Содержание к диссертации
Введение
1. Анализ информационных возможностей автоматизированных систем для диагностики заболеваний коленного сустава 14
1.1. Причины возникновения и классификация патологий коленного сустава 14
1.2. Анализ подходов к построению автоматизированных систем для диагностики заболеваний коленного сустава 28
1.3. Цель и задачи исследования 41
2. Моделирование процесса принятия решения при диагностике патологии коленного сустава 43
2.1. Анализ подходов к классификации состояния больных с патологией коленного сустава на основе вероятностных методов 43
2.1.1. Общие подходы к решению задач классификации 44
2.1.2. Методы распознавания образов в диагностике больного с патологией коленного сустава 45
2.1.3. Вероятностные методы распознавания 51
2.1.4 Применение неоднородной последовательной процедуры Вальда для автоматизированной диагностики больных с патологией коленного сустава 57
2.2. Формирование пространства информативных признаков для построения моделей 59
2.3. Логическая модель постановки диагноза при патологии коленного сустава 69
Выводы второй главы 73
3. Автоматизированные процедуры диагностики патологии коленного сустава 74
3.1. Формирование диагностических алгоритмов при патологии коленного сустава 74
3.2. Методологические основы выбора режима управления диагностическим процессом 79
3.3. Автоматизированные процедуры формирования управляющего решения 85
Выводы третьей главы 89
4. Практическая реализация и апробация результатов исследования 90
4.1. Структура автоматизированной системы диагностики патологии коленного сустава 90
4.2. Оценка эффективности функционирования автоматизированной системы диагностики патологии коленного сустава 100
Выводы четвертой главы 106
Заключение 107
Список литературы 109
Приложения 125
- Причины возникновения и классификация патологий коленного сустава
- Методы распознавания образов в диагностике больного с патологией коленного сустава
- Формирование диагностических алгоритмов при патологии коленного сустава
- Структура автоматизированной системы диагностики патологии коленного сустава
Введение к работе
Актуальность темы. Одной из важнейших задач современного здравоохранения является повышение качества диагностических и лечебных мероприятий. Вариантом решения является использование методов системного анализа, позволяющих эффективно решать проблемы, связанные с построением моделей заболеваний, прогнозированием различных исходов, выбора оптимальной тактики лечения, что дает возможность значительно повысить уровень качества оказания медицинской помощи при значительном снижении трудоёмкости и уменьшении финансовых затрат. Одним из основных направлений внедрения компьютерных технологий в практическую медицину выступает создание автоматизированных систем, основанных на использовании методов моделирования и системного анализа и призванных обеспечивать интеллектуальную поддержку врачебных решений в диагностике, выборе лечения и прогнозировании состояний пациента.
Несмотря на значительные достижения современной травматологии, проблема поражения крупньж суставов является одной из наиболее распространенных. На ее долю приходится 36,8% от всех случаев нетрудоспособности, связанньж с патологией опорно-двигательной системы. Наиболее часто (10%) встречаются повреждения коленного сустава различной этиологии, дифференциальная диагностика которьж является довольно сложной задачей в связи с малым количеством и схожестью проявлений симптомов при различных патологиях. Автоматизированный подход к диагностике патологии коленного сустава (ПКС) может оказать существенную помощь врачу на этапе постановки диагноза и при выборе дальнейших методов лечения.
Создание автоматизированных диагностических систем и применение методов математического моделирования позволяет осуществить диагностику патологии коленного сустава на первичном этапе оказания медицинской помощи, что дает возможность существенно повысить качество и рациональность медицинской диагностики, оптимизировать процесс лечения и, в конечном итоге, достичь максимального эффекта при значительном снижении трудоемкости и уменьшении финансовых затрат.
Актуальность темы исследования заключается в разработке комплекса математических моделей и алгоритмов, ориентированных на формирование диагноза при патологии коленного сустава, а также создания на этой основе автоматизированной системы диагностики ПКС.
Диссертационная работа выполнена в соответствии с межвузовской научно-практической программой 12.11 «Перспективные информационные
технологии в высшей школе» и в рамках одного из основных направлений ВГТУ «Проблемно-ориентированные системы управления».
