УДК 004.4

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В МЕДИЦИНЕ

Дувалкина Алена Васильевна
Мордовский государственный университет им. Н.П. Огарёва
студентка экономического факультета, кафедра статистики, эконометрики и информационных технологий в управлении

Аннотация
В данной статье рассматривается система поддержки принятия решений и ее область применения в медицине.

Ключевые слова: медицина, СППР


DECISION SUPPORT SYSTEM IN MEDICINE

Duvalkina Alena Vasilevna
Mordovian State University
student, faculty of Economics, chair of statistics, econometrics and information technology in management

Abstract
This article discusses the system of decision support solutions and its range of applications in medicine.

Рубрика: 05.00.00 ТЕХНИЧЕСКИЕ НАУКИ

Библиографическая ссылка на статью:
Дувалкина А.В. Система поддержки принятия решений в медицине // Современные научные исследования и инновации. 2017. № 2 [Электронный ресурс]. URL: http://web.snauka.ru/issues/2017/02/78010 (дата обращения: 02.06.2017).

В настоящее время исследователями особое внимание уделяется использованию систем поддержки принятия решений (СППР) в ситуации требующей сложного аналитического рассмотрения. Она представляет собой автоматизированную компьютерную систему, целью которой является оказание помощи людям, вынужденные принимать решения в сложных условиях для анализа предметной деятельности, осуществляемой на основе методов нейронных сетей, когнитивного моделирования, ситуационного анализа и др.

СППР является комплексом программных и инструментальных средств, позволяющих проанализировать определенные данные, провести моделирование, прогнозирование и принятие управленческих решений. При этом СППР состоит как из приобретаемых программных продуктов, так и из собственных разработок.

СППР используется для поддержки выбора решений в сложной информационной среде. При этом результаты такого выбора могут быть оценены в комплексном анализе многих рассматриваемых одновременно критериев.

Возникновение СППР произошло в процессе слияния систем управления базами данных и управленческих информационных систем.

Использование СППР позволяет:

оптимизировать, то есть осуществить выбор из множества возможных решения лучшего, по определенным заказчиком критериям;

ранжировать решения, то есть упорядочить по предпочтительности возможных решений.

В медицине принятие верных решений обычно затруднено из-за того, что возникновение заболевания может быть вызвано множеством факторов. Также существуют множество признаков болезней, вызванные синергическим действием различных патогенов. Таким образом, оказывать влияние на общее состояние пациента определенные факторы могут как по отдельности, так  и в определенных сочетаниях.

В связи с этим очень важным является, чтобы полученные в медицинской СППР решения были максимально достоверными. Это вызвано тем, что в медицине принятие решений непосредственно связано со здоровьем и жизнью человека. Стоит отметить, что врачу-клиницисту обработать большое количество информации довольно часто не представляется возможным, не говоря уж о том, чтобы выявить определенные закономерности. Помочь ему может только современная вычислительная техника, имеющая соответствующее программное обеспечение [2].

В настоящее время, СППР широко применяется в хирургии.

K. Polat et al. [6] было предложено использовать СППР в сердечно-сосудистой хирургии. Авторами была создана компьютерная система диагностики, которая могла автоматически определять и классифицировать аритмию путем анализа электрокардиографических сигналов. При этом, авторами отмечается, что использовании в исследуемой выборке пациентов СППР позволяет обеспечить 100% точность выявления и классификации аритмий.

Определенное распространение СППР получили в экстренной абдоминальной хирургии. А.А. Егоровым и В.С. Микшиной [1] была разработана СППР, позволяющая определить возможные исходы и способы завершения операции по поводу перитонита. Общеизвестным фактом является, что хирургическое вмешательство вызванное перитонитом может быть у пациента завершено тремя способами:

- лапаростомия;

- программируемая релапаратомия.

- ушивание лапаротомной раны «наглухо»;

У пациентов с перитонитом принятие решения о способе завершения операции обычно затруднено из-за того, что достаточно сложно осуществить прогнозирование дальнейшего течения этого заболевания. Хирургическое вмешательство вызванное наличием у пациента перитонита может закончиться тремя исходами. Повторное хирургическое вмешательство и выздоровлением следует рассматривать в качестве благоприятного исхода. Третий исход, летальный, естественно является неблагоприятным.

А.А. Егоров и В.С. Микшина показывают, что СППР на основе искусственных нейронных сетей может быть применена для решения задачи о выборе способа завершения операции по поводу перитонита. При этом проценты верных отнесений в модели на основе ИНС составили 74% [1].

