автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.09, диссертация на тему:Оптимизация планирования стационарного лечения больных на основе классификационных и прогностических моделей

^ . ^ , На правах рукописи

/ 2 ДЕК

Чопоров Олег Николаевич

ОПТИМИЗАЦИЯ ПЛАНИРОВАНИЯ СТАЦИОНАРНОГО ЛЕЧЕНИЯ БОЛЬНЫХ НА ОСНОВЕ КЛАССИФИКАЦИОННЫХ И ПРОГНОСТИЧЕСКИХ МОДЕЛЕЙ

Специальность 05.13.09 - Управление г ... еских и

медицинских системах „ чючая применение вычислительной техники)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

ВОРОНЕЖ - 1997

Работа выполнена в Воронежском государственном техническом университете.

Научный руководитель: заслуженный деятель науки РФ,

д-р техн. наук, проф. Львович Я.Е.

Официальные оппоненты: заслуженный деятель науки и техники РФ,

д-р техн. наук, проф. Петровский B.C.

канд. техн. наук, доцент Федянин В.И.

Ведущая организация: Воронежский областной клинический

лечебно-диагностический центр

Защита диссертации состоится 18 декабря 1997 г. в конференц-зале на заседании диссертационного совета Д 063.81.04 при Воронежском государственном техническом университете по адресу: 394087, г. Воронеж, Московский проспект 14.

С диссертацией можно ознакомиться в библиотеке Воронежского государственного технического университета.

Автореферат разослан « fj- >'■ (JOlQ d/ 1997 i

Ученый секретарь диссертационного совета —Пасмурной С.М.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. В последнее время, в медицинской практике, широкое примелите находят различные электронные справочные системы, системы интеллектуальной поддержки врача при выборе диагноза, планировании лечебных мероприятий. При наличии разнообразного арсенала лекарственных средств и разработанных показаний к их применению практически очень трудно врачу выбрать те препараты, которые будут наиболее полезны больному в конкретной ситуации. Этим качеством владеют лишь опытные врачи с большим стажем практической аналитической работы. Поэтому использование новых информационных технологий для создания медицинских советующих систем, объединяющих знания и опыт врачей-экспертов, является важной задачей.

Проблемы, связанные с построением моделей заболеваний, прогнозированием различных исходов, принятием оптимальных решений при выборе тактики лечения, занимают важное место в автоматизированных системах, входящих в состав АРМ врача. Сложность и многообразие решаемых задач обусловливают повышенные требования к построению процедур моделирования и оптимизации, и эффективности средств их алгоритмической и программной поддержки.

Организация процессов оптимального планирования осложняется спецификой представления знаний в данной предметной области: многие показатели не имеют количественной оценки, архивная информация, как правило, содержит определенный процент ложных измерений, имеет место неоднородность характеристик больных, в результате чего в каждом отдельном: случае требуется свой подход.

Большинство существующих в настоящее время подсистем моделирования, прогнозирования и выбора лечения основывают свою работу на стандартных, жестко заданных типовых схемах, что не позволяет выбирать план лечения, оптимальный для отдельного больного. Поэтому является важной задача разработки моделей выбора оптимальной тактики лечения, позволяющих адаптировать типовые схемы лечения для конкретного пациента с учетом эффективности, совместимости, противопоказаний и цены каждого отдельного препарата. В качестве алгоритмических средств, как правило, выбираются стандартные библиотеки языков программирования высокого уровня, что осложняет создание мощных систем, содержащих реализацию различных математических методов обработки информации. Большой интерес представляет использование стандартных математических пакетов (Maple, Matematika) для облегчения процесса создания подсистем моделирования и прогнозирования, основывающих свою работу на

л

классификационных и прогностических моделях. Таким образом, тематика диссертации, связанная с разработкой алгоритмического и программного обеспечения компьютерной системы выбора оптималь пого_ плана лечеиия больных, является актуальной.

Работа выполнена в соответствии с межвузовской комплексной научно-технической программой 12.11 "Перспективные информационные технологии в высшей школе" в рамках: одного из основных направлений Воронежского государственного технического университета "Биокибернетика, компьютеризация в медицине".

