N AffC INPUTS : RAP EffC AffC - Afferent artery conductance [ml/min/torr] EffC Efferent artery conductance RenVenC [ml/min/torr] RenVenC - Renal venou conductance [ml/min/torr] AP AP - Arterial preure [torr] RBF VP - Vena renali preure [torr] Hct - Hematocrit [relative number] VP Clamp - Renal artery preure drop caued by renal artery clamp [torr] Hct OUTPUTS : RPF RAP - Renal artery preure [torr] RBF - Renal blood flow rate[ml/min] Clamp RPF - Renal plama flow rate[ml/min] Calculation of renal artery preure and renal blood flow rate INPUT : RAP RAP - Renal artery preure [torr] AffMyo OUTPUT : AffC - Myogenic effect [ x Normal] Calculation of the myogenic repone to change in renal perfuion preure (afferent conductance repond to change in perfuion preure, with preure increae cauing vaocontriction) A F F E R E N T A R T E R Y INPUTS : AffMyo - Myogenic effect [ x Nomal] AffC MDSig - Macula dena feedback ignal [ x Normal] AffNorm - Normal conductance in afferent artery [ml/min/torr] OUTPUT : AffC - Vacular conductance [ml/min/torr] Calculate conductance of afferent artery E F F E R E N T A R T E R Y 0.9996.005 AffMyo MDSig AffNorm LogA2 M A C U L A D E N S A MDNaFlow INPUTS : MDNaFlow - Macula dena odium flow [mmol/min] loga2 - Logarithm of plama angiotenin MDSig concentration [pg/ml] LogA2 MDNorm - Normal macula dena feedback ignal [ratio to normal value] OUTPUT : MDSig - Macula dena feedback ignal MDNorm [ x Normal] Macula dena feedback ignal calculation baed on macula dena odiumflow and angiotenin concentration 30 Normal conductance Normal macula of Afferent artery dena [ml/min/torr] feedback ignal EffC EffC INPUTS : LogA2 - logarithm of angiotenin concentration MDSig - Macula dena feedback ignal [ x Normal] EffNorm - Normal conductance in afferent artery [ml/min/torr] MDSig LogA2.277 AP OUTPUT : EffC - Vacular conductance [ml/min/torr] Calculate conductance of efferent artery EffNorm MDSig 25 Normal conductance of Efferent artery [ml/min/torr] LogA2 Obr. 4: Fragment èáti modelu etaveného využitím imulaèních èipù. Na rozdíl od holých imulaèních blokù propojených poutou èar, je truktura modelu pøehlednìjší. v programovacím jazyce Fortran takže pokud někdo chtěl pouze tetovat chování modelu, nemuel nic programovat (maximálně pouze rutinně převedl program z Fortranu do jiného programovacího jazyka). Námi vytvořená Simulinková realizace (opraveného) Guytonova modelu je zájemcům k dipozici ke tažení na adree www.phyiome.cz/guyton. Na této adree je i naše Simulinková realizace mnohem ložitější verze modelu Guytona et al. z roku 986. Zároveň je zde i velmi podrobný popi všech použitých matematických vztahů e zdůvodněním. K dipozici je i výpi zdrojového textu původního modelu z roku 986 ve Fortranu. OD SIMULAČNÍ PAVUČINY K SIMULAČNÍM ČIPŮM Spletitá pavučina počítacích bloků oživlého Guytonova modelu půobí ice vou ložitotí na první pohled impozantně, pro vlatní práci modelem je však doti nepřehledná. Při výtavbě našich vlatních modelů e nenažíme tavět mraveniště bloků prošpikovaných vazky informačních vodičů, v nichž e uživatel (a nezřídka i ám tvůrce modelu) velmi nadno ztrácí. Snažíme e proto, pokud to jde, model dekomponovat do přehledných čátí. Využíváme toho, že jednotlivé čáti imulační ítě e dají