Архив публикаций

Тезисы

XV-ая конференция

Современные интеллектуальные технологии формирования новых знаний в решении сложных медицинских задач

Карп В.П.

Московский государственный институт радиотехники, электроники и автоматики (технический университет), каф. Информационных систем, Россия, 117454, г. Москва, пр. Вернадского, 78, Тел.: (495) 434 94 45 (каф), E-mail: karpvica@mail.ru

Круг медицинских проблем, требующих для своего решения использование компьютерных технологий, относится к широкому классу задач «поддержки принятия решений (ППР) в ситуации неопределенности». Такие проблемы как диагностика сложных клинических случаев, прогнозирование эффекта тех или иных лечебных мероприятий на различных группах больных (одного и того же заболевания), принятие решения о выборе лечебного воздействия относительно конкретного больного и многие другие вызывают, зачастую, у врачей значительные затруднения.

В группу систем поддержки принятия решений (СППР) входят системы, базирующиеся на использовании «знаний» - либо «опыта», накопленного экспертом, либо «закономерностей», выявленных в процессе многостороннего интеллектуального анализа данных (Data Mining). Основная цель подобных разработок – обеспечить информационную поддержку врачам в сложных для них ситуациях. Поэтому при формировании «новых знаний» особенно важно соблюдать корректность анализа, учитывая особенности медицинских данных: многообразие проявлений заболевания, наличие большого количества пропущенных данных, их неоднозначность, зашумленность и т.д.

Особенность внедрения этой группы разработок состоит в том, что с позиций пользователя они построены на «чужих знаниях»: либо неизвестных специалистов-экспертов, либо получены с помощью «непостижимых» математических расчетов, зачастую, трудных для интерпретации. В этом случае пользователю принципиально важно, чтобы он доверял этой разработке, т.е., «решающие правила» системы должны быть представлены настолько прозрачно, что становятся очевидными. Вследствие этого непременными требованиями к разработкам данного класса являются их «прозрачность» и «открытость», которые позволяют эксперту-исследователю контролировать процесс формирования знаний, а именно: иметь возможность получать промежуточные результаты, менять параметры анализа, наращивать аналитические модули, формировать конечные результаты в виде, удобном для интерпретации.

В работе рассматриваются примеры реализации подобных разработок. Приводятся примеры решения реальных задач.

Работа выполняется при поддержке гранта РГНФ № 070300658а.

• открыть в PDF формате