Формирователь моделей принятия решений
Структурная схема формирователя моделей принятия решений по прогнозированию НМК приведена на рисунке 4.1. Отличительной особенностью формирователя моделей является то, что на базе предложенной структуры агентов нижнего и верхнего уровня, представленной в разделе 2, осуществлен синтез множества моделей принятия решений, предназначенных для определения риска НМК при разных факторах риска и информативных БАТ, варьировать релевантностью факторов риска, а также селектировать процесс обучения по конкретному фактору, например, пол, возраст, курение и т.д.
Это связано с тем, что как на кортеж факторов риска, так и на их релевантность нет единого мнения у специалистов, о чем свидетельствует материал, представленный в разделе 1.1.Факторы риска НМК неоднозначны для различных регионов и для различных групп населения. Очень большое влияние на риск оказывает комбинированное влияние факторов. В таблице 4.1 приведена одна из моделей факторов риска НМК, которые включены в базу данных формирователя моделей прогнозирования инсультов.
Схема алгоритма формирования моделей принятия решений приведена на рисунке 4.2. После сообщения о готовности пациента к проведению исследований, лицо, принимающее решение (ЛИР), через интерактивную среду управления данными (рисунок 4.1) осуществляет оцифровку информативных БАТ (блок 2). Затем из базы данных «Опросники» в зависимости от состояния пациента и вида прогнозируемого НМК извлекается модель факторов риска (блок 3). После этого осуществляется формирование файлов с «сырыми» данными.
Таблица 4.1 - Релевантность факторов риска развития мозгового инсульта
| Ранг | Факторы риска | Релевантность |
| 1 | Гипертония или показатели артериального давления больше 160/90 | 51,8% |
| 2 | Низкая регулярная физическая активность | 28,5% |
| 3 | Повышенное отношение талии к бедрам (абдоминальное ожирение) | 26.5% |
| 4 | Уровень липидов в крови | 24,9% |
| 5 | Курение | 18,9% |
| 6 | Плохое питание | 18,8% |
| 7 | Психологические причины — депрессия и стресс | 5,2% 4,6% |
| 8 | Причины, связанные с работой сердца (наличие сердечного приступа, аномальных ритмов, или заболевания клапанов) | 6,7% |
| 9 | Сахарный диабет | 5,0% |
| 10 | Употребление алкоголя | 3,8% |
В зависимости от исследуемой патологии, выбираются соответствующие модели автономных агентов (блок 7), или осуществляется обучение новых интеллектуальных агентов (блок 6). После этого ЛПР может получить класс риска на выходе сформированной модели принятия решений.
100
Рисунок 4.1 - Структурная схема формирователя моделей принятия решений по прогнозированию нарушения мозгового кровообращения
Рисунок 4.2 - Схема алгоритма формирования и работы модели принятия решений
Если необходимо дальнейшее исследование, то ЛИР может поменять релевантность БАТ вплоть до исключения некоторых из них из модели, и проследить их влияние на риск исследуемой патологии для данного индивидуума (ветвь 4 блока 11), или изменить структуру данных на входе автономного агента, работающего с факторами риска по тесту «Опросник» (ветвь 3 блок 11).
Используя ветви 1 и 2 блока 11 ЛПР может изменить модель интеллектуальных агентов или синтезировать новые модели.
Источником «сырых данных» в моделях принятия решений являются результаты анкетирования пациента согласно опросникам, пример одного из которых приведен в таблице 4.1, а также результаты биоимпедансных исследований. «Сырые» данные по биоимпедансным исследованиям получают посредством программно-аппаратного комплекса анализа биоимпеданса (ПАКАБИ), аппаратная часть которого рассмотрена в разделе 3.3. В данном раздел остановимся подробно на программной части ПАКАБИ.
4.2
Еще по теме Формирователь моделей принятия решений:
- Структурно - функциональная модель принятия решений для дублирующих решениях и ассоциативном выборе
- Выводы о применяемых моделях принятия решений об инновациях.
- 1.2. Модели принятия решений о внедрении новых технологий в медицинских организациях[4]
- Информационная модель принятия врачебных решений
- 3.5.5. Модели принятия решений о внедрении новых медицинских технологий
- 3.1 Информационно-аналитическая модель принятия решений по прогнозированию и метафилактике МКБ
- Нечеткие модели принятия решений в медицинских диагностических системах
- Информационно-аналитическая модель принятия решений прогнозирования и ранней диагностики профессиональных заболеваний в электроэнергетике.
- 2.3. Информационно-аналитическая модель принятия решений по прогнозированию и ранней диагностике профессиональных заболеваний.
- Модель принятия решений с использованием нейронных сетей
- 37. Психология принятия решения. Феномен риска в теории принятия решений.
- Методы и алгоритмы принятия решений в медицинских системах интеллектуальной поддержки принятия решений
- 3.4.3. Модели принятия решений в медицинских учреждениях о внедрении новых медицинских технологий
- Экспериментальные исследования методов, моделей, алгоритмов и программного обеспечения для интеллектуальной поддержки принятия решений врача-невролога
- Разработка прототипов решающих модулей и моделей принятия решений для системы интеллектуальной поддержки прогнозирования профессиональной пригодности работников экстремальных профессий