hierarchicky ekupovat do ubytémů uživatelky definovanými vtupy a výtupy, v mace ubytému e dají vtupy a výtupy tručně popat. Na kliknutí je možno k ubytému zpřítupnit i rozáhlou dokumentaci, kde je možno bez omezení podrobněji popat i teoretické pozadí vytvořeného ubytému. Takto pojaté ubytémy na první pohled připomínají elektronické integrované obvody, neboť na jednotlivých pinech těchto imulačních čipů jou přílušné vtupy a výtupy, které je možno propojit do ítě dalšími bloky a ubytémy (obr. 4). Důležité je, že nakrelené truktury jou v protředí programu Simulink živé pomocí počítačové myši lze na jednotlivé vtupy jednotlivých imulačních čipů přivét kontantní nebo proměnné hodnoty vtupních veličin a na výtupech pak nímat v numerickém či grafickém vyjádření jednotlivé hodnoty výtupních proměnných. Vnitřní truktura čipu může být při jeho použití zcela kryta, uživatel muí pouze vědět, jakou vtupní či výtupní veličinu přílušný pin reprezentuje. Pomocí myši může uživatel přenét čip z přílušné knihovny do vytvářeného modelu, kde přílušné vtupy a výtupy propojí. Chování čipu lze také nadno tetovat, tačí k jeho vtupům přivét přílušné definované průběhy hodnot vtupních veličin a na jeho výtupy připojit přílušné virtuální ocilokopy či dipleje. Každý čip může uvnitř ebe obahovat další propojené imulační čipy. Obáhlý imulační čip tak může mít poměrně ložitou hierarchii. Simulační čipy je možno ukládat do knihoven a opětovně používat v různých modelech. Tvorba imulačních modelů v biomedicínkých vědách je nezřídka týmová práce. Na jedné traně tojí ytémový analytik expert na formalizaci a tvorbu imulačních modelů (teoretický fyziolog, vytvářející formalizovaný popi 74 Čekolovenká fyziologie 56/2007 č. 2
fyziologického ytému a tetující jeho chování pomocí imulačního modelu). Na druhé traně čato tojí klaický experimentální fyziolog či klinik, pro kterého je popi fyziologického ytému pomocí diferenciálních rovnic španělkou venicí, ale který dokáže nadno rozpoznat, nakolik odpovídá chování počítačového imulačního modelu biologické realitě. Podle našich zkušenotí může problém dorozumění mezi těmito dvěma kupinami pecialitů záadně unadnit důledné využívání imulačních čipů při výtavbě imulačního modelu. Znamená to v prvé řadě věnovat důlednou pozornot dokumentaci. Simulační čipy amy o obě mohou být i aktuální elektronickou dokumentací k vytvářeným modelům. Nejenže v čelní mace imulačního čipu je tručný popi všech vtupů a výtupů a vnitřek imulačního čipu Automatizovaná tvorba ovladače pro virtuální měřící/řídící kartu komunikující aplikací vytvořenou v protředí Control Web Přeloženi identifikovaného modelu do C++ Virtuálni ovladač ( modelem) Interaktivní flahové animace VÝUKOVÝ SIMULÁTOR (platforma Control Web) Automatizovaná tvorba Microoft. NET aembly Tetování ve výuce. NET aembly (( modelem) Vývoj, tetování a identifikace imulačního modelu v protředí Simulink/Matlab Interaktivní flahové animace Vývoj interaktivníchj animací v protředí Adobe FLASH Vývoj výukového imulátoru VÝUKOVÝ SIMULÁTOR (platforma Microoft.NET) Paní cénáře výukové aplikace Ideový návrh interaktivních ekvencí obrázků a aplikací (tzv toryboard) Obr. 5: Vývojový cyklu tvorby výukových imulátorù. Na poèátku je etavení cénáøe výukového programu