Цели и задачи исследования. Целью диссертационной работы является разработка комплекса моделей и алгоритмов для автоматизации дифференциальной диагностики патологии коленного сустава.
Для достижения поставленной цели необходимо решить следующие задачи:
выявить особенности методов диагностики патологии коленного сустава, позволяющие сформировать пространство признаков, используемых в диагностическом процессе;
провести классификацию признаков, используемых в процессе диагностики;
разработать модели и алгоритмы диагностики больных с патологией коленного сустава;
сформировать информационное и программное обеспечение автоматизированной системы диагностики, реализующее предложенные алгоритмы и модели;
провести клиническую апробацию автоматизированной системы диагностики патологии коленного сустава, оценить эффективность ее использования.
Методы исследования. Для решения поставленной задачи помимо клинических методов использовались: метод системного анализа, методы управления и обработки информации в биосистемах, основные положения теории вероятности и математической статистики.
Научная новизна результатов исследования. Основные результаты диссертации, характеризующиеся научной новизной и выносимые на защиту, состоят в следующем:
подход к решению задачи выбора информативных признаков, позволяющий рационально осуществить формирование пространства информативно-ценных признаков;
математическая модель постановки диагноза на основании неоднородной последовательной процедуры Вальда, обеспечивающая сокращение времени обработки диагностических показателей;
логическая модель принятия диагностического решения, обеспечивающая разработку оптимального плана проведения исследований;
человеко-машинная процедура принятия решения при управлении процессом диагностики, позволяющая одновременно использовать априорные знания и практический опыт врача и возможности современных ЭВМ;
структурное, информационное и программное обеспечение автоматизированной системы диагностики патологии коленного сустава, учитывающее модельные оценки для принятия решения в условиях много альтернативности.
Практическая значимость работы. Используемый при разработке информационного и программного обеспечения принцип модульности позволил оформить отдельные подсистемы как автономные комплексы, способные решать задачи построения моделей классификации применительно к любым данным.
На основе модели постановки диагноза при патологии коленного сустава разработана методика диагностики, реализованная в рамках автоматизированной системы.
Предложена структура автоматизированной системы диагностики, объединяющая разработанные процедуры интеллектуальной поддержки и стандартное обеспечение баз данных.
Разработанная система инвариантна к предметной области приложения и может быть использована для решения поставленных задач в любой области медицины.
Разработанные модели и алгоритмы используются в клинической практике для решения вопросов диагностики патологии коленного сустава на этапе амбулаторного звена оказания медицинской помощи.
Применение системы позволяет увеличить вероятность максимально точной диагностики состояния пациента, сократить время постановки диагноза и определить рациональную тактику ведения больного с патологией коленного сустава за счет автоматизации процесса диагностики.
Реализация и внедрение результатов работы Результаты исследования апробированы и внедрены в отделении травматологии Областной клинической больницы №1 (г. Воронеж) и Областной клинической поликлинике. Материалы диссертации используются в учебном процессе кафедры «Травматология, ортопедия и военно-полевая хирургия» Воронежской государственной медицинской академии им. Н.Н. Бурденко при обучении студентов, врачей-интернов, клинических ординаторов и кафедры «Системный анализ и управление в медицинских системах» Воронежского государственного технического университета для студентов специальности «Биотехнические и медицинские аппараты и системы».
Апробация работы. Основные положения диссертации докладывались и обсуждались на Всероссийской научной конференции (Рязань, 1997), I Всероссийской научно-технической конференции «Компьютерные технологии в науке, проектировании и производстве» (Нижний Новгород, 1999), Всероссийской конференции «Интеллектуальные информационные
системы» (Воронеж, 2000), IV Всероссийской научной конференции «Компьютерное и математическое моделирование в естественных и математических науках» (Тамбов, 2002), Международной научной конференции «Информационные технологии в естественных, технических и гуманитарных науках» (Таганрог, 2002), Всероссийской конференции «Интеллектуализация управления в социальных и экономических системах» (Воронеж, 2002-2003), научной конференции ГКБ «Электроника» «Специализированная медицинская помощь» (Воронеж, 2002-2004).
