În și în afara Rusiei, sa acumulat o experiență considerabilă în dezvoltarea și aplicarea de ajutoare informatice și metode matematice pentru rezolvarea problemelor de medicină teoretică și practică. În etapele inițiale de lucru în această direcție, principala atenție a fost acordată dezvoltării metodelor și modelelor care permit studierea aprofundată a proceselor patologice în organele și sistemele corpului.
Nivelul de dezvoltare modernă a tehnologiei de calculator face posibilă pentru a crea o nouă generație de produse informaționale - distribuite automatizat tehnologia informației medicale, oferind decizii informate medicale pe baza caracteristicilor clinice ale situației existente în fiecare etapă a pacientului.
Reducerea timpului pentru diagnosticare prin reducerea numărului de teste de diagnoză duce la o fiabilitate scăzută a diagnosticului. Utilizarea sistemelor bazate pe metode probabilistice de diagnosticare face posibilă reducerea semnificativă a timpului de diagnosticare și, prin urmare, cantitatea de date transferate, prin reducerea numărului de întrebări de diagnosticare, nu în detrimentul obiectivității și fiabilității diagnostice.
În această lucrare, propunem un model probabilistic de diagnosticare la distanță, conform căruia simptomele utilizatorului sistemului pot fi atribuite uneia dintre mai multe stări care corespund unei posibile boli. Statele sunt caracterizate de probabilități și constituie un grup complet de evenimente. În procesul de diagnosticare, pacientului i se oferă întrebări de diagnosticare, iar în funcție de răspunsurile la acesta, probabilitatea modificării bolii. Sunt oferite întrebări până când una dintre stările de probabilitate (boala sau absența bolii) nu depășește pragul stabilit de utilizatorul sistemului.
Fiecare încercare este caracterizată de o matrice P a probabilităților condiționale, ale căror coloane corespund stărilor și rândurilor cu rezultatele testului. Rezultatul în cazul general este un eveniment care constă în primirea unui răspuns - un simptom dintr-un grup de răspunsuri, unite de un anumit semn. În celulele din matrice conțin - probabilitatea ca un simptom să apară în boală.
Valorile de probabilitate sunt stabilite de medicii de specialitate care au dreptul să le editeze. Un exemplu de scală pentru evaluarea probabilității unui simptom pentru o anumită boală este prezentat în tabel.
Încredere totală în diagnosticare
O deviație unică a diagnosticului
Probabilitatea este foarte mare
Probabilitatea este foarte mică
Mai degrabă da, decât nu
Mai degrabă nu, decât da
Cunoscând probabilitățile condiționate, probabilitatea primirii de state și anumite rezultate folosind teorema lui Bayes, putem calcula probabilitatea condiționată de prezența în obiectul de diagnostic a bolii, cu condiția ca, după următoarea verificare a primit rezultatul j-lea. Aceste probabilități sunt considerate a priori probabilități ale statelor atunci când se selectează și se efectuează următoarea verificare de diagnosticare.
Dacă starea pacientului nu este cunoscută inițial, este rezonabil să presupunem că probabilitățile inițiale ale stărilor sale sunt egale.
Pe baza indicatorului maxim al informațiilor medii, sistemul selectează în prealabil cea mai informativă verificare. Figura prezintă o schemă a algoritmului pentru alegerea testului cel mai informativ. Introducem următoarele concepte: - entropia a priori care caracterizează starea sistemului de diagnosticare înainte de începerea testului k; - entropia medie a posteriori a unei stări după un test condițional k.
Entropia a priori înainte de începerea testului k se calculează cu formula:
Entropia după testul condițional k se calculează cu formula:
În acest caz, entropia condiționată care caracterizează schimbările în incertitudinea stării diagnosticate de sistemul pacientului în cazul în care k este terminată de rezultat.
Se efectuează un singur test - se pune întrebarea și posibilele răspunsuri. Răspunsul pacientului cu ajutorul unei proceduri speciale este format în rezultatul.
Mai mult, din matricea de verificare, este selectat șirul de probabilitate condiționată corespunzător simptomului primit.
Formula lui Bayes pentru ipotezele concurente calculează o nouă distribuție de probabilități - o posibilă diagnoză a pacientului.
Verificarea efectuată este exclusă din listă. Ciclul se repetă până când valoarea probabilității uneia dintre boli depășește pragul presetat sau întreaga listă de simptome de testare este epuizată. Pe baza rezultatelor controalelor, se face o concluzie privind cea mai probabilă boală. Implementarea de software a algoritmului este implementată în limba Borland C ++ Bilder.
Modelul probabilistic propus de diagnosticare a bolilor și algoritmul de căutare directă pentru testele de diagnosticare reduc numărul de întrebări solicitate. Acest lucru conduce la o utilizare eficientă a resurselor disponibile prin reducerea costurilor forței de muncă ale lucrătorilor medicali, reducerea volumului de informații transmise pe canalul de date și sarcina pe dispozitivele medicale de diagnostic existente, oferind în același timp fiabilitate ridicată și obiectivitate a activității de diagnosticare a sistemului.