vèetnì návrhu ekvencí obrázkù (tzv. toryboard). Pak náleduje tvorba imulaèních modelù, které budeme využívat v imulátoru, rep. výukovém programu využívajícím imulaèní hry. Pro tvorbu imulaèních modelù využíváme vývojové protøedí Matlab/Simulink od firmy Mathwork. Zároveò vytváøíme pohyblivé animaèní obrázky v protøedí Adobe Flah. Odladìný imulaèní model je pak pomocí námi vyvinutého oftwarového nátroje automaticky implementován ve formì øadièe virtuální mìøící/øídicí karty do protøedí Control Web od firmy Moravké pøítroje, v nìmž je vytvoøeno uživatelké rozhraní. Øadiè virtuální karty, obahující imulaèní model, toto protøedí ošálí výtupy modelu jou v protøedí Control Web interpretovány jako mìøené ignály z technologie a vtupy modelu jou interpretovány jako øídicí ignály mìøující do technologického zaøízení. Flahové animace jou do vytváøené výukové aplikace umítìny jako Active X komponenty a propojeny e vtupy/výtupy imulaèního modelu. Animace pak mohou být øízeny imulaèním modelem a do imulaèního modelu mohou zároveò pøicházet hodnoty vtupù generované interakcí uživatele flahovou grafikou. Další platformou, kterou využíváme pøi tvorbì výukových imulátorù je protøedí Microoft.NET. Do nìj umiśujeme jak imulaèní model ve formì automaticky generovaného.net aembly ze Simulinku, tak i flahovou interaktivní animaci. Dùležité je otetování výukových imulátorù ve výuce, které pøináší nové požadavky pro revizi, rozšíøení èi vytvoøení dalších výukových imulátorù. graficky reprezentuje íť použitých vztahů, na kliknutí myší lze u každého oftwarového imulačního čipu také otevřít okno nápovědy dalším podrobnějším popiem. Simulační čipy tedy umožňují pečlivě vét aktuální dokumentaci v elektronické podobě ke každému použitému ubytému při zachování veškeré funkčnoti. Aby mohl jednotlivé komponenty využívat i ten, kdo danou čát modelu nevytvářel, je podrobná a zároveň přehledná dokumentace nezbytná a ča trávený nad vypiováním pouty informací do maek jednotlivých ubytémů reprezentujících imulační čipy e pak zaručeně vyplatí. Výhodou za trochu té dřiny je porozumění experimentální fyziolog nemuí rozumět vnitřnímu upořádání imulačního čipu, porozumí ale tomu, jaké chování má od fyziologického ubytému, který čip reprezentuje, očekávat. Fyziolog je nadto chopen porozumět i truktuře ložené z propojených imulačních čipů ze truktury modelu přímo vidí, které veličiny polu vzájemně ouviejí (a ze znaloti fyziologie i dovede odhadnout, co a na jaké úrovni bylo zanedbáno). OD ROVNIC MODELU K TECHNOLOGICKÉMU KNOW HOW V edmdeátých a omdeátých letech bylo čaté, že autoři počítačových modelů na vyžádání poílali zdrojové texty počítačových programů, kterými byly tyto modely realizovány. Dne e už zdrojové programy rozáhlých imulačních programů zíkávají mnohem obtížněji. Rozvoj výpočetní techniky totiž umožnil praktické uplatnění imulačních modelů například v lékařkých počítačových trenažérech a výukových programech využívajících imulační hry. Biomedicínké modely mají vé míto i v technologických zařízeních od kapeních počítačů pro portovní potápěče až po řídící jednotky v ofitikovaných lékařkých přítrojích. Ze imulačních modelů e tak tává i technologické know how. V naši laboratoři biokybernetiky e zabýváme tvorbou imulačních modelů