Публикации. По материалам диссертации опубликовано 16 печатных работ. В работах, опубликованных в соавторстве и приведенных в конце автореферата, лично соискателю принадлежит: [6,7,8] - анализ возможностей применения методов математического моделирования для диагностики состояний больных с патологией коленного сустава; [10,12,15,16] обоснование применения математических методов и компьютерных технологий в диагностике и выборе тактики лечения у больных с суставной патологией для рационализации и оптимизации диагностического процесса; [11] - разработка методического подхода к процедуре минимизации признакового пространства; [14] - анализ возможностей внедрения разработанной методики в клиническую практику; [1,2,3,4,5,13] - разработка систем автоматизации диагностики, адекватных рассматриваемой предметной области и описание практического применения разработанного структурного, информационно-методического и программного обеспечения.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, изложенных на 124 страницах, списка литературы из 166 наименований и приложения, содержит 15 рисунков и 10 таблиц.
Причины возникновения и классификация патологий коленного сустава
Патология суставов широко распространена в популяции и относится к числу наиболее частых болезней человека. Эти болезни являются ведущей причиной нетрудоспособности, часто имеют хроническое течение, сопровождаются постоянными и периодически усиливающимися болями, что существенно ограничивает физическую активность пациентов. В настоящее время суставные патологии относятся к числу болезней, груз которых ложится тяжелым бременем на общество, будучи связанным с потерями рабочей силы, огромными затратами на лечение, уход и обеспечение социальной поддержки пациентов. Эта тенденция нарастает во всем мире из-за изменения образа жизни, связанного с урбанизацией/индустриализацией, и увеличения продолжительности жизни населения [128].
Проблема поражений крупных суставов, несмотря на значительные достижения современной травматологии и ортопедии, остается одной из наиболее трудных. Частота их травм на 10000 взрослых жителей встречается у 211,0, а заболеваний - у 439,4; временная нетрудоспособность при них составляет 36,8% от всех случаев временной нетрудоспособности, связанных с патологией опорно-двигательной системы [165].
Спектр заболеваний суставов чрезвычайно широк и включает несколько сотен различных болезней. Некоторые воспалительные заболевания, такие как ревматоидный артрит, вследствие потенциально неблагоприятного прогноза, неизвестной этиологии и отсутствия методов, позволяющих добиться полного излечения, требуют применения ранней и интенсивной терапии. Артриты и инфекционные поражения суставов встречаются во всех странах мира. Старение населения приводит к быстрому увеличению числа людей, страдающих связанными с возрастом заболеваниями суставов, такими как остеоартроз. Популяризация спорта приводит к увеличению частоты травматических повреждений костей и суставов. Глобальное увеличение автомобильного транспорта, происходящее во многих регионах планеты, приводит к «эпидемическому» нарастанию серьезного травматизма, вызывающего длительную инвалидность. В настоящее время многие формы этой патологии могут быть успешно предотвращены, эффективно излечены или, по крайней мере, могут быть созданы предпосылки для улучшения качества жизни пациентов. Однако для достижения реального прогресса в отношении многих заболеваний необходимы дальнейшие исследования.
Согласно литературным данным, наиболее часто повреждается коленный сустав, доля поражений которого в системе патологии опорно-двигательного аппарата у человека достигает почти 10 % [27,80,96].
Патологии коленного сустава разнообразны, они часто встречаются в клинической практике. Могут возникнуть поражения сустава на основе травматических, инфекционно-воспалительных, дегенеративных и врожденных причин. Чаще всего приходится сталкиваться с травматическими поражениями коленного сустава, многообразными по локализации и степени повреждения. Симптомы вторичных, дегенеративных изменений могут маскировать клинические признаки породившего их поражения, создавая известные трудности в распознавании основного заболевания. Отграничить симптомы первичного поражения от вторичных симптомов, обусловленных наслаивающимися дегенеративными изменениями, иногда довольно трудно.
Колено является сложной биомеханической системой с большим количеством анатомических образований, способствующих выполнению функции. Связки колена являются главным стабилизирующим компонентом. Важную роль играют мягкотканный вспомогательный аппарат коленного сустава, включающий слизистые сумки, жировые тела в области крыловидных складок, мениски, а также функциональное состояние мышц выполняющих движения в коленном суставе и стабилизирующих его [19].
