Выполнил(а): студентка 1 курса 3 группы ф-та клинической психологии Раилко Д.А.

Экспертные системы (ЭС) в здравоохранении. Основные методы инженерии знаний для построения ЭС. Современные методы информатизации для поддержки принятия медицинских решений. Технологии InterSystems для поддержки принятия решений в медицине. Экспертные системы для поддержки принятия решений в медицине

Поддержка принятия решений с т.з. ИТ - это информационное обеспечение процессов выработки и реализации решений в различных предметных областях. Экспертные системы - одна из дисциплин в области Искусственного интеллекта, изучающая и обеспечивающая автоматизацию процессов принятия решений в нечеткой среде. Другие дисциплины Искусственного интеллекта: искусственное зрение и распознавание образов искусственное распознавание и интерпретация речи искусственный перевод текстов и речи нейронные сети. Экспертные системы

Для чего чаще всего нужны ЭС: Постановка диагноза Выбор/формирование оптимальной стратегии лечения Выбор оптимальных лекарственных препаратов Кому нужны ЭС: Молодым и неопытным врачам Врачам при работе не по их профилю В экстренных случаях при острой нехватке времени и большом числе влияющих на решение факторов Квалифицированным и опытным врачам в их сфере деятельности и в нормальной ситуации ЭС не нужны. Для чего и кому нужны ЭС

MICIN - экспертная система для медицинской диагностики инфекционных заболеваний верхних дыхательных путей. Разработана в середине 60-х годов ХХ века. В Базе знаний (БЗ) около 500 правил. e-MICIN - оболочка ЭС. Разработана в середине 70-х годов. БЗ пустая, но механизмы вывода сохранены. PUFF - ЭС, разработанная в начале 70-х годов с использованием оболочки ЭС e-MICIN. ЭС PUFF анализирует и различные нарушения дыхания и диагностирует вызвавшие их заболевания. В БЗ сотни правил. Первые экспертные системы в медицине

Различные вероятностные модели, в т.ч. использующие условные вероятности (теорема Байеса). Методы основанные на правилах типа Если-То..., Если- То-Иначе... с формированием иерархических деревьев рассуждений. Методы нечеткой логики с использованием функций принадлежности. Смешанные, использующие для получения одного вывода несколько разных методов инженерии знаний. Большинство из них позволяют строить прямые (от исходных данных к цели рассуждения) и обратные (от цели к обеспечивающим их данным) цепочки рассуждений, задачей которых является доказательство логически верных (с т.з. экспертов) заключений и выводов. Основные методы инженерии знаний

Получаемые результаты анализа данных мед.статистики помогают: органам управления здравоохранением вырабатывать более или менее оптимальные управленческие решения, врачам выявлять различные зависимости возникновения и протекания заболеваний, оценивать эффективность различных методов лечения, использования тех или иных медикаментов и т.п. Все это, как правило, влияет на качество оказания медицинских услуг весьма опосредованно. Существенно повысить оперативность и качество сбора и анализа данных позволяет использование различных СУБД и аналитических систем, которых на рынке множество, среди которых InterSystems Cache и DeepSee. Анализ структурированных данных

Основные способы формирования ИЭМК: На основе ведущихся в единых для множества ЛПУ БД Формирование в конкретный момент времени по конкретному запросу врача к МИС каждого из ЛПУ На основе единых репозиториев медицинских данных. Наиболее полно и качественно формирование ИЭМК стало возможным при появлении интеграционных платформ, типа InterSystems Ensemble и особенно специализированных интеграционных платформ для здравоохранения, типа InterSystems HealthShare. Формирование интегрированных ЭМК

Анализ неструктурированных (текстовых и графических) данных, хранящихся в различных ЭМК, нормативных документах и т.п. используется для поиска однозначно трактуемых соответствий в текстах различных ЭМК, для формирования ИЭМК из разнородных источников, поиска закономерностей протекания заболеваний по различным нозологиям, определения единых подходов к их лечению и т.п. Такие системы появились в последние годы вместе с появлением соответствующих технологий анализа неструктурированных данных типа InterSystems iKnow. Анализ неструктурированных данных

HealthShare Стратегическая платформа для здравоохранения TrakCare Глобальная Web-ориентированная МИС Ensemble ИП 1 в здравоохранении мира Технологии для здравоохранения

Интеллектуальная интеграция и агрегация Извлечение знаний и данных Аналитика Объединение технологий для ППР

1. Андрейчиков А.В., Андрейчикова О.Н.// «Интеллектуальные информационные системы». – М.: Финансы и статистика, Боровиков В.П., Ивченко Г.И.// «Прогнозирование в системе Statistica в среде Windows». – М.: Финансы и статистика, Гельман В.Я.// «Медицинская информатика: практикум». – СПб.: Питер, Горбань А.Н. // «Методы нейроинформатики». Красноярск, Горбань А.Н., Дунин-Барковский В.Л., Кирдин А.Н. и др.// «Нейроинформатика». Новосибирск: Наука, Дюк В.А., Самойленко А.П.// «Data Mining: учебный курс». СПб.: Питер, Дюк В.А., Эмануэль В.Л.// «Информационные технологии в медико- биологических исследованиях». – СПб.: Питер, Жарко В.И., Цыбин А.К., Малахова И.В. и др. // «Вопросы организации и информатизации здравоохранения» – С. 37. Список литературы

Спасибо за внимание!