Цели и задачи исследования. Целью диссертации является разработка комплекса моделей, алгоритмов и программ прогнозирования неходов, выбора эффективной схемы и тактики лечения с учетом не-однородностей. Для достижения поставленной цели в работе решались следующие задачи:

разработка алгоритмов фильтрации и исключения параметрической избыточности для обработки статистической информации с последующим построением формализованных моделей заболеваний на основе классификационных методов;

построение оптимизационных моделей, позволяющих учесть эффективность, стоимость и совместимость отдельных воздействий при выборе начального плана лечения;

формирование библиотеки проблемно-ориентированных модулей для процедур моделирования, прогнозирования, оценки эффективности лечения и выбора оптимально го плана лечения;

создание средств диалогового взаимодействия с ЛИР и апробация созданного комплекса для прогнозирования осложнений острого инфаркта миокарда и выбора адекватной превентивной терапии.

Методы исследования основываются на методах математического моделирования, математической статистики, теории управления биологическими и медицинскими системами, теории систем, теории вероятностей, теории искусственного интеллекта, имитационного моделирования, аппарате вычислительной математики, на экспериментальных исследованиях. При разработке программных средств использовались методы модульного программирования и технологии объектно-ориентированного программирования.

Научная новизна. Основные результаты диссертации, выносимые на защиту и имеющие научную новизну, состоят в следующем:

предложены алгоритмические схемы обработки архивной информации, позволяющие выявить и исключить недостоверные сообщения, выбрать оптимальное признаковое пространство, характеризующееся минимальной размерностью ири достаточной информативности ;

алгоритм построения формализованных моделей заболеваний позволяет выделить однородные группы больных, характеризующиеся различными эталонами параметров, обеспечивающими идентификацию состояния вновь поступивших объектов;

метод оценки эффективности лечения при использовании различных терапевтических схем воздействия отличается возможностью проведения оценки по нескольким показателям с учетом динамики их изменения;

алгоритм выбора оптимального начального плана лечения обеспечивает быстрое получение решения при большом числе ограничений за счет использования модификации метода «ветвей и границ», позволяющей учесть специфику ограничений и сократить дерево возможных вариантов.

Практическая ценность заключается в следующем: используемый при разработке алгоритмического и программного обеспечения принцип модульного синтеза позволил оформить отдельные подсистемы как автономные комплексы, способные решать задачи классификации, идентификации, построения регрессионных моделей применительно к любым данным;

в результате проведенных исследований разработана оптимизационная модель, позволяющая учитывать эффективность, стоимость и другие характеристики каждого препарата; выбирать наиболее приемлемую схему терапевтических воздействий для каждого больного, что повышает эффективность лечения в целом;

разработанная система инвариантна к предметной области приложения, обладает высокой гибкостью и может быть использована при решении поставленных задач в любой области медицины; за счет использования средств стандартной СУБД имеется возможность хранения и обработки большого объема архивной статистической информации ;

сформирована информационная база, позволяющая врачу-кардиологу использовать разработанный комплекс для прогнозирования на ранней стадии возможных осложнений острого инфаркта миокарда и выбора оптимальной превентивной терапии.

Реализация результатов работы. Разработанный на основе интеграции подсистем моделирования и оптимального планирования лечебных мероприятий программный комплекс внедрен в 3-й больнице г. Воронежа с годовым экономическим эффектом 20,88 млн рублей в ценах 1997 г.

Теоретические и практические результаты работы, реализованные автором в комплексе программных средств выбора оптимальных лечебных мероприятий, внедрены в учебный процесс на межвузовской

кафедре медицинских и гуманитарных систем и используются для проведения лабораторных работ по курсу "Медицинские информационные системы".

Результаты внедрения подтверждаются соответствующими актами.

Апробация работы. Основные положения диссертационной работы докладывались и обсуждались на следующих конференциях, семинарах и совещаниях: Всероссийском совещании-семинаре "Математическое обеспечение высоких технологий в технике, образовании и медицине" (Воронеж, 1994, 1996, 1997); Всероссийском совещании "Проблемы создания национальной академической системы баз данных и баз знаний" (Уфа, 1995); Международной научно-технической конференции "Методы и средства оценки и повышения надежности приборов, устройств и систем" (Пенза, 1995); научно-практической конференции "Высокие технологии в практике учреждений здравоохранения г. Воронежа" (Воронеж, 1995); VII Международной научн.-тех. конференции «Лазеры в науке, технике, медицине» (г. Сергиев Посад, 1996); семинарах кафедр «Системы автоматизированного проектирования и информационные системы», «Медицииские и гуманитарные системы»; ежегодных научных конференциях профессорско-преподавательского состава Воронежского государственного технического университета.