Различают заболевания суставов самостоятельные и вторичные суставные синдромы, когда поражение суставов являются лишь симптомом другого патологического процесса [13].
Самостоятельные заболевания суставов разделяются на две основные группы - артриты и артрозы, В основе артритов лежит воспалительный процесс, начинающийся с синовиальной оболочки с последующим разрушением хряща и изменением суставных поверхностей костей. Клинически артриты характеризуются выраженными болями, с выпотом в полости сустава (экссудата) и отеком околосуставных тканей, в дальнейшем - пролиферации суставов с прогрессирующим ухудшением его функции вплоть до полной неподвижности суставов (анкилоз). Это явление сопровождается общей слабостью, лихорадкой, увеличением СОЭ, иногда анемией.
Артроз коленного сустава - хроническое прогрессирующее заболевание суставов, характеризующееся первичной дегенерацией суставного хряща с последующим изменением субхондральной кости и развитием краевых остеофитов. Многочисленные этиологические факторы, такие как изменение физико-химических свойств хряща, травма, нарушения статики, эндокринные и метаболические расстройства, дисплазии, травмы, воспаление, статические нарушения, астенический некроз костей, метаболические и эндокринные заболевания, нестабильность суставов, спортивные и профессиональные перегрузки, ятрогенные факторы (частые и необоснованные пункции суставов, передозировка стероидных препаратов) и др. приводят к развитию этой патологии, поэтому артроз коленного сустава относится к мультифакторным заболеваниям [91].
Артроз - наиболее распространенная форма суставной патологии, приносящая экономический ущерб обществу в связи с частым развитием при артрозе временной и стойкой нетрудоспособности. По разным сведениям, заболевание поражает от 6,6 до 12,0 % населения, причем женщины болеют почти в 2 раза чаще, чем мужчины, и его частота заметно возрастает у них после 35, а у мужчин - после 45 лет. Высокая социальная значимость артроза определяет актуальность разработки способов эффективного лечения и, соответственно, диагностики на ранних стадиях развития [22,91,96].
Суставные ткани весьма чувствительны к любым внутренним и отрицательным внешним воздействиям. В образовании костно-суставного аппарата организма человека основную роль играет соединительная ткань, наиболее богатая мукополисахаридами. Толщина суставного хряща у человека колеблется от 0,2 до 6 мм и зависит от соотношения давления и трения. Чем сильнее трение, возникающее между сочленяющимися поверхностями больше, тем толще хрящ. При отсутствии трения, что наблюдается при вывихах, наступает дегенерация суставного хряща.
Методы распознавания образов в диагностике больного с патологией коленного сустава
При создании распознающих систем обычно приходится решать последовательно ряд задач [7,8,9,20]. 1. Получение и представление исходных данных (обычно избыточных) посредством измерения, сбора ряда характеристик подлежащего распознаванию объекта, выяснение сходств и различий распознаваемых объектов, на основе которых объекты могут быть объединены в определенные классы и распознаны, т. е. отнесены каждый к своему классу. 2. Выбор принципов классификации распознаваемых процессов или явлений. 3. Составление перечня признаков, используемого для априорного (т. е. до предъявления объектов к распознаванию) описания классов. Признаки должны быть пригодны для апостериорного описания неизвестных объектов при их предъявлении к распознаванию, а также должны позволять отнести предъявляемый объект к одному из классов с достаточной степенью надежностью. Поэтому в перечень включают те признаки, которые обладают наибольшей информативностью при отнесении объектов распознавания к своему классу. Также целесообразно исключать признаки, имеющие тесную корреляцию с другими признаками, принимаемыми во внимание. При этом размерность пространства признаков снижается. 4. Описание классов на языке признаков и разработка алгоритмов распознавания, обеспечивающих отнесение распознаваемого объекта к своему классу. Подходы к разработке алгоритмов распознавания можно разделить на логические и вероятностные. Логические подходы предусматривают отыскание таких симптомов, которые встречаются только у объектов, принадлежащих к данному классу, причем для каждого класса считают характерным строго определенный набор симптомов. Отдельные признаки, входящие в эти сочетания, можно рассматривать как элементарные высказывания типа «да», «нет» или «истина», «ложь» и применять в этом случае для распознавания вычислительные методы алгебры логики.
