Зміст навчального матеріалу

Одеський державний медичний університет

Кафедра Біофізики, інформатики та медапаратури

Методична розробка

студентам ІІ курсу щодо вивчення теми:

Методи підтримки прийняття рішень. Стратегії отримання медичних знань.

Затверджено

на методичній нараді кафедри

Протокол № від “ ” 20 р.

Зав кафедрою

Перезатверджено

на методичній нараді кафедри

Протокол № від “ ” 20 р.

Зав кафедрою

Одеса - 2009 р.

Методи підтримки прийняття рішень. Стратегії отримання медичних знань.

Конкретні цілі заняття:

Інтерпретувати основні формальні моделі представлення медичних знань.

Аналізувати принципи побудови й функціонування систем підтримки прийняття рішень у медицині.

ЗМІСТ НАВЧАЛЬНОГО МАТЕРІАЛУ

Інформацію про спостережувані об’єкти, процеси або явища дістають при вивченні різних фізичних величин. Наприклад, стан організму можна описати системою таких параметрів, як температура тіла, частота пульсу, тиск, дані кардіограми тощо. Деякі величини можуть набувати будь–яких значень у певному інтервалі. Їх називають неперервними, а інформацію, яку вони містять, неперервною або аналоговою. Неперервними величинами є, наприклад, криві зміни маси, температури, відстані тощо. Багато величин можуть набувати лише цілочислових значень. Їх називають дискретними, а інформацію, яку вони містять, – дискретною. Приклади дискретних величин: кількість електронів у атомі, частота пульсу, кількість хворих у відділенні тощо. Таким чином, незважаючи на різноманітність видів, інформація виявляється всього тільки в двох формах – неперервній і дискретній. Будь-яку неперервну величину з певним ступенем точності можна подати в дискретній формі.

Зазвичай. медичними даними вважають тільки ті, що отримують при вимірюванні характеристик пацієнта. Кількість характеристик пацієнта, хворої або здорової людини, чимала. Різноманітні медичні дані за обсягом вміщуваної інформації можна поділити на такі види:

- якісні ознаки (наявність болю, підвищеної температури, колір шкірних покривів, перкусійні та аускультативні феномени);

- одиничні числові дані (вага, артеріальний тиск, температура тіла, кількість лейкоцитів, ШОЕ);

- динамічні дані (електрограми – ЕКГ, ЕЕГ, ЕГГ; реограми РКГ, РЕГ, фонокардіограма);

- статичні картини (рентгенограма, авторадіограма);

- динамічні картини (поле біопотенціалів, електрокардіограма).

Для медичних даних характерні специфічні особливості:

- нечіткість, а іноді й неузгодженість термінології;

- велика кількість якісних ознак, які суб'єктивно оцінюють стан хворого;

- відсутність єдиних алгоритмів опису стану хворого, діагностичного і лікувального процесів;

- недостатній рівень стандартизації медичної документації;!

- значна варіабельність медичних даних, малі вибірки з невідомими законами розподілу, що значно утруднює статистичні розрахунки та побудову відповідних оцінок.

Сьогодні майже неможливо перелічити всі методи, за допомогою яких лікарі одержують медичні дані. Розвиток наук, відкриття нових явищ природи, нові досягнення винахідників весь час розширюють можливості практичної медицини, з'являються нові методи, діагностична та терапевтична апаратура. Розширюється коло медичних характеристик за рахунок появи нових. Збільшується інформативність вже давно існуючих медичних характеристик внаслідок трансформації, якісного вираження їх у числовому, графічному або навіть картинному вигляді. Відповідно, швидко зростає обсяг медичної інформації, з якою доводиться мати справу медичним працівникам усіх рівнів і установ охорони здоров'я,

Прогрес у вирішенні проблем моделювання інтелектуальних систем, до яких відносяться і експертні, обумовлений застосуванням штучних нейронних мереж. Інтелектуальні системи на основі нейронних мереж дозволяють з успіхом вирішувати проблеми розпізнавання образів, прогнозування, оптимізації, асоціативної пам'яті і керування, тобто ті, де традиційні підходи не завжди мають успішне застосування. Це пов’язано з тим, що метод нейромережевого моделювання дозволяє вирішувати ряд задач у тих областях, де лінійні моделі не можуть бути використані в силу ряду об'єктивних причин. Особливо це стосується обробки даних медичних досліджень.

Як відомо організм людини представляє нелінійну систему і вирішення таких задач як класифікація, прогнозування станів, а також вибір оптимального методу лікування і профілактики захворювань неможливі із застосуванням лінійних математичних методів. Нейронні мережі здатні приймати рішення, ґрунтуючись на схованих закономірностях, що виявляються ними, у багатомірних даних. Відмітна властивість нейромереж й полягає в тому, що вони не програмуються і не використовують ніяких правил висновку для постановки діагнозу, а навчаються робити це на прикладах. У медицині знаходить застосування й інша особливість нейромереж – їхня здатність передбачати тимчасові послідовності. До теперішнього часу розроблений ряд нейромережевих систем фільтрації електрокардіограм, що дозволяють зменшувати нелінійний і нестаціонарний шум значно краще, ніж методи, що використовувалися раніше.

Незважаючи на значні успіхи в застосуванні нейронних мереж у медицині є ряд проблем з їх упровадженням. Це пов’язано в першу чергу з відсутністю у лікарів інформації про можливості нейронних мереж для вирішення медичних задач, а також доступних практичних посібників з їхнього застосування.