v rámci výzkumu dotovaného z veřejných zdrojů. Proto i truktura námi vytvářených modelů je veřejná. V rámci výzkumných grantů a rozvojových projektů jme mimo jiné vytvořili knihovnu fyziologických modelů v protředí Simulink-Matlab ve formě imulačních čipů. Tato knihovna byla vytvořena jako Open-Source produkt, byla periodicky aktualizována a je k dipozici zájemcům na našich internetových tránkách (www.phyiome.cz/imchip). TVORBA SIMULÁTORŮ PRO SIMULAČNÍ HRY Simulační nátroje firmy Mathwork jou určeny pro peciality. Pro běžného uživatele, který i chce e imulačním modelem jen pohrát, e příliš nehodí. I když v protředí těchto nátrojů je možné naprogramovat poměrně příjemné uživatelké rozhraní k ovládání vytvořeného modelu, pro účely uplatnění imulačního modelu ve výuce medicíny je Čekolovenká fyziologie 56/2007 č. 2 75
toto rozhraní až příliš komplikované a navíc vyžaduje zakoupení dalších (pekelně drahých) licencí. Chceme-li vytvořit výukový imulátor, muíme ho zvlášť naprogramovat v některém z programovacích jazyků, včetně uživatelkého rozhraní imulátoru. Jedním z nezatupitelných komponent výukového imulátoru je i čát programu, která realizuje imulační model. Výledkem vývoje imulačního modelu (který provádíme využitím veškerého pohodlí nátroje Simulink/Matlab) je truktura matematických vztahů jinak řečeno, outava rovnic modelu, jejichž řešením dotaneme takové chování modelu, které e (v zvoleném rozahu a v dané přenoti) blíží chování fyziologického originálu. Známe-li rovnice, pak už zbývá hlavoruční dřinou přetvořit jejich trukturu do podoby počítačového programu ve zvoleném jazyce. Pro vytvoření imulátorů využíváme platformu Microoft.NET a programovací protředí Viual Studio.NET. Aby nebylo nutné ve Viual Studiu.NET ručně programovat již odladěný imulační model, vyvinuli jme peciální oftwarový nátroj (Kofránek et al., 2005; Stodulka et al., 2006), který automaticky převede vytvořený model do cílové platformy tento nátroj automaticky ze Simulinku vygeneruje imulační model ve formě Microoft.NET aembly (viz obr. 5). Další platformou, v níž běží imulační hry, je protředí Control-Web od firmy Moravian Intrument. Control-Web je vývojový ytém původně určený pro nadný vizuální návrh řídicích a měřících aplikací v průmylu využitím PC, vybavených peciální měřící/řídicí kartou. My tento nátroj využíváme jako protředí pro běh imulačních modelů tím, že vygenerovaný řadič virtuální řídicí karty v PC e pro ytém Control-Web tváří jako propojení průmylovým rozhraním ve kutečnoti však obahuje imulační model. Control Web je tak ošálen pokud ytém vyílá nějaké řídicí ignály do průmylového zařízení, ve kutečnoti poílá vtupní hodnoty do modelu. Pokud program vytvořený v protředí Control-Web čte nějaké naměřené ignály z průmylového zařízení, ve kutečnoti čte výtupní ignály z modelu (obr. 5). Tímto způobem e nám podařilo využít veškerou vizualizační ílu tohoto nátroje pro multimediální prezentaci imulačních modelů ve výuce. POHYBLIVÉ ANIMACE JAKO LOUTKY NA NITÍCH SIMULAČNÍCH MODELŮ Pro vytváření uživatelkého rozhraní výukového imulátoru je velmi vhodné imulátor navenek reprezentovat jako pohyblivý obrázek. Proto imulační model propojujeme multimediální animací vytvořenou pomocí Adobe Flah (Kofránek et al., 2004). Animace