Распознавание может быть и вероятностной процедурой, если заранее известны частота, с которой среди исследуемых объектов встречаются объекты, относящиеся к каждому классу, и частоты, с которыми в каждом классе встречаются принимаемые во внимание признаки. В этом случае определяют вероятности того, что исследуемый объект принадлежит к каждому из классов. Если одна из вероятностей достаточно велика, принимают гипотезу, которой эта вероятность соответствует. Последовательные вероятностные процедуры распознавания позволяют в ряде случаев существенно упростить подобный поиск.
При вероятностном подходе исходят из предположения, что объекты каждого класса с какой-то, пусть очень малой, вероятностью могут встретиться в любой точке пространства признаков, но вероятность одного из классов в определенных подпространствах может сильно превосходить вероятности других. Следовательно, необходимо назначить порог отношения вероятностей, достаточный для распознавания, и тогда можно выделить подпространства, где этот порог превышен.
Математический аппарат, используемый в вероятностных алгоритмах как при описании классов, так и при самом распознавании, - это аппарат теории статистических решений.
Выбор показателей эффективности системы распознавания и оценка их значений. Обычно при медицинском распознавании таким показателем является доля ошибочных диагнозов, по сравнению с их долей при обычной врачебной диагностике [41,43], хотя возможно и использование других критериев. Классификация современных систем распознавания представлена на рисунке 2.1. В зависимости от того, физически однородная или физически неоднородная информация используется для описания распознаваемых объектов, имеют ли признаки, т. е. описания одного из свойств объекта, на языке которых произведено описание алфавита классов, единую или различную физическую природу, системы распознавания можно подразделить на простые и сложные.
По способу получения апостериорной информации сложные системы дифференцируются на одноуровневые и многоуровневые. В одноуровневых системах апостериорная информация о признаках распознаваемых объектов определяется прямыми измерениями. В многоуровневых системах апостериорная информация о признаках определяется на основе косвенных измерений.
Если в качестве принципа классификации избрать количество первоначальной априорной информации о распознаваемых объектах (явлениях), то системы распознавания, как простые, так и сложные, можно разделить на системы без обучения, обучающиеся и самообучающиеся.
В системах без обучения первоначальной априорной информации достаточно для того, чтобы определить априорный алфавит классов, построить априорный словарь признаков и на основании непосредственной обработки исходных данных произвести описание каждого класса на языке этих признаков, т. е. в первом приближении достаточно определить решающие границы, решающие правила. Для построения этого класса систем, как правило, необходимо располагать полной первоначальной априорной информацией.
В обучающихся системах первоначальной априорной информации достаточно для того, чтобы определить априорный алфавит классов, и построить априорный словарь признаков, но недостаточно для описания классов на языке признаков (или подобное описание нецелесообразно). Исходная информация для построения обучающихся систем распознавания структурирована по отдельным классам и может быть представлена в следующем виде:
Формирование диагностических алгоритмов при патологии коленного сустава
Режим обучения. Алгоритм работы системы в режиме обучения представлен нарис. 3.2. Режим обучения представляет собой интерактивную процедуру работы системы, реализующую процесс формирования исходного перечня признаков классов, описывающих объекты, создание обучающих выборок и вычисление требуемых параметров, используемых при распознавании. Процесс обучения проходит под непосредственным контролем ЛПР, определяющего требуемый объем формируемой выборки и управляющего процессом отнесения ее к известному классу заболевания.
Процесс обучения начинается с установления ЛПР диапазонов изменения признака объектов и определения исходного перечня признаков.
Количество и размер диапазонов признака и объем обучающей выборки устанавливается, исходя из требования обеспечения максимума вероятности правильного распознавания объектов. После этого формируется обучающая выборка. Для этого из базы данных, содержащей компьютерные истории болезни в определенном формате, автоматически выбираются необходимые сведения.
Затем по заранее заданным правилам определяются диагностические коэффициенты. ЛПР, анализируя полученные данные, может вносить свои коррективы в отношении диапазонов признака или полученных коэффициентов. На следующем шаге происходит определение информативности признаков, их ранжирование и формирование итогового пространства информативно-ценных признаков, которые впоследствии будут использоваться при классификации.