Публикации. Основные результаты диссертации опубликованы в 11 печатных работах, перечень которых приведен в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, четырех глав с выгодами и заключения, изложенных на 115 е., списка литературы (104 наименования) на 11 е., четырех приложений на 32 е., содержит 10 рисунков, 10 таблиц.

Основное содержание работы

Во введении обосновывается актуальность работы, дается ее краткая характеристика, показываются основные пути решения сформулированных проблем.

В первой главе диссертации рассматривается структура АРМ врача, ее назначение, состав отдельных модулей, информационные связи и использование основных подсистем в клинических условиях; проводится сравнительный анализ существующих АРМ; оценка их функциональных возможностей; определяются основные требования к информационной базе, подсистемам моделирования, прогнозирования и выбора тактики лечения; определяются пути повышения эффектив-

ности использования данных подсистем для решения задач интеллектуальной поддержки врача; анализируются возможности современных СУБД , математических пакетов, и возможность их интеграции с разрабатываемым программно-методическим комплексом; рассматриваются современные разработки в данной области. На основании проведенного анализа определяются цель и задачи исследования.

Вторая глава посвящена вопросу построения формализованных моделей заболеваний и идентификации на их основе состояния пациента.

Исходная обучающая выборка представлена множеством @:

а„=у& - о>

где - объем исходной выборки.

Каждый пациент характеризуется набором физических, анамнестических, клинических и лабораторных показателей

Р»=\Р1 Р!™} , (2)

где / = 1 ,/цсх. - индекс показателя;

п = - порядковый номер пациента.

Алгоритм построения моделей основан па методах кластерного анализа; исходная обучающая выборка разбивается на однородные группы, соответствующие заболеваниям одной нозологической группы или различным осложнениям одного заболевания. Формализованная модель представляет собой область значений параметров и лингвистическое описание, характеризующее то или иное заболевание.

мН^.Х,). 1 = ] = (3)

где г - индекс показателя;

У - количество моделей;

2"' - значение параметров модели (эталон параметров);

£ - лингвистическое описание модели (название диагноза).

Точность и работоспособность полученных моделей в значительной мере зависит от «засоренности» обучающей выборки и выбранного признакового пространства.

Для исключения недостоверных сообщений используется алгоритм фильтрации информации.

На первом этапе осуществляется отсеивание сообщений, которые не могут быть достоверными из-за выхода значения какого-либо отдельного параметра (или группы параметров) за допустимые границы.

Решение задачи второго, основного этапа информационной фильтрации заключается в отборе из исходного множества сообщений с оценкой достоверности выше некоторой значимой величины. Информация, содержащая фиксированные смысловые значения сообщений на основе экспертных оценок, преобразуется в численную. Для эффективной работы алгоритма фильтрации информации производится нормировка всех показателей.

Определение степени достоверности информационных сообщений основано на концепции типичности, т.е. достоверность сообщения считается тем выше, чем оно типичнее для всего ряда сообщений. Поскольку сведения представлены численными значениями, правомерен геометрический подход, позволяющий рассматривать информационные сообщения как "созвездия" в ¿-мерном гиперпространстве признаков. Способ решения зависит от дополнительных априорных данных о степени "засоренности" исходной обучающей выборки.

Для оптимизации признакового пространства за счет исключения параметрической избыточности используется метод «дискретных корреляционных плеяд». Суть его заключается в формировании плеяд параметров со значимым признаком сходства и последующей заменой этих плеяд на единственный метапараметр, обладающий наибольшим весом по отношению к прочим.

Если параметры объектов исходной выборки имеют нормальный закон распределения, в качестве меры сходства выступают значения коэффициентов корреляции. В противном случае используется непараметрическая оценка степени сходства.

Процедура классификации основана на итерационном методе «средней связи». Результат классификации в значительной мере зависит от выбранной меры близости объектов. Если отсутствует априорная информация о форме кластеров и требуемой метрике, расчеты производятся несколько раз и выбирается та мера близости, при которой степень адекватности модели окажется максимальной. Критерием адекватности полученных моделей является процент попадания пациентов из обучающей выборки, имеющих установленный диагноз, в группы с аналогичным значением лингвистического описания модели. Схема алгоритма построения формализованных моделей представлена на рис. 1.