pak mohou být řízeny výtupy implementovaného imulačního modelu a graficky reprezentovat význam číelných hodnot např. chematický obrázek cévy e může roztahovat nebo komprimovat, plicní klípek může hlouběji či mělčeji dýchat, ručička měřícího přítroje e může pohybovat a průběžně zobrazovat hodnotu nějaké výtupní proměnné modelu čtené z běžícího imulačního modelu na pozadí. Na druhé traně můžeme pře vizuální prvky vytvořené ve Flahi (nejrůznější tlačítka, knoflíky, táhla apod.) do imulačního modelu zadávat nejrůznější vtupy. V případě ložitější architektury může být logika propojení flahové animace a imulačního modelu poměrně ložitá, proto je vhodnější mezi vrtvu vizuálních elementů a vrtvu imulačního modelu vložit řídicí vrtvu, která na jednom mítě řeší veškerou logiku komunikace uživatelkého rozhraní modelem a kde je ukládán i přílušný kontext. V literatuře e hovoří o tzv. MVC architektuře výtavby imulátorů (Model View Controller). Toto upořádání je nezbytné zejména při ložitějších modelech a imulátorech, jejichž uživatelké zobrazení je reprezentováno mnoha virtuálními přítroji na více propojených obrazovkách. Výhody tohoto upořádání zvláště vyniknou při modifikacích jak modelu, tak i uživatelkého rozhraní (obr. 6). Při návrhu řídicí vrtvy, propojující vrtvu imulačního modelu uživatelkým rozhraním, e nám velmi ovědčilo využít propojené tavové automaty (jejichž pomocí je možno zapamatovat přílušný kontext modelu a kontext uživatelkého rozhraní). Vytvořili jme proto peciální oftwarový nátroj, pomocí kterého můžeme propojené tavové automaty vizuálně navrhovat, interaktivně tetovat jejich chování a automaticky generovat zdrojový kód programu pro protředí Microoft.NET (Stodulka et al., 2006). Tento Vrtva uživatelkého rozhraní Řídicí vrtva Vrtva modelu Stavový automat pro určení kontextu výtupy vtupy Simulační model Obr. 6: Tzv. MVC architektura pøi tvorbì imulátorù. Mezi vrtvu modelu a vrtvu uživatelkého rozhraní je vhodné vložit øídicí vrtvu, kam jou mìrovány veškeré zprávy a událoti vznikající ve virtuálních pøítrojích uživatelkého rozhraní a kam je zároveò mìrována veškerá komunikace modelem. V této vrtvì e øeší veškerý kontext zobrazovaných dat a pøílušné požadavky na komunikaci modelem. Veškerá logika zobrazování a komunikace je pak outøedìna do jednoho míta, což podtatnì ušetøí èa pøi modifikacích uživatelkého rozhraní nebo zmìnách modelu. 76 Čekolovenká fyziologie 56/2007 č. 2
nátroj umožňuje zefektivnit programování propojek imulačního modelu vizuálními objekty uživatelkého rozhraní ve výukovém imulátoru. SIMULAČNÍ HRY NA WEBU Další technologický problém, který bylo při tvorbě výukových imulátorů nutno vyřešit, bylo proto nalezení způobu, jak včlenit imulátory jako oučáti internetových e-learningových aplikací. Při jeho řešení je možno potupovat několika způoby. Jedním z nich je pouštění modelu na erveru a na klientký počítač poílat pouze výtupy z modelu. Znamená to ale pro každého připojeného uživatele na erveru individuálně pouštět jednu intanci imulačního modelu. Dalším problémem, zvláště u vzdálenějších a pomalejších připojení, je nezanedbatelné čaové zpoždění mezi výtupem imulačního modelu na erveru a vykrelením výledku na počítači klienta. Proto jme e rozhodli jít píše cetou pouštění