Одной из главных задач врача является правильная постановка ди-
агноза [1]. Современные технологии, внедренные в медицинскую диагно-
стику, позволяют существенно повлиять на постановку предварительно-
го диагноза у пациентов. Существуют различные подходы создания ме-
дицинских систем диагностики, например, системы поддержки принятия
решений (СППР), которые занимаются неформализованными задачами [2].
Такие задачи нацелены на выявление заболевания пациента. Особенность
каждого заболевания обусловлена разным набором симптомов и значени-
ями коэффициентов специфичности. В процессе работы СППР итоговые
оценки рассматриваемых заболеваний сравниваются с поступающими фак-
торами проявления симптомов и затем делаются выводы о состоянии об-
ласти медицинской диагностики.
Автоматизация получения логических выводов применима не только
в медицине, но и в других сферах [3]. Так имитационная модель постановки
диагноза становится все более обширной темой для изучения и проектиро-
вания решений, связанных с различным родом проблем: недостоверностью
и малым количеством информации диагностики, аргументацией выдвину-
того предположения, а также точностью представленной гипотезы.
В данной работе внимание уделяется именно медицинским эксперт-
ным системам, потому что задача поддержки принятия квалифицирован-
ного решения по поводу дифференциального диагноза является актуаль-
ной. Ускоренный темп жизни приводит к неправильному питанию и стрес-
совым состояниям, в связи с этим распространены заболевания поджелу-
дочной железы (ПЖ) [4]. Симптомы проявления таких заболеваний раз-
личные, зависят от многих факторов, в связи с чем существуют разногла-
сия по поводу диагностики результатов обследований.
Целью работы является создание автоматизированной СППР для
постановки диагноза у больных с заболеваниями ПЖ.
Процесс решения неформализованных задач не имеет четко пропи-
санного алгоритма, поэтому приходится применять различные методы и
подходы, которые не всегда приводят к нужному результату.
Для реализации поставленной цели ставятся следующие задачи, поз-
воляющие приблизить процесс автоматизированной диагностики к процес-
су диагностики осуществляемой экспертом:
• представить медицинские данные в удобном для использования виде;
• разработать программу для нахождения наиболее вероятного заболевания;
• найти способ решения проблемы неполноты входных данных при постановке диагноза;
• рассмотреть способ применения методов теории вероятностей и мате-
матической статистики при выявлении наиболее вероятного заболевания;
• проверить предложенный метод решения;
• сделать выводы о проделанной работе.
Возможность проверить адекватность результатов реализованных за-
дач обусловлена наличием анамнезов реальных больных. Обезличенные
данные предоставлены врачом - терапевтом Клинической больницы № 10 города Уфа.
В результате работы была разработана и реализована система под-
держки принятия решений. При этом были решены следующие задачи:
• была представлена база знаний заболеваний ПЖ в виде таблицы, где
каждой болезни соответствовал свой вектор столбец. Позиции векто-
ров принимают значения от 0 до 1 в зависимости от их значимости в симптокомплекса;
• разработаны и опробованы различные подходы к созданию медицин-
ской СППР, базируясь на применении оператора множественного вы-
бора и встроенных контейнеров;
• рассмотрена проблема неполноты входных данных, а также способ ее
решения с помощью присвоения веса симптомам;
• программно реализован поиск наиболее вероятного заболевания с по-
мощью двух методов: скалярного перемножения векторов и байесовского подхода;
• разработанный программный комплекс был опробован на данных ана-
мнезов обезличенных пациентов, где были прописаны симптомы и диа-
гностируемые заболевания. Байесовский метод оказался плохо приме-
ним для выборки малой размерности, поэтому был разработан новый
способ обработки данных, основанный на понятии скалярного произ-
ведения. Байесовский метод уступил скалярному произведению в точ-
ности 25% против 83, 3%;
Внедрение нового метода скалярного умножения в программную ре-
ализацию СППР позволили рассмотреть новый способ определения наибо-
лее вероятного заболевания и проверить его эффективность по сравнению
с уже известным методом.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