Принадлежность вновь поступившего объекта одной из существующих моделей т определяется по правилу

Рис. 1. Схема алгоритма построения моделей заболеваний

где г,, ' слепень сходства объекта X с моделью ] ;

- минимально допустимая степень сходства (сслн г, ,-Г,, то данный объект не принадлежит ни одной из моделей).

Для расчета /• используется выражение

где - степень сходства объекта X и эталона параметров модели

После подтверждения выбранной альтернативы (поставленного диагноза) набор показателей X и соответствующая им альтернатива включаются в множества С н Ь для обучения системы. Производится корректировка моделей (3) за счет обновления параметров с учетом показателей поступившего объекта £ .

В третьей главе рассмотрена процедура выбора наиболее эффективной схемы и оптимального плана лечения.

Для сравнения эффективности лечения с учетом динамики изменения одного или нескольких показателей. используется критерий эффективности, основанный на предположении, что важность изменения контролируемых показателей изменяется по экспонентациалъному закону, начиная с первого дня лечения

, * = ; (5)

. *=!(6)'

1 А г, 2

К - количество контролируемых показателей;

(/ = 1,/} - день измерения показателя;

(г = 1,7-1) - коэффициенты, характеризующие важность изменения показателен в желаемом направлении между ¡ м и (Н1 )-м измерением;

А - важность нормализации показателя в последний день лечения, по сравнению с первым (и %).

Выражение (5) используется, если важно снижение к-го показателя, в противном случае используется выражение (6).

Сравнение может производиться как по отдельным показателям (?), так и по их свертке в один метапараметр (8):

где rarigt - важность k-го показателя.

Для точности оценки эффективности необходимо разбить исходную выборку на однородные группы и произвести нормировку показателей.

В случае, когда предложенный подход неприемлем из-за большого числа контролируемых показателей при разнородно]! группе больных, и требуется учесть индивидуальные особенности каждого больного, используются прогностические модели. В качестве зависимых переменных используются значения контролируемых показателей, в качестве независимых - время и индивидуальные характеристики больных. Прогностические модели строятся для всех возможных схем лечения исследуемого заболевания. На основе построенных моделей лля вновь поступившего больного производится прогнозирование изменения контролируемых показателей в процессе лечения при использовании различных терапевтических схем. На основе полученного прогноза выбирается схема, для которой эффективность, согласно разработанному критерию, окажется максимальной.

Как правило, в рамках каждой схемы лечения есть возможность замены отдельных препаратов их аналогами, отличными по эффективности, стоимости, совместимости и другим показателям.

Для выбора начального плана лечения предлагается оптимизационная модель, позволяющая отобрать препараты с максимальной эффективностью при ограничениях на затраты.

Каждому элементу лечебно-профилактических воздействий ставится в соответствие альтернативная переменная х, > принимающая значение единица при использовании этого воздействия и ноль в противном случае. Все воздействия ранжируются по их предполагаемому эффекту с введением коэффициентов "ценности" а, ■ Целевой функцией является получение максимального эффекта от комплекса лечебных мероприятий

(7)

К

(8)

При этом должны выполняться ограничения на затраты

Ёг.Х^г дг,е{0,1}; ^>0; 2>0. (10)

Несовместимость лечебных мероприятии учитывается на основе следующих ограничений :

где Т - количество возможных пар несовместимых воздействий.

Для взаимозаменяемых препаратов, принадлежащих одной группе, вводятся ограничения

а=М . (12)

где А - количество групп, содержащих несколько препаратов-аналогов;

Ца - множество взаимозаменяемых препаратов, принадлежащих а-й группе.

В случае, когда из каждой группы препаратов-аналогов в полученное решение обязательно должен войти какой-либо препарат, вводятся дополнительные ограничения

£Л=1, а = й • (13)

В результате построения модели получена многомерная «задача о ранце», для решения которой использован модифицированный метод «ветвей и границ», позволяющий учесть специфику ограничений. При включении в допустимое решение очередной переменной Хг ~' проверяются условия (11, 12), и если обнаружены переменные Хк (¿=1,АГ), стоящие в одном ограничении с хг, то н допустимое решение автоматически включаются переменные , а соответствующие ограничения исключаются из рассмотрения. Полученное приближенное решение не принимается при невыполнении ограничений (.13).