imulačních modelů na počítači klienta. U jednodušších modelů je možno využít interpetovaný ActionScript ve Flahi, v němž je naprogramován imulační model. Složitější imulační modely už ale vyžadují kompilovaný imulátor. Naše řešení (Stodulka et al., 2006) je zobrazeno na obr. 7. Uživatel i naintaluje platformu.net (pokud ji již nemá). Dále i na vém počítači naintaluje peciální klientký program dipečer imulačních modelů. V případě potřeby e dipečer rozšíří i o runtime pro protředí ControlWeb, které zajití možnot pouštění modelů v tomto protředí vytvořených. Webová e-learningová aplikace umožní táhnout potřebné oubory imulačního modelu a dipečer imulačních modelů je putí. Dipečer tak funguje obdobně jako prohlížeč obrázků, jen tím rozdílem, že míto zobrazení obrázků putí imulační program. SERVER ASP.NET Adobe Connect Runtime pro běh imulátorů vytvořených v protředí Control Web Simulační model tažený ze erveru Dipečer imulačních modelů Platforma.NET INTERNET Webová e-learningová prezentace KLIENT Obr. 7: Využití imulaèních modelù v internetových e-learingových kurzech. Dipeèer imulaèních modelù funguje obdobnì jako prohlížeè obrázkù, jen tím rozdílem, že míto zobrazení obrázkù putí imulaèní program. Obr.8: Ilutrativní ukázka doprovodného imulátoru ve výukovém programu patofyziologie cirkulace. ZABALENÍ SIMULAČNÍCH HER DO MULTIMEDIÁLNÍHO VÝKLADU Jedním z projektů, který vytváříme v naší laboratoři, je Atla fyziologie a patofyziologie (viz www.phyiome. cz/atla). Atla (Andrlík et al., 2006) je průběžně vytvářená internetová multimediální výuková pomůcka z oblati normální a patologické fyziologie, která využitím imulačních modelů pomáhá vyvětlit funkci a poruchy jednotlivých fyziologických ytémů. Simulační hry (obr. 8) jou oučátí e-learningových multimediálních výukových lekcí, jejichž podkladem je cénář vytvořený zkušeným pedagogem. Pedagog navrhuje vyvětlující text a textem propojené doprovodné obrázky a animace. Animace jou vytvářeny v protředí Adobe Flah v úzké polupráci pedagoga výtvarníkem. Text je poté namluven a ynchronizován e pouštěním jednotlivých animací a odkazy na imulační hry. Jednotlivé komponenty jou kompletovány do výukových lekcí. Pro vytváření a kompletaci multimediálních výukových lekcí využíváme oftwarové protředí erveru Adobe Connect (dříve Macromedia Breeze). OD ENTUZIAZMU K TECHNOLOGII A MULTIDISCIPLINÁRNÍ SPOLUPRÁCI Navzdory tomu, že e využití počítačů ve výuce talo tématem řady konferencí, odborných i popularizačních článků, přeto, že hardwarové možnoti i oftwarové nátroje dne již dopěly do úrovně umožňující vytvářet náročná interaktivní multimedia, k výraznému rozšíření multimediálních výukových programů ve výuce medicíny zatím nedošlo. Příčin je několik: Za prvé ukazuje e, že tvorba výukových programů je podtatně náročnější na ča, lidké i materiální zdroje, než je obvykle plánováno. Za druhé tvorba kvalitních medicínkých výukových programů vyžaduje týmovou multidiciplinární polu- Čekolovenká fyziologie 56/2007 č. 2 77
