Автоматизированная клиническая информационно-интеллектуальная справочная система

Задачи классификации  АКИИСС.

                     К числу основных задач DM в АКИИСС относятся задачи классификации, кластеризации, поиска ассоциаций и корреляций, выявления типовых образцов на заданном множестве клинических признаков жалоб, анамнеза, осмотров, инструментально-лабораторных заключений и т.д., обнаружения объектов данных, не соответствующих установленным характеристикам и поведению, исследование тенденций во временных рядах и др.. 
 
                      Решение этих задач требует обработки больших объемов клинической информации, содержащейся в хранилищах данных. Особенность используемых при этом алгоритмов состоит в том, что при их создании необходимо учитывать организацию источника клинических данных, их значительный объем и большие размерности задач. Одно из важных требований к алгоритмам связано с обеспечением их масштабируемости. 
 
                     Процесс ИАД в АКИИСС включает четыре основных этапа. На первом аналитик формулирует постановку задачи в терминах целевых переменных. На втором этапе осуществляется подготовка данных для анализа. Обычно данные представляются в виде таблицы, строки которой (записи) соответствуют объектам или состояниям объекта, а столбцы (поля, переменные) — свойствам (признакам) объектов. Значения свойств могут выражаться числами, логическими величинами и категориальными (нечисловыми) данными (симптом, анатомический объект, анатомическое расположение, семантическое определение симптома и/или синдрома, выраженность его, условие формирования и т.д.). 
 
                      Категориальная переменная может быть заменена набором логических переменных, количество которых равно количеству значений категориальной переменной. Между множеством значений категориальной переменной и множеством логических переменных устанавливается взаимно однозначное соответствие. Например, категориальную переменную «головная боль», принимающую значения из множества («достоверна», «вероятна», «точная», «не возможна»), можно заменить набором логических переменных Z1, Z2, Z3, Z4. Из множества свойств должны быть исключены избыточные и малоинформативные элементы, остальные должны иметь связанные дополнительные уточняющие данные. Малоинформативными являются свойства, имеющие одно и то же значение почти для всех записей, а также свойства, количество значений которых приближается к числу записей.

                                                 6. Заключение.

               Интеллектуальная информационная система - это компьютерная модель интеллектуальных возможностей человека в целенаправленном поиске, анализе и синтезе текущей информации об окружающей действительности для получения о ней новых знаний и решения на этой основе различных жизненно важных задач. 
 
              Интеллектуальная информационная система (ИИС) - это ИС, которая основана на концепции использования базы знаний для генерации алгоритмов решения экономических задач различных классов в зависимости от конкретных информационных потребностей пользователей. 
 
             Чаще всего интеллектуальные системы применяют для решения задач, основная сложность которых связана с использованием слабо-формализованных знаний специалистов – практиков и где смысловая или логическая обработка информации преобладает над вычислительной. Например, понимание естественного языка, принятия решений в сложной ситуации, управление диспетчерским пультами. Системы, ядром которых является база знаний или модель предметной области, описанная на языке сверхвысокого уровня, приближенном к собственному, называют интеллектуальными. Такой язык сверхвысокого уровня называют языком представления знаний. 
 
              Перспективным путём совершенствования и дальнейшего развития экспертных систем является создание инструментальных средств, базирующихся на совместном использовании различных моделей представления знаний: продукционных, семантических, фреймов и логических моделей. Все эти модели являются математическим средством построения перспективных интеллектуальных автоматизированных систем обработки информации и управления. 
 
             В общем случае все системы, основанные на знаниях, можно подразделить на системы, решающие задачи анализа, и на системы, решающие задачи синтеза. Основное отличие задач анализа от задач синтеза заключается в том, что если в задачах анализа множество решений может быть перечислено и включено в систему, то в задачах синтеза множество решений потенциально не ограничено и строится из решений компонент или под-проблем. Задачами анализа являются: интерпретация данных, диагностика, поддержка принятия решения; к задачам синтеза относятся проектирование, планирование, управление. Комбинированные: обучение, мониторинг, прогнозирование.