Вычисленные параметры записываются в соответствующие поля базы знаний, обеспечивающей их хранение и использование при распознавании.. Алгоритм работы системы в режиме распознавания представлен на рис. 3.3, ЛПР определяет совокупность диагностических исследований, проводимых пациенту, выбирает необходимое пространство информативных признаков, задает пороги классов. Затем, в заданном порядке, анализируются значения признаков, имеющихся у пациента. При этом постановка диагноза осуществляется на основе отнесения индивидуального состояния пациента к одному из выделенных классов и формируется на основе использования разработанной модели.
В случае если сформированное системой заключение не удовлетворяет ЛПР, возможно проведение корректирующего воздействия. В зависимости от ситуации возможно либо изменение порогов классов, либо проведение дополнительных видов обследования для расширения признакового пространства. Процедура повторяется до тех пор, пока не будет сформировано совокупное заключение в соответствии с построенной логической моделью.
По окончании этого процесса, системой производится формирование заключения и сохранение результатов в базе данных, для последующего их использования.
Лицу, принимающему решение (ЛПР) предоставляется возможность пополнения базы знаний, описывающих распознаваемые классы, за счет процедуры дообучения, позволяющей в процессе распознавания адаптировать систему к изменяющимся условиям работы.
Новое пополнение базы знаний происходит после каждого исследования. Если возникает необходимость распознавания данных следующего пациента, происходит инициализация всех переменных и процесс распознавания повторяется. Наличие обратной связи позволяет постоянно корректировать исследования, что дает возможность повысить качество диагностики.
Целью диагностического процесса является получение максимально надежного диагностического заключения относительно состояния здоровья пациента. Эти заключения имеют определенную иерархию. На самом верхнем уровне возможно только констатировать наличие или отсутствие у пациента определенного заболевания. На самом нижнем уровне больному ставится полный диагноз состояния, состоящий из выявленных у него болезней в соответствии с определенной классификацией. Качественно проведенный процесс диагностики для больного обычно может считаться завершенным только тогда, когда установлен полный диагноз заболевания. Однако конкретные проявления ряда состояний могут быть такими, что поставить максимально надежный диагноз не представляется возможным. В этом случае диагностический процесс завершается, когда исчерпаны все диагностические ресурсы, направленные на выявление признаков заболевания. Степень достоверности диагностического заключения в этом случае зависит от выявленных признаков заболевания и оно занимает некоторый промежуточный иерархический уровень[60].
Структура автоматизированной системы диагностики патологии коленного сустава
Улучшение показателей здоровья населения неразрывно связано с качеством медицинской помощи. Методика интегрированной оценки качества базируется на представлении врачебного процесса в виде совокупности мероприятий, выполняемых врачом при оказании помощи пациенту, включая обеспечение преемственности со следующим этапом, и позволяет проводить поиск резервов снижения времени диагностического и лечебного процесса.
Применение ЭВМ для автоматизации процессов клинической диагностики позволяет более точно проводить диагностику заболевания за счет систематичности, полноты используемых данных и возможности совместного использования их из разных источников. Это повышает уровень надежности клинических решений на основе моделирования патологических процессов и алгоритмического обеспечения, ориентированного на узкую область медицины.