práci zkušených pedagogů, lékařů, matematiků, fyziků, programátorů i výtvarníků. Konečně, pro kreativní propojení různých profeí podílejících e na tvorbě výukové multimediální aplikace, muí být k dipozici vhodně zvolené vývojové nátroje (jejichž ovládnutí vyžaduje určité úilí a ča). Nároky toupají, pokud na pozadí výukového programu má běžet imulační program umožňující interaktivní imulační hry ve vývojovém týmu pak muí být i odborníci, kteří jou chopni navrhnout, formalizovat a odladit přílušné modely (lékaři, matematici, fyzici a informatici). Domníváme e proto, že nejdůležitějším výledkem, kterého e nám při vytváření internetového Atlau fyziologie a patofyziologie zatím podařilo doáhnout, je vybudování multidiciplinárního týmu lékařů, matematiků, programátorů i výtvarníků, který je chopen tyto bariéry překonat. Projekt Atlau fyziologie a patofyziologie je otevřený. Veškeré výukové texty, interaktivní animace a imulační modely včetně jejich zdrojových kódů jou k dipozici všem zájemcům. Jako open-ource jou i veškeré námi vytvořené podpůrné oftwarové nátroje umožňující vygenerování jádra imulátorů z protředí Matlab/Simulink a ditribuci imulátorů protřednictvím internetu. Náš vývojový tým uvítá polupráci dalšími pracovišti na dalším rozšiřování Atlau a vytvoření jeho jazykových mutací. Poděkování: Práce na vývoji lékařkých imulátorů je podporována grantem MŠMT č. 2 C0603 a polečnotí BAJT ervi. r. o. LITERATURA. Andrlík M, Kofránek J, Matoušek S, Stodulka P, Wünch Z, Kripner T, Hlaváček J. Internetový atla multimediálních modelů pro vybrané kapitoly normální a patologické fyziologie člověka. Ukázka předběžných výledků. Medoft 2006, Zeithamlová M., Agentura Action-M, Praha, 2006; 7 2. 2. Amoov NM, Palec BL, Agapov BT, Jermakova II, Ljabach EG, Packina SA, Solovjev VP. Teoretičekoje iledovanie fiziologičekich itěm. Naukova Dumka, Kijev, 977. 3. Guyton AC, Coleman TA and Grander HJ. Circulation: Overall Regulation. Ann. Rev. Phyiol., 4,972,. 3 4. 4. Guyton AC, Jone CE and Coleman TA. Circulatory Phyiology: Cardiac Output and It Regulation. Philadelphia: WB Saunder Company, 973. 5. Guyton AC. The upriing kidney-fluid mechanim for preure control it infi nite gain! Hypertenion, 6, 990,. 725 730. 6. Ikeda N, Marumo F and Shirataka M. A Model of Overall Regulation of Body Fluid. Ann. Biomed. Eng. 7, 979,. 35 66. 7. Kofránek J, Maruna P, Andrlík M, Stodulka P, Kripner T, Wünch Z, Maršálek P, Smutek D, Svačina Š. The deign and development of interactive multimedia in educational oftware with imulation game. Proceeding of the Seventh IASTED International Conference on Computer Graphic and Imaging, Kauai, Hawai, USA 2004; 64 70. ISBN. 8. Kofránek J, Andrlík M, Kripner T, Stodulka P. From Art to Indutry: Development of Biomedical Simulator. The IPSI BgD Tranaction on Advanced Reearch 2, 2005,. 62 67. 9. Stodulka P, Privitzer P, Kofránek J, Mašek J. Nové potupy při tvorbě imulátorů inteligentní propojení Matlabu a Simulinku platformou.net a tvorba tavových automatů řídících výlednou aplikaci. Medoft 2006, Zeithamlová M., Agentura Action-M, Praha 2006, 7 76. 78 Čekolovenká fyziologie 56/2007 č. 2
MEDSOFT 2007 Jiří Kofránek, Stanilav Matoušek, Michal Andrlík: Škola (imulační) hrou - využití imulačních modelů acidobazické rovnováhy v e-learningové aplikaci. In: MEDSOFT 2007, borník přípěvků, (editor: Milena Zeithamlová), Agentura Acion M., Praha, ISBN 978-80-867-4200-7, tr. 83-92, 2007. Práce je dotupná na adree http://www.phyiome.cz/reference/medoft2007a. pdf.
