Апробация предложенных методов и средств на репрезентативных контрольных выборках

Оценка эффективности предложенных методов, алгоритмов и средств интеллектуальной поддержки принятия решения была осуществлена на решающих модулях интеллектуальной системы прогнозирования сердечно - сосудистого риска, структурная схема которой представлена на рисунке 4.1

В качестве исходных данных использовались данные, находящихся в лечебных учреждениях г.

Обучающие и контрольные выборки формировались на основе экспертных оценок определения ССР и карточек самоконтроля для пациентов, уже имеющих ССЗ.

Эффективность предлагаемых методов анализа проверялось путем исследования и сравнительной оценки показателей качества решающих модулей ИСПССР, и прогноза, полученного на основе известных технологий. В качестве ССР выбрана ишемическая болезнь сердца (ИБС) и инфаркт миокарда.

Решающий модуль формировался согласно прогностической модели, представленной на рисунке 4.2. В предлагаемой работе программная реализация интеллектуальных агентов осуществлялась посредством многослойных нейронных сетей прямого распространения, модели которых были построены с помощью программного обеспечения «Neurowork» в среде MATLAB.

ИА были построены на основе исходных данных в базе данных, в которой была представлена информация о каждом пациенте в виде многомерного вектора, включающего данные клинического осмотра, сопутствующие патологии, данные инструментального и лабораторного исследования.

В качестве ИА анализа синхронности системных ритмов использовалась нейронная сеть, которая имела два скрытых слоя.

На основании сведений об этиологии и патогенезе исследуемого класса заболеваний было выделено три класса сердечно-сосудистого риска. Будем

условно считать, что к 1-му классу относятся люди с высоким риском ССЗ, ко 2­му классу - средний риск ССЗ, 3-й класс низкий риск ССЗ.

Массив исходных данных представляет собой набор из 13 признаков, значения каждого из которых должны одновременно подаваться на входы классификатора в процессе обучения, следовательно входной слой создаваемого классификатора должен содержать 13 нейронов.

Рисунок 4.9 - Структура нейронной сети для прогнозирования сердечно­сосудистых осложнений на основе анализа синхронности системных ритмов

В качестве расчетных показателей качества диагностических решающих правил использовались: диагностическая чувствительность (ДЧ), диагностическая специфичность (ДС), прогностическая значимость положительных результатов

(ПЗ⁺), прогностическая значимость отрицательных результатов (ПЗ^_),

диагностическая эффективность решающего правила (ДЭ) [41].

Эти показатели вычислялись по данным распределений результатов контрольных испытаний и приведены в таблице 4.12.

Таблица 4.12 - Таблица результатов контрольных испытаний

r - номер класса исследуемого заболевания; ^nωr- количество людей в контрольной выборке в исследуемом классе заболеваний; ^{n ω}° - количество здоровых людей в контрольной выборке; ИП - истинно положительный результат по классу ^ωr; ЛП - ложно положительный результат по классу ^ω°; ЛО - ложно отрицательный результат по классу ^ωr; ИО - истинно отрицательный результат по классу ^ω°.

Для приведенных в таблице 4.12 обозначений расчет показателей качества осуществляется в соответствии с выражениями:

Результаты работы решающего модуля на обучающей выборке при прогнозировании ИБС приведены в таблице 4.13.

Таблица 4.13 - Экспериментальные данные по прогнозированию ИБС на обучающей выборке

В таблице 4.14 приведены показатели качества диагностики решающего модуля и шкалы SCORE, выбранной в качестве прототипа ССР [103], на одной и той же контрольной выборке при оценке риска инфаркта миокарда.

Таблица 4.14- Показатели качества прогнозирования ИБС на контрольной выборке

Таблица 4.15 - Экспериментальные данные по прогнозированию инфаркта

миокарда на обучающей выборке

В таблице 4.16 приведены показатели качества диагностики нейросетевой решающего модуля и шкалы SCORE на одной и той же контрольной выборке при оценке риска инфаркта миокарда.

Таблица 4.16- Показатели качества прогнозирования инфаркта миокарда на контрольной выборке

Сравнительная характеристика современных шкал риска, применяемых в

России, и предлагаемой модели, приведена в таблице 4.17.

136

Таблица 4.17 - Сравнительная характеристика современных шкал риска, применяемых в России

Анализ полученных результатов показал, что статистические испытания на контрольных выборках позволяют рекомендовать полученные решающие правила и алгоритмы для практического использования.

4.4