Аналіз методів підтримки прийняття рішень у лікувальних системах

Вид материала

Документы

Подобный материал:

• Тема Прийняття управлінських рішень, 421.91kb.
• Підтримки прийняття рішень з монетарної політики, 167.87kb.
• Назва модуля: Проектний аналіз Код модуля: епі 6042 С01, 19.6kb.
• Державний вищий навчальний заклад „українська академія банківської справи національного, 702.67kb.
• Реферат на тему, 97.94kb.
• Робоча навчальна програма, 148.54kb.
• Програма вступного іспиту на освітньо-кваліфікаційний рівень „магістр, 172.73kb.
• Сучасні технології прийняття управлінських рішень, 100.09kb.
• Аналіз регуляторного впливу до проекту рішення Вільнянської міської ради, 36kb.
• Основні напрями вибору тем дипломних проектів І робіт, що запропоновані викладачами, 250.83kb.

УДК 004.652.4+004.827

Аналіз методів підтримки прийняття рішень у лікувальних системах

Н.Б. Шаховська, Н.І.Мельникова

Національний Університет “Львівська політехніка”


Системи підтримки прийняття рішень, що базуються на основі експертних систем широко застосовуються в різних областях. Проблема діагностики стану складних систем, що характеризуються великою кількістю контрольованих параметрів і можливих станів, є однією з центральних в багатьох галузях людської діяльності . Особливого значення ця проблема набуває у тих випадках, коли відсутність своєчасного та ефективного оцінювання стану об’єкта призводить до його загибелі чи значних пошкоджень. Це, перш за все, стосується складних технічних систем, а також систем діагностики та лікування стану здоров’я людини.

Оскільки прийняття рішень є результатом опрацювання певної інформації про пацієнта й базується на використанні накопичених знань, можна очікувати, що системи штучного інтелекту й ЕС здатні допомогти лікареві у розв’язанні завдань діагностики та вибору лікувальної тактики. Ці задачі можна віднести до великого класу практичних задач які є складно-формалізованими задачами прийняття рішень.

Під час проведення біомедичних досліджень виникає необхідність швидкого і високоінформативного аналізу даних і патологічних станів, а також обробки діагностичної медичної інформації [1]. Для вирішення подібних задач використовуються різні методи: на основі Байесового підходу, алгоритму Апріорі, алгоритму логічного виводу, методів кластерного аналізу, використання моделей штучних нейронних мереж, тощо. Формалізм методів аналізу медичних даних обмежують і ускладнюють їх використання в багатьох випадках.

Як основний механізм пошуку рішень використовуються логічні, структурні й імовірнісні математичні моделі. Тому актуальним є розробка системи підтримки лікувальних рішень, що поєднують переваги традиційних методів подання експертних знань, які формалізовані за допомогою відповідної бази знань.

Особливості ЕС привели до необхідності введення формальної моделі лікувальної експертної системи (ЛЕС) (2). Для формалізованого представлення ЛЕС, задачею якої є підбір найоптимальнішого механізму лікувальної фармацевтичної схеми, ми беремо за основу структурну модель продукційної ЕС (ПЕС), яку зазвичай використовують для вирішення такого класу задач [2]. Усі правила, керуючись механізмом виводу ПЕС, можна відобразити у вигляді підмножин правил (1) :

Р: ψ ω_, (1)

ψ = ψ(s_і), _S та ω = ω (s_j)_{, }S

де s_і, s_j – відповідно дані на яких базуються правила.

Із запропонованої формальної моделі ЛЕС, стверджуємо, що ЛЕС – це кортеж даних:

LS = <S, A, P, Z, G, gf, ge, F > (2)

де Z – множина всіх можливих вихідних даних; G – кінцева множина станів діалогової системи; gf – початковий стан системи де gf  G; ge – кінцевий стан системи де ge  G; F – множина процедур прийняття рішень, A – множина чітких параметрів, S – множина нечітких даних (3), які можна розрізнити на дві підмножини S₁ та S₀:

S = S_{0 } S_1, S₀  S₁ =  (3)

S₀ = S_{0use } S_0unse ;S₁= S_{1 } S_0use ;S₀ = S₀\ S_0unse

Правила ψω інтерпретуються за допомогою конструкції:

ЯКЩО ψ ТОДІ ω ,

Отже механізм виводу слідує такій послідовності: виконується правило ліва частина якого ψ, співcтавляється з існуючими параметрами у множині S₁ і набуває істини_. В результаті множина S₁ поповнюється за рахунок фактів, що констатуються у правій частині продукції ω. Це породжує ланцюг виводів проміжних та остаточних рішень. На будь-якому кроці такого виводу може виявитися кілька застосовних правил і тоді породжується дерево виведення, що визначає множину схем.

Поширення ускладнених форм захворювань обумовлює створення сучасних медичних засобів, які спрямовані на підвищення ефективності методів підбору схем діагностування та лікування пацієнтів на підставі опрацьованих початкових параметрів. Побудова баз знань та правил виводу в ЕС, які базуються на міркуваннях експертів в конкретній предметній області, носить складний характер їхньої формалізації, що саме і представляє основну цінність. Втіливши ідеї методів при розгляді ЛЕС, дало можливість ретельно проаналізувати їхні переваги та недоліки.

1. Міненкова З. Є. Моделі та інформаційні технології побудови діагностичних експертних систем з великим об'ємом залежних вхідних даних: дисертація канд. техн. наук: 05.13.06 / Національний технічний ун-т; Харківський політехнічний ін-т;. - Х., 2003.
   
2. Черноруцкий И.Г. Методы принятия решений./ И.Г.Черноруцкий. – СПб.: БХВ – Петербург, 2005.-416с.: ил.