Škola (imulační) hrou využití imulačních modelů acidobazické rovnováhy v e-learningových aplikacích 83 ŠKOLA (SIMULAČNÍ) HROU VYUŽITÍ SIMULAČNÍCH MODELŮ ACIDOBAZICKÉ ROVNOVÁHY V E-LEARNIGNOVÉ APLIKACI Jiří Kofránek, Stanilav Matoušek, Michal Andrlík Anotace Simulační hry jou výhodným pedagogickým nátrojem umožňujícím názorně vyvětlit komplexní vztahy ve fyziologických regulačních ytémech a projevy regulačních poruch v patogeneze nejrůznějších onemocnění. Jedním z principů, který pomáhá pochopit význam jednotlivých regulačních myček a jejich uplatnění při rozvoji nejrůznějších onemocnění možnot v modelu rozpojit regulační myčky a ledovat jednotlivé původně propojené ubytémy odděleně (tzv. princip ceteri paribu). Tuto možnot hojně využíváme v multimediáloním e-learningovém programu vyvětlujícím poruchy acidobazické rovnováhy. Teoretickým podkladem tohoto programu byly modely acidobazické rovnováhy o kterých jme referovali na loňkém Medoftu. Simulační model byl odladěn a verifikován ve vývojovém protředí Matlab/Simulink. Pro tvorbu multimediálních komponent jme využili protředí Adobe Flah, a pro tvorbu vlatní výukovou aplikace využíváme protředí Adobe Connect. Aplikace bude oučátí vytvářeného Internetového Atlau fyziologických modelů. Klíčová lova Acidobazická rovnováha, e-learning, krevní plyny, imulační model, výukové imulátory. Úvod V interaktivních výukových programech využívajících imulační hry dne nachází vé uplatnění taré Komenkého krédo "škola hrou". Spojení multimediálního protředí, loužícího jako zvukové a vizuální uživatelké rozhraní, e imulačními modely totiž umožňuje názorně i "oahat" vykládaný problém ve virtuální realitě. Simulační hrou je možné bez rizika otetovat chování imulovaného objektu např. zkuit přitávat virtuálním letadlem, nebo, v případě lékařkých imulátorů léčit virtuálního pacienta, nebo i otetovat chování jednotlivých čátí
J. Kofránek, S. Matoušek, M. Andrlík 84 fyziologických ubytémů. Simulační hry umožňují názorně vyvětlit komplexní vztahy ve fyziologických regulačních ytémech a kauzální řetězce v patogeneze nejrůznějších onemocnění. Spojení multimediálního interaktivního protředí e imulačními hrami je pedagogicky velmi účinným nátrojem výkladu, unadňujícím tudentům pochopení ložité dynamiky patofyziologických tavů. Jedním z patologických tavů, jejichž právné pochopení činí tudentům medicíny (ale i některým lékařům) obtíže je problematika poruch acidobazické rovnováhy vnitřního protředí. Tato problematika je důležitá pro řešení řady závažných tavů v akutní medicíně, její právná interpretace je však provázena řadou problémů. A právě zde může hra e imulačním modelem významně připět k pochopení kauzálních řetězců, které vedou k acidobazickýcm poruchám. 2. Dánká škola acidobazické rovnováhy a "matematické čarodejnictví" některých zatánců "moderního přítupu" k acidobazické rovnováze Acidobazická rovnováha je výledkem dvou regulovaných bilancí bilancí mezi tvorbou a výdejem ilných kyelin (ledvinami) a bilancí mezi tvorbou a výdejem oxidu uhličitého (repirací). Tyto bilance jou propojeny protřednictvím pufračních ytémů bikarbonátového pufračního ytému a nebikarbonátového pufračního ytému (který je tvořen pufračními ytémy plazmatických bílkovin, hemoglobinu a fofátů). Označíme-li ouhrnnou koncentraci nebikarbonátových bazí jako [Buf - ] ve kutečnoti e jedná o pufrační baze plazmatických bílkovin, hemoglobinu a fofátů pak ouhrnná koncentrace bikarbonátů a nebikarbonátových pufračních bazí tvoří tzv. hodnotu BufferBae [6]: BB=[HCO 3 - ] + [Buf - ] Velkou čát hodnoty BB ovlivňuje koncentrace hemoglobinu aby bylo možno rovnávat hodnoty u pacientů, kteří mají různou koncentraci hemoglobinu, v klinice e počítá z rozdílem kutečné hodnoty BB a její normální hodnoty (v krvi závilé na koncentraci hemoglobinu) tento rozdíl je označován jako tzv hodnota výchylky nárazníkových bazí, neboli Bae Exce (BE): BE=BB-NBB Při metabolických poruchách acidobazické rovnováhy (tj. poruchách bilance mezi tvorbou a vylučováním ilných kyelin) dochází k tomu, že