             Таким образом, использование в АКИИСС ИАД позволяет обеспечивать информационно-интеллектуальное сопровождение лечебно-диагностического процесса, оказывая клиницисту поддержку в виде:

• предоставления результатов дифференциации при получении множества клинических признаков по диагнозам, симптомам, синдромам, анатомическим образованиям, анатомическим расположениям, выраженностью, условиями формирования изменений и т.д. в он-лайн режиме;
• выдачи общих и специфических симптомов и синдромов по предоставленным диагнозам в он-лайн режиме;
• выдачи наиболее достоверных показателей лабораторно-инструментальных исследований по предоставленным диагнозам в он-лайн режиме;
• составления форм стандартного обследования пациента при множестве дифференциальных диагнозов, выделяя наиболее целесообразные и рациональные методы исследования в он-лайн режиме;
• составления форм стандартного/типового лечения пациента по предоставленным диагнозам в он-лайн режиме;
• составления форм стандартного/типового санаторно-курортного лечения по предоставленным диагнозам (формирование – аналогично предыдущему) в он-лайн режиме;
• автоматического информирования о общих и специфических противопоказаний в видах лечения по предоставленным диагнозам в он-лайн режиме;
• автоматического анализа лекарственного взаимодействия и противопоказаний по предоставленному фармакологическому (препаратному) лечению в он-лайн режиме;
• автоматического анализа соответствия назначенных курсов лечения (препаратов) предоставленным диагнозам и совместимости курсов лечения (препаратов) между собой в он-лайн режиме.

           АКИИСС позволяет решать следующие  задачи для повседневной деятельности  медицинских учреждений (в качестве  самостоятельной системы, либо  интегрируемая в существующие/действующие системы документооборота):

• получение достоверной и полной информации о заболеваемости в учреждении или округе в он-лайн режиме;
• оперативное получение клинической и другой информации о каждом конкретном больном в он-лайн режиме;
• осуществление постоянного мониторинга лечебно-диагностической деятельности подразделений и должностных лиц медицинской службы;
• проведение независимого медико-статистического анализа любого подразделения медицинской службы;
• осуществление контроля в реальном масштабе времени за качеством оказания медицинской помощи по конкретному больному и подчиненным подразделениям;
• проведение автоматизированного сравнительно-сопоставительного анализа деятельности разных подразделений медицинской службы за любой установленный промежуток времени;
• оперативной генерации отчетов.
• интеграцию с системами учета и контроля по линии ОМС и ДМС.

7.СПИСОК ИСПОЛЬЗОВАННОЙ ЛИТЕРАТУРЫ.

1. Андрейчиков А.В., Андрейчикова О.Н. Интеллектуальные информационные системы. Уч.- М.: Финансы и статистика, 2004.- 424 с. 
 
2. Арсеньев С. Н., Шелобов С. И., Давыдова Т.Ю. «Принятие решений. Интегрированные информационные системы». Учебное пособие для ВУЗов. М.:Юнити-Дана, 2003.-270 с. 
 
3. Джексон П. Введение в экспертные системы/ Учебное пособие - М.: «Вильямс», 2001 – 624с.  
 
4. Леденева Т.М., Подвольный С.Л. Системы искусственного интеллекта и принятия решений: учебное пособие; Уфа: УГАТУ, 2005. – 246 с. 
 
5. Поспелов Г. С. «Искусственный интеллект. Новые информационные технологии» - М.: «Наука 2006г.» 
 
6. Системы управления базами данных и знаний. Справ. Изд./А.Н. Наумов, А.М. Вендров, В.К. Иванов и др.; Под ред. А.Н. Наумова. – Финансы и статистика, 2001.

7. Фигурнов В.Э. IBM HC для пользователей. Кратки курс. -М.: ИНФРА-М, 2001.-480с

8. Советский энциклопедический  словарь. –М.: Советская энциклопедия, 1980.

9. Башмаков А.И., Бамаков И.А. Интеллектуальные информационные технологии. Учебное пособие. Москва, МГТУ им. Н.Э. Баумана, 2005. С.302. 
 
10.  Кобринский Б.А. Ретроспективный анализ медицинских экспертных систем // Новости искусственного интеллекта. – №2. – 2005. – С.6-17. 
 
11. Когаловский М.Р. Перспективные технологии информационных систем. — М.: ДМК Пресс; М.: Компания АйТи, 2003. — 288 с. 
 
12. Стулов А.В. Хранилища данных: основные архитектуры и принципы построения // Новости искусственного интеллекта. 2003. — № 2. — С. 37—41. 
 
13. Inman W. Building the Data Warehouse. — New York: John Willey & Sons,1992. 
 
14. http://www.megaputer.ru. 
 
15. http://www.crisp-dm.org.