Автоматизирование системы принятия решений на основе электрических характеристик биологически активных точек

Опыт решения задач прогнозирования, ранней и дифференциальной диагностики заболеваний показал, что широко распространенные ранее опросы и анкетирование, проводимое как «бумажным» путем, так и с использованием ПЭВМ, удовлетворительных результатов не дал.

Для того чтобы охватить широкий круг проблем, связанных с прогнозированием и ранней диагностикой различных заболеваний, современные разработчики используют методологию искусственного интеллекта, реализуемую соответствующими системами поддержки принятия решений.

По современным представлениям системы поддержки принятия решений (экспертные системы) используют для решения практических задач, возникающих у специалиста, работающего в слабо структурированной и трудно формализуемой предметной области. Эти системы способны аккумулировать коллективные профессиональные знания об исследуемой предметной области и могут служить полезным инструментом, содействующим повышению точности прогноза, ранней диагностики и эффективности планирования лечебно­оздоровительных мероприятий [52, 93].

Примером системы поддержки принятия решений, использующей для принятия решений информации об электрических характеристиках БАТ, служит аппаратно-программный комплекс «РОФЭС» [61], моделирующий работу двух основных подсистем: физиологических и психологических структур, имеющих многовариантные внутренние связи через систему биорезонансных характеристик организма человека - меридиональную структуру (рисунок 1.1).

31

Рисунок 1.1 - Идеология построения системы «РОФЭС»

Метод «РОФЭС» - диагностики определяет ряд интегральных оценок, позволяющих оценивать функциональное состояние организма человека как баланс его внутренних состояний: физиологического и психологического, на предъявляемые требования окружающей среды.

К этим оценкам относят:

-оценку состояния вегетативно-эмоционального тонуса человека, как показателя потребности субъекта в отдачи энергии, и показателя потребности в получении энергии;

-вычисление адаптивного потенциала как обобщающей характеристики состояния человека, складывающейся из воздействия стресогенных факторов окружающей среды;

-оценку функционального состояния как результата адаптабельности к факторам окружающей среды;

-оценку психоэмоционального статуса - результирующая характеристика эмоционального фона;

-оценка баланса симпатической и парасимпатической систем организма.

По мнению авторов проекта «РОФЭС», данные характеристики позволяют проводить научно-исследовательские работы по определению адаптационных возможностей организма человека во взаимодействии с окружающей средой и осуществлять допуск-контроль в рискоопасных профессиональных группах.

В работе [38] описывается система поддержки принятия решений для этапа донозологической диагностики в которой традиционно используемые медицинские показатели сочетаются с применением электрических характеристик БАТ (рисунок 1.2).

Рисунок 1.2 - Структура автоматизированной системы ранней диагностики, использующей информацию об электрических характеристиках БАТ

Информация с БАТ снимается специально разработанным многоканальным анализатором БАТ (МА БАТ) и посредством соответствующих драйверов

передается в специально формируемый файл БАТ, входящий в систему входных файлов электрофизиологической информации (ЭФИ).

Электрофизиологическая информация (сигналы РЭГ, ЭКГ и др.) снимается традиционной медицинской аппаратурой (ТМА) и через свои драйверы связи передается во входной файл системы. Если ТМА не имеет непосредственной связи с ПЭВМ, то данные соответствующих заключений вводятся с клавиатуры по запросу данных от ПЭВМ, аналогично ответам на вопросы по жалобам, анамнезу и т.д., предлагаемым с помощью специальных экранных форм.

По истечении времени измерения Т_и в работу включается алгоритм выделения информативных признаков из электрофизиологической информации, который формирует данные для блока решающих правил, где реализуется диагностическое заключение. Опрос и осмотр пациента производится посредством ответа на стандартные вопросы, хранимые в базе данных, которые предъявляются на экране видеомонитора ПЭВМ через интерфейс пользователя. Результаты опроса и осмотра через клавиатуру ПЭВМ вводятся в базу данных (БД) и вместе с электрофизиологическими признаками составляют поле информативных признаков, которые используются блоком решающих правил.

В БД накапливается информация о фрагментах электрофизиологических сигналов, о списке и значениях информативных признаков, о реализуемом диагностическом заключении, а также электронная медицинская карта пациента. С помощью интерфейса пользователя врач может наблюдать фрагменты электрофизиологических сигналов, графики распределения величин, отражающих состояние БАТ по меридианам, выделять на графиках характерные участки для специальных расчетов, выводить список и значения полученных информативных признаков, результаты работы решающих правил. Кроме этого интерфейс пользователя позволяет вводить в электронную карту пациента необходимые

сведения и читать различные ее разделы, обращаться к справочнику по рекомендуемым методам коррекции состояния пациента и т.д.

Анализ приведенных и других отечественных и зарубежных систем, используемых для решения задач прогнозирования и ранней диагностики заболеваний, показывает, что несмотря на достигнутые успехи, большинство из них не всегда можно использовать для решения конкретных задач индивидуального прогноза и диагностики. Ряд положений и решающих правил, заложенных в эти системы, не имеют достаточной доказательной базы (не всегда адекватные регрессионные уравнения, субъективность используемых опросников и т.д.). Большое число систем имеют узкую специализацию, ориентированную на один класс патологий.

По части из них не завершены исследования по достоверности и возможно достижимым результатам. Известные системы весьма чувствительны к таким изменениям в организме, при которых клинические признаки отсутствуют или не выявляются. При выборе типов решающих правил не всегда учитываются математические особенности решаемой задачи, что приводит к занижению достоверности получаемых результатов.

Приведенные и другие недостатки существующих систем прогнозирования и ранней диагностики делают весьма актуальной проблему разработки новых подходов методов и средств, повышающих оперативность и качество решения выбранного класса задач в условиях реальных технико-экономических ограничений.

1.4