АВТОМАТИЗАЦИЯ НА МЕДИЦИНСКАТА ДИАГНОСТИКА
На 1-ви етап се разработват стандартизирани истории на заболявания от различни профили, въпросници и др.. Събраната информация за пациента се записва от лекаря (или самия пациент) в цифров или текстов вид в съответните колони на стандартизирания документ. Такъв запис ви позволява да формализирате информацията за пациента и да я съхранявате в паметта на компютъра. Благодарение на представянето на информация в тази форма, формализираният естествен медицински език може да се комбинира с компютърния език. По този начин резултатът от изследването на конкретен пациент може да бъде представен като троичен вектор, където ако има даден симптом; ако този симптом отсъства; -1, ако симптомът не е изследван
На етап диагностика събраната информация се изолира, обработва и оценява. Лекарят или, след предварително обучение, компютърът може да подчертае симптомите. След това оценете значението на получените симптоми за различни заболявания. Това се произвежда от лекар или цифров компютър според спец. матрици и различни правила за вземане на решения. Така например, използвайки техниката на Broadman, можете да получите диагностичната стойност на симптом за диагноза в следната форма:
Като мярка за информативност можете да използвате дивергенцията на Kullback
Информационна мярка на Шанън
На 3-ти етап лекарят или автоматичното устройство изгражда модел на заболяването (диагноза) в съответствие с правилата за вземане на решение, чрез които се получават оценките на симптомите. Когато се използва детерминистична логика, моделът на болестта се изгражда чрез сравняване на даден неизвестен вектор с референтен. Изграждането на стандарта се основава на логически операции и медицински данни. Стандартът се съхранява под формата на запис, върху ръчно перфокарти
или в паметта на компютъра под формата на булева функция. В този случай решението се взема, както следва: решите, че илизадайте ако при Използвайки статистически методи, се изгражда модел на болестта чрез намиране на оценката на максималната вероятност. При минимизиране на средния риск от диагностика (вижте Риск от разпознаване) се използва оптималният. Бейсово решаващо правило, формулирано по следния начин: даден вектор, ако Стойността на t, при която е достигнат максимумът, е желаната. Когато се вземе решение за отказ от диагностика на този вектор
Когато използваме метода на многоалтернативния последователен анализ, правилото за вземане на решение гласи: ние продължаваме да броим оценките (коефициент на вероятност), ако решим, че ако решим, че ако , където класовете на заболяването са прагове, определени от дадена диагностична надеждност (или по време на обучение) за всяка двойка сравнявани класове; - коеф. Вероятности: - предишни вероятности за поява на симптома в класовете. В някои случаи, когато се изгражда модел на заболяване, е препоръчително да се използва съставно нелинейно правило за вземане на решения, което ви позволява по-пълно да вземете предвид информацията за пациента.
Трябва да се отбележи, че когато се изграждат модели на заболявания, лекарят или CVM се основават на подходящата структура на диагнозата, т.е. когато вземате решение относно оценките (теглата) на съответната информация за пациента, посочете основната. и съпътстващи заболявания и състоянието на отделните функции на органите и регулаторните системи на организма. Възможно е да се автоматизира този етап от диагностиката само след създаването на компютърен софтуер за формиране на модели на заболяването. Окончателното решение обаче е на лекаря (вижте също Медицинска информационна система).
Лит .: Moiseeva NI Проблеми на машинната диагностика в неврологията. Л., 1967 [библиогр. с. 218-231]; Медицинска информационна система. К., 1971 [библиогр. с. 283-288]; Бродман К.Диагностика с помощта на компютър. В книгата; Електроника и кибернетика в биологията и медицината. пер. от английски. М., 1963; Ledley R., Lasted L. Медицинска диагностика и съвременни методи за вземане на решения. В: Математически задачи по биология. пер. от английски. М., 1966.
В. Г. Мелников, А. А. Попов, В. М. Яненко.