Корректировка начального плана осуществляется в процессе лечения с использованием двухуровневых адаптивных алгоритмов. Для выбора начальной дозы используются прогностические модели, позволяющие учесть индивидуальные характеристики больного.

Схема алгоритма решения оптимизационно]! задачи выбора начального плана лечения приведена на рис. 2.

Рис. 2. Схема алгоритма решения оптимизационной задачи выбора начального плана лечения

В четвертой главе рассмотрена реализация разработанных алгоритмов для прогнозирования осложнений острого инфаркта миокарда и выбора адекватной превентивной терапии, представлена информационная база и результаты работы.

Для исследования были выбраны следующие осложнения:

разрыв миокарда;

фибрилляция желудочков;

кардиогенный шок;

отек легких;

острая аневризма левого желудочка.

Для формирования исходной выборки проведен анализ состояния 203 больных инфарктом миокарда без выраженной сопутствующей патологии. В совокупности у каждого пациента определялся 61 показатель.

Для исключения недостоверных сообщений была произведена фильтрация исходной выборки, в результате которой удалось исключить 6 объектов, содержащих ошибки измерения показателей.

При оптимизации признакового пространства получены 10 «плеяд» параметров. При выборе мегапарамегра использовались принципы:

максимальной связи с другими параметрами «плеяды»;

оперативности и клинической доступности определения показателя.

Согласно этим принципам в качестве оптимальных для дальнейшего построения моделей заболеваний были отобраны следующие показатели:

1. Систолическое артериальное давление, мм рт.ст.

2. Элевация сегмента БТ, мм.

3. Интервал Р-Т, мм.

4. ИКО-ЗО антиген (тяжелая цепь 1§М на мембране В-лимфоцитов), %.

5. Индекс инактивации тромбопластина и тромбина (ИИТ).

6. Каолин-кефалиновое время свертывания АЧТВ, с.

7.ЛДГ-1, %.

8. Калий сьшоротки крови, мМолъ/л.

9. Фракция выброса по данным ЭХО КГ, %.

10. Минутный объем сердца, мл/м2/уд.

Перед построением моделей заболеваний была произведена нормировка значений показателей относительно границ изменения. Учитывая, что анализировалась совокупность больных осложненным инфарктом миокарда с известным течением патологического процесса, его осложнениями и исходом, количество групп было заранее опреде-

лено и соответствовало осложнениям инфаркта миокарда. Разбиение объектоа на классы было заранее известно и принято в качестве эталонного для определения точности классификации.

Полученные эталоны параметров формализованных моделей заболеваний приведены в табл. 1.

Таблица 1

Эталоны параметров моделей заболеваний_

Значения прогнозируемых эталонов параметров

Название Разрип Фибрил- Кардно- Отек Острая Ноослож

параметра мио- ляция геиныи легких аневризма ненпыи

карда желудочков шок левого желудочка ИМ

1 .Систолическое арте- 109,6 114,7 95,1 126,8 134,2 120,9

риальное давление, им

рт.ст

2.Элсвацня сегмента 4,53 3,91 4,22 4,02 3,79 3,60

БТ, мм

3.Интервал Т-Р, ми 0,29 0,08 0,51 0,42 0,63 0,41

4.ИКО-30 антиген, % 12,58 5,86 7,17 7,31 7,42 5,06

5.Индекс инактштции 2,09 2,10 2,21 2,00 2,11 2*01

тромбопластлна и тромбина ШИТ)

6.Каолин • ксфалиновое 45,72 46,79 55,24 44,28 48,61 44,62

время сшргивания АЧТВ, с

7.ЛДГ-1, % 32,52 24,31 28,29 25,20' 27,32 24,81

8.Калий сыворотки крови, м Моль /л 7,22 7,81 5,10 6,61 5,39 4,80

9-Фракцгя выброса по данным ЭХО КГ, % 76,53 72,28 28,37 33,51 54,64 64,52

10.Минутный объем сердца, мл/м2/уд. 8,51 6,38 5,29 6,51 7,39 8,20

Точность модели, % 93,36 94,48 93,74 93,82 89,48 94,22

Построенные модели заболеваний были апробированы в клинических условия;: на обширной выборке, представленной 192 больными инфарктом миокарда.

