Алгоритмическое обеспечение системы постановки диагноза

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Логические алгоритмы как самостоятельный метод вычислительной диагностики могут иметь достаточно ограниченное применение в связи с тем, что они рассматривают все симптомы как одинаково важные для диагноза. Между тем это не так.

При вероятностном подходе исходят из других соображений. Далеко не всегда некий симптом встречается во всех случаях заболевания A1 и отсутствуют во всех случаях заболевания A2. Чаще он наблюдается в той или иной части случаев как заболевания A1, так и A2, то есть встречается при них с известной вероятностью, однако при заболеваниях A1 эта вероятность велика, а при A2 - мала.

Такие данные позволяют для вновь поступившего больного решить обратную задачу: по имеющимся симптомам выявить наиболее вероятный диагноз.

Решение поставленной задачи можно построить на основе формулы Байеса, которая позволяет рассчитать вероятность каждого из заболеваний в избранной для дифференциальной диагностики группе болезней, если у больного обнаружен определенный набор симптомов и известны общие (априорные) вероятности заболеваний в группе.

По существу задача диагностики состоит в том, чтобы установить диагноз, используя тот минимум доступной диагностической информации, который достаточен для достижения необходимой надежности диагноза. Это обычно требует использования не одного симптома, а набора симптомов.

Программа постановки диагноза пациентам должна обеспечивать возможности:

1. выбора пользователем симптомов пациента;

2. постановки диагноза по выбранным симптомам с использованием словаря информативных признаков;

3. сохранения полученных результатов.

На начальном этапе алгоритма работы системы интеллектуальной поддержки принятия врачебных решений при постановке диагноза вегетативного синдрома осуществляется ввод данных, а именно указывается путь к файлу с информацией о здоровых пациентах и пациентах с синдромами. врачебный диагноз алгоритм интеллектуальный

На втором этапе производится расчет вероятностей проявления признаков в контрольной группе, то есть у здоровых пациентов. Эти вероятности равны отношению числа пациентов, имеющих симптомXij, к общему числу пациентов в контрольной группе.

Третий этап состоит в вычислении вероятностей P(Xij|A1) проявления признаков у пациентов с синдромами. Эти величины равны отношению числа больных, имеющих симптом Xij, к общему числу больных, страдающих этими болезнями.

На четвертом этапе вычисляются диагностические коэффициенты для признаков.

На пятом этапе вычисляются информативности признаков.

На шестом этапе вводятся данные о пациенте, которому ставится диагноз.

На седьмом этапе осуществляется расчет вероятностей заболеваний с использованием Байесовского подхода. На основании этого делается вывод о заболевании пациента, то есть ставится диагноз.

На заключительном этапе полученные данные для конкретного пациента записываются в файл.

Алгоритм работы системы постановки диагноза представлен на рис. 1.

Рис. 1. Алгоритм работы системы интеллектуальной поддержки принятия врачебных решений при постановке диагноза

Представленный алгоритм, являясь универсальным, есть научно-обоснованная база для разработки программного обеспечения постановки диагноза в зависимости от заболевания.

Литература

1. Алгоритмическое и программное обеспечение выбора схемы диагностики и лечения офтальмологических заболеваний / И.Э. Есауленко, Е.В. Богачева, Р.В. Авдеев, Н.А. Гладских // Системный анализ и управление в биомедицинских системах. 2014. Т. 13. № 4. С. 887-890.

2. Бахметьева Е.А. Классификация признаков влияющих на выбор начальной тактики лечения больных на основе кластерного анализа / Е.А. Бахметьева, О.В. Судаков // Научно-медицинский вестник Центрального Черноземья. 2007. № 27. С. 84-87.

3. Есауленко И.Э. Информационная система выбора диагностически значимых признаков вегетативного синдрома. И.Э. Есауленко, Н.А. Гладских, С.И. Штаньков, М.А. Железняков / Есауленко И.Э., Гладских Н.А., Штаньков С.И., Железняков М.А. // Системный анализ и управление в биомедицинских системах. 2011. Т. 10. №4. С. 864 -869.

4. Есауленко И.Э. О повышении эффективности подготовки врачебных кадров на региональном уровне / И.Э. Есауленко, С.Н. Семенов // Здравоохранение Российской Федерации. 2005. № 5. С. 38-40.

5. Есауленко И.Э., Алексеева Д.Н., Журихина И.А., Кунин В.А., Мамчик Н.П., Попов В.И., Спесивцев В.Н., Степкин Ю.И., Черных А.В., Чубирко М.И. Ширяев О.Ю. Повышение качества медицинской помощи населению. Воронеж, 2011. 148 с.

6. Львович И.Я. Алгоритм работы системы интеллектуальной поддержки принятия врачебных решений на основе вероятностных моделей Байеса / Львович И.Я., Гладских Н.А., Гладышев М.В., Токарь В.А. // Системный анализ и управление в биомедицинских системах. 2010. Т. 9. №4. С. 922 -929.

7. Львович И.Я. Программное обеспечение методов диагностики механизмов переломов костей, основанных на сравнении вероятностных характеристик признаков и определении количества информации / И.Я. Львович, Е.В. Дмитриев, Н.А. Гладских, Е.В. Богачева // В сборнике: Развитие технических наук в современном мире. Сборник научных трудов по итогам международной научно-практической конференции. 2014. С. 63-67.

8. Подходы к созданию автоматизированной информационно-аналитической системы диагностики и прогнозирования ожирения на доклиническом этапе / И.Э. Есауленко, Т.Н. Петрова, О.В. Судаков, Е.Н. Колесникова // Системный анализ и управление в биомедицинских системах. 2016. Т. 15. № 4. С. 658-662.

9. Построение адаптивного алгоритма процесса лечения больных сахарным диабетом и артериальной гипертензией / О.В. Родионов, Е.Н. Коровин, О.В. Судаков, Е.А. Фурсова, Д.В. Судаков // Системный анализ и управление в биомедицинских системах. 2014. Т. 13. № 3. С. 688-690.

10. Принципы моделирования и управления системой здравоохранения / Н.А. Гладских, О.В. Судаков, Н.Ю. Алексеев, Е.В. Богачева // Прикладные информационные аспекты медицины. 2016. Т. 19. № 3. С. 47-52.

11. Программная реализация методики прогнозирования медико-демографических данных / И.Я. Львович, С.Н. Семенов, Н.А. Гладских, С.С. Пронин // Научно-медицинский вестник Центрального Черноземья.-2007.-№7.

12. Судаков О.В. проектирование информационной системы поддержки принятия врачебных решений при лечении сердечной недостаточности у пациентов с приобретенными пороками сердца / О.В. Судаков // Прикладные информационные аспекты медицины. 2016. Т. 19. № 3. С. 53-59.

13. Фурсова Е.А. Исследование, моделирование и рационализация терапии хронической сердечной недостаточности у больных с оперированными приобретенными пороками сердца на основе оценки нейрогуморального статуса: Автореф. дис. … д-ра мед. наук/Е.А. Фурсова; Воронежский государственный технический университет. -Воронеж, 2009. -34 с.

Размещено на Allbest.ru