Конечной целью автоматизации выступает улучшение состояния здоровья и результатов лечения пациентов медицинских учреждений, максимальная защита больного и врача от врачебных ошибок. Повышение эффективности диагностики и лечения может быть достигнуто с помощью использования системы компьютерных технологий поддержки деятельности медицинского персонала, направленной на успешное проведение лечебно-диагностического процесса [6,69]. С помощью таких программ можно более эффективно выполнять лечебно-диагностический процесс и передавать накопленный опыт обследования больных, дифференциальной диагностики, прогнозирования течения заболеваний, лечения, экспертизы больных и проведения научной работы менее опытным врачам. В основе успешного решения проблем автоматизации лежат следующие компоненты [69]: сквозное проектирование на основе клинической целесообразности с использованием современных программных средств; разработка программных средств для сбора врачом достоверной и полной информации о больном и его заболевании, постановки и решения задач, связанных с проведением лечебно-диагностического процесса, прогнозом и контролем состояния больного и анализом их эффективности; разработка программных средств для эффективного выполнения функциональных обязанностей средним медицинским персоналом; разработка средств интеграции различных автоматизированных систем; автоматизация целостного лечебно-диагностического процесса и его динамическое отражение в истории болезни. Средства поддержки деятельности врача при лечебно-диагностическом процессе можно разделить на две группы: 1) интеллектуальные средства поддержки деятельности медицинского персонала и пациента, реализуемые на основе использования баз знаний; 2) информационные средства поддержки деятельности медицинского персонала и пациента, реализуемые на основе использования программных средств, работающих с базами данных. Независимо от группы эти средства должны быть программными продуктами, создаваемыми специально для медицинских работников и пациентов, имеющими дружественные интерфейсы и не требующими знаний языков программирования. Основной задачей врача при обследовании больного является сбор медицинской информации, достаточной для постановки диагноза, прогноза тяжести течения заболевания, выбора метода лечения, проведения экспертизы, подготовки консультаций, оценки результатов лечения, оформления медицинской документации (истории болезни), проведения научных исследований. Объем такой информации не может быть точно определен заранее и не может быть постоянным, поэтому он должен иметь возможность непрерывно пополняться. Для этого необходима разработка инструментария, дающего возможность врачу наращивать, объединять и структурировать базы данных и базы знаний. На основании вышесказанного, можно сформулировать перечень основных программных средств, необходимых врачам для решения задач автоматизации лечебно-диагностической деятельности, который должен включать: средства визуального представления медицинской информации; средства формирования и ведения истории болезни в соответствии с нормативными требованиями; средства формирования врачебных назначений; средства формирования результатов исследований; средства формирования и ведения логических опросников как интеллектуального интерфейса между врачом, СУБД и СУБЗ; средства создания справочников (интеллектуальные вопросно-ответные системы документального гипертекстового типа); средства создания отчетов; средства анализа данных; систему интеграции существующих баз данных с вновь создаваемыми; средства создания и ведения баз знаний (экспертные системы); средства поддержки создания БЗ (средства извлечения знаний из эксперта, из литературы и из БД и БЗ) для новой области на основе подмножества старой БЗ; средства интеграции баз знаний и баз данных [69], Таким образом, можно сделать вывод, что диагностика и управление состоянием организма требует создания специальных автоматизированных диагностических и лечебных комплексов — сложных динамических систем, состоящих из подготовленных специалистов, совокупности программных и технических средств получения и переработки информации и предназначенных для решения поставленных задач на основе сконструированных диагностических алгоритмов. Цель создания таких систем - получить информацию, необходимую для принятия управленческих решений, о принадлежности исследуемого объекта к тому или иному классу и на основании этого прогнозировать его дальнейшее состояние.
Оптимальный подход к построению систем подобного типа включает в себя наличие нескольких взаимосвязанных подсистем, ориентированных на выполнение различных узкоспециализированных задач в рамках разработанного алгоритма функционирования всей системы. Такие подсистемы представляют собой, с одной стороны, функционально обособленные структурные единицы, выполняющие строго определенные последовательности действий, с другой стороны, являются активно взаимодействующими составляющими единого информационного пространства системы, формирующими совокупный информационный поток.
![Разработка моделей и алгоритмов диагностики и лечения ювенильных маточных кровотечений [Электронный ресурс]](/i/i/4246/168175.png "Разработка моделей и алгоритмов диагностики и лечения ювенильных маточных кровотечений [Электронный ресурс] Авдеева Ольга Николаевна")
![Разработка методов, моделей и алгоритмов прогнозирования и донозологической диагностики кожных болезней, имеющих представительство на проекционных зонах, с использованием нечеткой логики принятия решений и рефлексодиагностики [Электронный ресурс]](/i/i/4381/168311.png "Разработка методов, моделей и алгоритмов прогнозирования и донозологической диагностики кожных болезней, имеющих представительство на проекционных зонах, с использованием нечеткой логики принятия решений и рефлексодиагностики [Электронный ресурс] Ходеев Денис Владимирович")
