|
38 2. ФОРМИРОВАНИЕ СТРУКТУРЫ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ ТЕХНОЛОГИЙ ИДЕНТИФИКАЦИИ В ЗАДАЧАХ МЕДИЦИНСКОЙ ДИАГНОСТИКИ И ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ 2.1. Методика формирования информационной базы медицинских интеллектуальных систем идентификации Среди методов целенаправленного отбора статистической информации можно выделить два класса алгоритмов: 1) алгоритмы фильтрации информации, позволяющие провести отбор достоверной информации для адекватной оценки ситуации; 2) алгоритмы исключения параметрической избыточности, осуществляющие оптимальный выбор признакового пространства. Основными причинами существования факта недостоверности медицинской информации являются: отсутствие возможности обеспечения объективности оценок; трудность количественной оценки качественных показателей; погрешности вызванные сбоями диагностической аппаратуры; ошибки при внесении данных в историю болезней или в электронную медицинскую карту. Для минимизации вероятности использования искаженной и недостоверной информации при анализе ситуации и построении моделей заболеваний необходимы ее предварительный отбор или фильтрация. Основным эвристическим правилом при информационной фильтрации является отбор информационных сообщений с наиболее вероятным, т.е. наиболее типичным для данной ситуации набором сведений [62]. Всю исходную информацию можно представить в виде множества пациентов |
49 2. ФОРМИРОВАНИЕ СТРУКТУРЫ ИНФОРМАЦИОННОГО ОБЕСПЕЧЕНИЯ РАЦИОНАЛЬНОГО ВЫБОРА ТАКТИКИ ЛЕЧЕНИЯ 1 Поскольку прогнозирование состояния больных и рациональный выбор тактики лечения требует накопления информации, целесообразным является использование оперативного мониторирования динамики показателей в непрерывном и дискретном режимах. В этом случае особую важность приобретает выбор рационального метода измерения частоты измерений, а в случае дискретного режима, возможности комплексной оценки состояния. С другой стороны объем поступающей к врачу информации диктует необходимость формирования алгоритмических процедур снижения параметрической избыточности, фильтрации информации и оптимизации признакового пространства за счет сокращения числа недостоверных сообщений и неинформативных показателей [174]. 2Л. Алгоритмизация оценивания информативности лабораторных показателей и клинических симптомов Среди методов целенаправленного отбора статистической информации можно выделить два класса алгоритмов: 1) алгоритмы фильтрации информации, позволяющие провести отбор достоверной информации для адекватной оценки ситуации; 2) алгоритмы исключения параметрической избыточности, осуществляющие оптимальный выбор признакового пространства. Основными причинами существования факта недостоверности медицинской информации являются: отсутствие возможности обеспечения объективности оценок; трудность количественной оценки качественных показателей; погрешности вызванные сбоями диагностической аппаратуры; ошибки при внесении данных в историю болезней или в электронную медицинскую карту. Для минимизации вероятности использования искаженной и недостоверной информации при анализе ситуации и построении моделей заболеваний необходимы ее предварительный отбор или фильтрация. Основным эвристическим правилом при информационной фильтрации является отбор информационных сообщений с наиболее вероятным, т.е. наиболее типичным для данной ситуации набором сведений [3]. Всю исходную информацию можно представить в виде множества пациентов где N ю объем исходной выборки. Каждый пациент характеризуется набором физических, анамнестических, клинических и лабораторных показателей: где / = 1, / исх индекс показателя, п = 1,]\1исх порядковый номер пациента. Фильтрация информации осуществляется в два этапа. На первом этапе фильтрации информации для каждого показателя р 1 (г'= !,/„„) устанавливаются нижняя и верхняя допустимые границы р ^ т исх), выход за которые возможен только из-за ошибок измерения или записи показателя. Затем осуществляется отсеивание сообщений, которые не могут быть достоверными из-за выхода значения какого-либо отдельного параметра (или группы параметров) за допустимые границы. В результате формируется множество (2.1) |