При поступлении в стационар у каждого пациента регистрировались показатели, вошедшие в оптимальное признаковое пространство, и производилась идентификация состояния. По результатам проведенного исследования общая группа больных (192 пациента) была разбита на б подгрупп, соответствующих анализируемым осложнениям. В каждой подгруппе половина больных получала базовую терапию, а половина превентивную, соответствующую осложнению.

В качестве базовой терапии рассматривались два варианта лечения: традиционная базовая терапия и прием на фоне традиционной терапии ингибитора ангиотепзип конвертирующего фермента.

Сравнение эффективности предложенных схем осуществлялось с использованием разработанного критерия эффективности лечения. Сравнивались две группы больных. Б первую группу вошли 50 больных острым инфарктом миокарда, получавших традиционную терапию, вторую группу составили 50 пациентов, получавших на фоне традиционной терапии эналаприл в дозе 10 мг в сутки. Для оценки динамики заболевания на 2-й, 10-й и 20-й дни лечения определялись 8 функциональных, клинических и лабораторных показателей, позволяющих комплексно оценить эффективность лечения. Оценка эффективности лечения осуществлялась как по каждому показателю отдельно, так и по их свертке в глобальный критерий. В результате было установлено, что согласно разработанному критерию эффективность лечения больных инфарктом миокарда с использованием ингибиторов ангиотензин конвертирующего фермента в 1,5 раза выше по сравнению с традиционной терапией. В дальнейшем именно эта схема использовалась в качестве базовой при назначении лечения.

В качестве превентивной терапии назначалась базовая схема с добавлением препаратов, рекомендованных к применению при прогнозировании соответствующего осложнения. Выбор начального плана лечения осуществлялся на основе оптимизационной модели, для работы которой была сформирована база данных, содержащая более 50 препаратов.

Результаты лечения больных инфарктом миокарда, вошедших в исследуемую группу, представлены в табл. 2.

_ __Таблица 2

Номер Под- Кол- Неосложненное Развитие осложнения

группы группа во, течение ожидаемого прочих

чел чел % чел % чел %

1 Основная 10 8 80 2 20 0 0

1 Контрольная 10 3 30 6 60 1 10

2 Основная 11 7 64' 3 27 1 9

2 Контрольная И 4 36 J 7 64 0 0

3 Основная 11 5 45 6 55 0 0

3 Контрольная 11 2 18 9 72 0 0

4 Основная 11 8 73 3 ~27 0 0

4 Контрольная И 0 0 11 100 0 0

5 Основная 18 13 72 5 28 0 0

5 Контрольная 18 2 И 14 78 2 и

6 Основная 70 53 76 0 0 24

Анализируя полученные данные, можно сделать вывод, что число возникших осложнений инфаркта миокарда в контрольных группах, где не использовалась превентивная терапия, в 2,47 раза больше, чем в основных. Это говорит об эффективности использования предложенного подхода к прогнозированию осложнений ИМ и выбору оптимального плана лечения.

Основные результаты работы состоят в следующем:

1. Проведен анализ существующих медицинских компьютерных систем, кх структуры и возможностей.

2. Предложен алгоритм построения формализованных моделей заболеваний, основанный на методах кластерного анализа. Данный алгоритм позволяет разбить исследуемую выборку пациентов на однородные группы, характеризующие заболевания одной нозологической группы или различные осложнения одного заболевания.

3. Сформированы процедуры отбора и предварительной обработки архивной информации, направленные на повышение достоверности, снижение трудоемкости ее сбора при достаточной информативности.

4 Разработан критерий эффективности лечения, позволяющий производить сравнение по одному пли нескольким показателям с учетом динамики их изменения.

5. Построена оптимизационная модель, позволяющая осуществить выбор начального плана лечения с учетом значимости, совместимости и стоимости отдельных воздействий.

6. Разработана компьютерная система оптимального планирования лечения, позволяющая решать следующие задачи:

построение формализованных моделей заболеваний на основе методов кластерного анализа;

сравнительный анализ использования различных схем лечения;

формирование прогностических моделей заболеваний;

выбор оптимального начального плана лечения.

7. Применение формализованных моделей заболеваний в группе больных инфарктом миокарда позволяет в автоматизированном режиме достоверно прогнозировать развитие осложнений острого периода заболевания. Об этом свидетельствует высокий процент совпадения фактического развития предполагаемых осложнений в контрольных подгруппах пациентов. Дифференцированное лечение, проведенное с учетом результатов классификации пациентов, позволило существенно снизить степень риска развития осложнений острого периода инфаркта миокарда.

8. Результаты работы внедрены в кардиологическом отделении третьей городской больницы г. Воронежа, а также в учебный процесс кафедры "Медицинские и гуманитарные системы" для студентов специальности 190500 "Биотехнические и медицинские: аппараты и системы".

Основное содержание диссертации изложено в следующих публикациях

1. Фролов М.В., Чопоров О.Н. Алгоритмизация планирования 7 реабилитационных мероприятий при коррекции генеративной функции //Оптимизация и моделирование в автоматизированных системах: Сб.науч.тр. Воронеж: ВГТУ, 1994. С. 116-121.

2. Фролов М.В., Чопоров О.Н. Программно-методический комплекс выбора оптимального плана лечения//Математическое обеспечение высоких технологий в технике, образовании й медицине: Тез. докл. Всерос. сов.-сем. Воронеж, 1994. С. 55.

3. Родионов О.В., Фролов М.В., Чопоров О.Н. Интеграция компьютерной медицинской системы и баз знаний// Проблемы создания национальной академической системы баз данных и баз знаний: Тез. докл. Всероссийского совещания. Уфа, 1995. С. 78-79.

4. Львович Я.Е., Родионов О.В., Чопоров О.Н. Системная среда высоконадежных компьютерных медицинских систем//Методы и средства оценки и повышения надежности приборов, устройств и систем: Тез. докл. международной науч.-тех. конф. Пенза, 1995. С. 177178.

5. Методы интеллектуальной поддержки принимаемых врачом решений при выборе тактики лечения/О.В. Родионов, Е.Д. Федор-ков, М.В. Фролов, О.Н. Чопоров //Высокие технологии в практике учреждений здравоохранения г. Воронежа: Тез.докл. науч,-практ.конф. Воронеж, 1995. С. 34-35.

6. Камышев A.A., Кузнецов С.И., Чопоров О.Н. Разработка подсистемы автоматизированного построения прогностических моделей //Математическое обеспечение информационных технологий в технике, образовании и медицине: Тез.докл.Всерос.сов.-сем. Воронеж, 1996. С. 118.

7. Разработка критерия эффективности лечения больных ИМ с применением ингибиторов ангиотензин конвертирующего фермента/ В.М. Провоторов, A.B. Иванов, С.И. Кузнецов, О.Н. Чопоров //Компьютеризация в медицине: Межвузовский сборшк научи, трудов. Воронеж: ВГТУ, 1996. С. 163-168.

8. Камышев A.A., Кузнецов С.И., Чопоров О.Н. Разработка процедур формализации моделей заболеваний// Компьютеризация в медицине: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1996. С. 158-163.

9. Провоторов В.М., Кузнецов С.И., Чопоров О.Н. Оценка эффективности лечения больных инфарктом миокарда с применением низкоэнергетического лазера "УЗОР"// Лазеры в науке, технике, медицине: Тез. докл. VII Международной науч.-тех. конференции, г. Сергиев Посад, 1996. С. 150-152.

10. Костина Н.Э., Льзович Я.Е., Чопоров О.Н. Эффективность различных схем гипотензивной терапии в практике врача кардиологического стационара//Высокие технологии в технике, медицине и образовании, ч.2: Межвуз. сб. науч. тр. Воронеж: ВГТУ, 1996. С. 87-92.

11. Львович Я.Е., Чопоров О.Н. Использование формализованных моделей заболеваний в задачах 'диагностики и прогнозирования/ / Математическое обеспечение информационных технологий в технике, образовании и медицине: Гез.докл.Всерос.сов.-сем, часть 1. Воронеж, 1997. С. 66.

ЛР № 020419 от 12.02.92. Подписало в печать 12.11.97 г. Усл.печ.л. 1,0.. Уч.-изд.л. 1,0. Тираж 100 экз. Заказ № -¿УЛ/ Воронежский государственный технический университет 394026 г. Воронеж, Московский проспект, 14 Участок оперативной полиграфии Воронежского государственного технического университета