В 2007 г. R. Mofidi et al. [5] была разработана СППР для классификации тяжести острого панкреатита, прогнозирования летального исхода.

Для того, что бы иметь возможность осуществить прогнозирования острого панкреатита на ранней стадии была создана и проверена на эффективность B. Andersson et al. СППР на основе ИНС. [4] Авторами было сделано заключение, что СППР на основе ИНС из шести признаков, которые получены на момент поступления пациента в стационар, является достаточно точной для прогнозирования тяжести острого панкреатита [4].

H.A. Кореневский с соавт. [2] была разработана и использована СППР, позволяющая управлять процессами принятия решений при ведении пациентов с острым холециститом. Согласно мнению авторов, применение предложенной СППР способствует снижению риска развития и обострения заболеваний желчного пузыря. Также система позволяет выработать рациональные схемы проведения лечебных мероприятий, что позволяет повысить уровень эффективности лечения острого холецистита. При этом статистическая проверка точности правил принятия решений о степени тяжести острого холецистита превысила уровень 0,95.

Важной составляющей современной СППР, в том числе и используемых в медицинских целях, является наличие веб – интерфейса клиентской части. У современных веб – технологий имеются широки возможности, что позволяет пользователю создавать информационные системы любой сложности. Применение веб – технологий в медицине является выгодным по следующим причинам:

- наличие возможности удаленного доступа к системе;

- значительное снижение требований к подготовке пользователя (за счет использования браузера);

- упрощенное сопровождение и реализация;

- простое и эффектное масштабирование и т.д.

Таким образом, в медицине, в настоящее время накоплен достаточно большой опыт эффективного использования СППР. Это позволяет выделить следующие типы систем поддержки принятия решений в соответствии с направлениями их применения:

в клинической практике применяются ассистирующие системы;

в обучении и повышении квалификации используются тестирующие и оппонирующие системы;

в научных исследованиях применяются системы, позволяющие решить задачи анализа и правильно оценить ситуацию.

Особенно хорошо СППР себя зарекомендовали в экспериментальной и клинической хирургии для выполнения следующих функций:

провести анализ динамики патологического процесса;

осуществить дифференциальную диагностику и выбор лечения;

оценить состояние больного в режиме реального времени,

оценить эффективность решений вне зависимости от выраженности клинических проявлений болезни;

провести учет сопутствующих заболеваний.


Библиографический список
  1. Егоров А. А. Модель принятия решения хирурга / А. А. Егоров, B. C. Микшина // Вестн. новых мед. Технологий, 2011. – Т. 7, № 4. – С. 178 – 181.
  2. Кореневский Н.А. Прогнозирование, ранняя диагностика и оценка степени тяжести острого холецистита на основе нечеткой логики принятия решений / H. A. Кореневский // Вестн. Воронеж. гос. техн. ун-та, 2009. – Т. 5, № 11. – С. 150 -155.
  3. Симанков В. С. Системный анализ и современные информационные технологии в медицинских системах поддержки принятия решений / В. С. Симанков, А. А. Халафян -М. : БиномПресс, 2009. – 362 с.
  4. Andersson B. Prediction of severe acute pancreatitis at admission to hospital using artificial neural networks / B. Andersson // Pancreatology, 2011. – Vol. 11.  -№ 3. – P. 328 -335.
  5. Mofidi R. Identification of severe acute pancreatitis using an artificial neural network / R. Mofidi // Surgery,  2007. – Vol. 141. – № 1 – P. 59 – 66.
  6. Polat K. Computer aided diagnosis of ECG data on the least square support vector machine / K. Polat, B. Akdemir, S. Gbne // Digit Signal Process, 2008. – Vol. 18. – № 1. –  P. 25-32.
  7. Федякова Н.Н.Федяков К.И. Сороина Ю.А Анализ информационных систем  принятия решений в ООО “СКМ” http://kontentus.ru/wp-content/uploads/2016/01/


Все статьи автора «Дувалкина Алена Васильевна»


© Если вы обнаружили нарушение авторских или смежных прав, пожалуйста, незамедлительно сообщите нам об этом по электронной почте или через форму обратной связи.

Связь с автором (комментарии/рецензии к статье)

Оставить комментарий

Вы должны авторизоваться, чтобы оставить комментарий.

Если Вы еще не зарегистрированы на сайте, то Вам необходимо зарегистрироваться: