3.3 Алгоритм управления процессами принятия решений
Синтез необходимого набора решающих правил, управление взаимодействием программными модулями системы поддержки принятия решений (СППР) и взаимодействие СШ1Р с лицом, принимающим решение (ЛПР) обеспечивается управляющим алгоритмом, блок-схема которого приведена на рисунке 3.3.
Работает алгоритм управления следующим образом.
На этапе обучения (блок 1), опираясь на теоретические основы квалиметрии, определяется количественный и качественный состав экспертной группы (блок 2), проводится ее инструктаж по используемым типам решающих правил и их элементов, разъясняются цели и возможности разведочного анализа и правила построения информационно-аналитической модели.
Исходя из поставленных в работе цели и задач, эксперты формируют списки признаков, доступных для измерения и анализа (блок 3).
Используя интерактивный пакет RUMM 2020 производится оценка и выбор состава информативных признаков (блок 4). На этапе синтеза модели оценки
Рисунок 3.3 - Алгоритм управления процессом принятия решений
ние)
Рисунок 3.3 - Алгоритм управления процессом принятия решений (продолже-
ние)
Рисунок 3.3 - Алгоритм управления процессом принятия решений (продолже-
риска возникновения МКБ (уверенность в появлении МКБ UeM)(блок 5) производится разведочный анализ по блоку признаков соответствующих этой задаче (блок 6) и пользуясь рекомендациями работы [49, 57, 60, 77] производится выбор формы и параметров функций принадлежности (блок 7) по базовым переменным имеющим простую структуру. Пользуясь рекомендациями [48, 52, 61, 77, 86, 169, 170, 171, 172, 195] выбирается формула расчета уровня психоэмоционального напряжения YP(блок 8) являющегося одним из факторов риска возникновения МКБ.
По группе биологически активных точек, связанных с органами, поражаемыми МКБ, в соответствии с рекомендациями [72, 73] и раздела 2.4 производится синтез агрегатора БАТ (блок 9). По признаку кислотность синтезируется система гибридных правил (2.3),..., (2.5) (блок 10), после чего производится синтез гибридного нечеткого правила расчета UeM(модель 2.7, блок 11).При синтезе прогностического правила оценки уверенности в рецидиве МКБ - (UM(блок 12), аналогично блоку 6 проводится разведочный анализ (блок 13) и осуществляется синтез функций принадлежностей для простых по структуре базовых переменных (блок 14). Далее аналогично блокам 9, 10 и 11 осуществляется синтез основных частей и гибридной нечеткой модели для оценки Um(модель 2.8, блоки 15, 16, 17).
При синтезе блока оценки эффективности лечебно-оздоровительных мероприятий (БОЭЛОМ) и разработке блока управления лечебно-оздоровительными мероприятиями (БУЛОМ) используются рекомендации раздела 3.1 (блоки 19, 20). Пользуясь рекомендациями раздела 3.1 синтезируется информационно-аналитическая модель (блок 21), использование которой облегчает процесс синтеза решающих правил и базы знаний интеллектуальной системы поддержки принятия решений.
Если имеются репрезентативные контрольные выборки, то производится оценка качества работы решающих правил используя известные в теории распознавания образов формулы расчета диагностической чувствительности (ДЧ), специфичности (ДС), эффективности (ДЭ), прогностической значимости положительных (ПЗ+) и отрицательных (ПЗ-) результатов. Если полученные числовые значения устраивают экспертов, процесс обучения заканчивается (блок 18).
В противном случае производится дополнительный разведочный анализ, в ходе которого формируются рекомендации по изменению состава информативных признаков (блок 19) и процесс обучения продолжается с использованием корректирующих алгоритмов, разработанных на кафедре БМИ ЮЗГУ [51, 77].
Если решается задача оценки уверенности в возникновении МКБ (блок 20), то осуществляется измерение простых базовых переменных с расчетом соответствующих функций принадлежностей μβjtt (xi) (блок 21).
При наличии возможности измерения электрических характеристик (ЭХ) БАТ осуществляется измерение их сопротивлений и рассчитывается частная уверенность в возникновении МКБ с использованием модели 2.6 (блоки 22, 23). При наличии возможности контроля психоэмоционального напряжения определяется переменная YP (модель 2.1) с расчетом величины соответствующей функции принадлежности (модель 2.2) (блоки 24, 25). При возможности оценки уровня рН реализуется система гибридных моделей 2.4, 2.5, и 2.6 (блоки 26, 27).Собрав всю дополнительную информацию производится оценка {^(модель 2.7) (блок 28). Если качество прогноза устраивает пользователя, он принимает решение о дальнейшей работе с СППР (блоки 29, 31). В противном случае анализируется возможность получения дополнительной информации для улучшения [/^(блок 30). Аналогично с использованием блоков 32,., 41 решается задача оценки возникновения рецидивов МКБ с выходом на блок оценки эффективности лечебнооздоровительных мероприятий (блоки 42, 43) и выбора рациональных схем лечебнооздоровительных мероприятий (блок 44).
Алгоритм управления поддержкой принятия решений врача-уролога приведенный на рисунке 3.3 обеспечивает взаимодействие между программными модулями СППР и между врачом и автоматизированной системой.