В статье рассматривается результативность использования математических методов прогнозирования и оптимизации и их реализации с применением информационных технологий при организации интеллек-туальной поддержки врачебных решений по выбору эффективного лечения артериальной гипертензии. Предложена структура прогностической модели, которая формируется на основе нейросетевой техноло-гии. Особое внимание уделено статистическому прогнозированию информативных параметров ком-плексного обследования, от числа которых зависит точность прогностических оценок, получаемых по результатам имитационного моделирования. С этой же целью осуществляется оптимизационное оцени-вание комплекса лекарственных средств. Предложено использование интегрального критерия для оцен-ки эффективности лечения с учетом динамики изменения контролируемых показателей. Отдельные процедуры обработки информации и принятия решений интегрированы в информационную систему, с использованием которой достигнуто повышение эффективности медицинских вмешательств в клиниче-ских условиях.
The subject of the article is the effectiveness of the usage of mathematical methods of prediction and optimization and their implementation with the use of information technologies during the organization of intellectual support of medical decisions for choosing the effective treatment of arterial hypertension. The structure of a predictive model, which is based on neural network technology, is demonstrated in the article. Particular attention is given to the statistical prediction of informative parameters of an integrated survey, the number of which influences the accuracy of prognostic estimates obtained by simulation results. For the same purpose optimization assessment of a complex of medicaments is realized. Proposed the use of integrated criterion for evaluating the effectiveness of treatment with the dynamics of controlled parameters Specific procedures of information processing and decision-making are integrated into an information system, the use of which improved the efficiency of medical interventions in the clinical setting.
1. Бабкин А. П. Алгоритмизация выбора оптимальной тактики лечения сосудистых пораже-ний / А. П. Бабкин, Э. В. Минаков, Я. Е. Львович, О. Н. Чопоров.
2. Бабкин А. П. Разработка интегрального показателя тяжести течения артериальной гипер-тонии / А. П. Бабкин, Н. А. Воробьева, О. Н. Чопоров // Системный анализ и управление в биомедицинских системах. – 2009. – Т. 8, № 4. – С. 901-904.
3. Гафанович Е. Я. Оценка эффективности диагностики и лечения больных артериальной гипертензией в условиях интеллектуализации стационарозамещающих технологий Е. Я. Гафанович, М. В. Фролов// Вестник новых медицинских технологий. – Тула, 2012. – Т. XIX, № 1. – С.118-120.
4. Интеллектуализация обработки информации и принятия решений в структуре автомати-зированного рабочего места отделения многопрофильного стационара / Гафанович Е. Я., Долгова М. С., Савина Е. В., Фролов В. М. // Системный анализ и управление в биомедицинских системах: журнал практической и теоретической биологии и медицины. – М., 2011. – Т. 10, №4. – С. 817-820.
5. Лившиц В. Б. Статистический и нейросетевой методы идентификации и прогнозиро-вания в медицине / В. Б. Лившиц, Т. И. Булдакова, С. И. Суятинов, С. В. Колентьев // Информационные технологии. – 2004. – № 3. – С. 60-63.
6. Львович Я. Е. Принятие решений в экспертно-виртуальной среде: монография / Я. Е. Львович, И. Я. Львович. – Воронеж: ИПЦ «Научная книга», 2010.
7. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы /Д. Рутков-ский, М. Пилиньский, Л. Рутковский; пер. с польского И. Д. Рудинского. – М.: Горячая линия – Телеком, 2008.
8. Чопоров О. Н. Оптимизационная модель выбора начального плана управляющих воздей-ствий для медицинских информационных систем / О. Н. Чопоров, К. А. Разинкин // Систе-мы управления и информационные технологии. – 2011. – Т. 46, №. 4.1. – С. 185-187.