автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Модели и алгоритмы автоматизации экспертных процедур в области медицинской диагностики

□□31ТТ65Э

На правах рукописи

Алджасим Хуссейн Ибрагим

МОДЕЛИ И АЛГОРИТМЫ АВТОМАТИЗАЦИИ ЭКСПЕРТНЫХ ПРОЦЕДУР В ОБЛАСТИ МЕДИЦИНСКОЙ ДИАГНОСТИКИ

Специальность 05 13 01 - системный анализ, управление и обработка информации (технические системы)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

2 7 ДЕК 2007

Санкт-Петербург - 2007

003177659

Работа выполнена в Санкт-Петербургском государственном электротехническом университете «ЛЭТИ» им В И Ульянова (Ленина)

Научный руководитель -

доктор технических наук, профессор Копыльцов А В

Официальные оппоненты

доктор технических наук, профессор Воробьев В И кандидат технических наук, доцент Казак А Ф

Ведущая организация - Санкт-Петербургский государственный университет информационных технологий, механики и оптики

Защита состоится «Я*! » 2007 г в^ часов на заседании

диссертационного совета Д 212 238 07 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» имени В И Ульянова (Ленина) по адресу 197376, Санкт-Петербург, ул Проф Попова, 5

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан «/3 » -// 2007 г

Ученый секретарь диссертационного совета

Цехановский В В

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы Согласно данным Всемирной организации здравоохранения (ВОЗ) в настоящее время насчитывается несколько тысячи заболеваний, возникающих от нескольких десятков тысяч причин Каждое из заболеваний характеризуется набором признаков, которые изменяются с течением времени На начальных стадиях многие болезни проявляются одинаково (например, повышение температуры, мышечная слабость, изменение частоты сердечных сокращений и т д ) Это означает, что врач для правильной диагностики заболевания должен обладать обширными знаниями, уметь обрабатывать большие объемы информации, своевременно принимать решения и всю ответственность брать на себя Для человека это практически невозможно (нет ни одного врача, который бы не ошибался) Поэтому разрабатываются модели и алгоритмы в области медицинской диагностики, которые могли бы на основе информации о заболеваниях помочь врачу принять правильное решение при постановке диагноза заболевания Однако до сих пор не созданы такие системы, которые позволяли бы это делать удовлетворительно Сложность решения этой проблемы состоит в огромном количестве информации, которую нужно переработать за ограниченное время, определить какая информация важная, а какая не очень важная Основная причина состоит в том, что каждый человек представляет собой уникальный организм Все болеют по-разному, однако, можно выявить среднестатистические показатели, характеризующие то или иное заболевание

Таким образом, разработка моделей и алгоритмов в области медицинской диагностики, которые поддерживали бы принятие решений врачом, актуальна и своевременна Наряду с лечением, важно также своевременно предупреждать заболевания, осуществлять диагностику на ранних стадиях заболевания Это важно как для развитых стран, так и для стран не входящих в первую десятку, с точки зрения экономического развития, в частности, для Сирийской арабской республики (САР)

Объект и предмет исследования. Объектом исследования является пациент, а предметом исследования - его состояние

Целью диссертационной работы является разработка моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики, позволяющих осуществлять поддержку принятия решений врачом

Для достижения поставленной цели были поставлены и решены следующие задачи

1 Построить процедуру диагностирования области основного заболевания пациента

2 Разработать алгоритм, позволяющий диагностировать наиболее вероятные заболевания пациента

3 Разработать модель, позволяющую определять дозы и частоту приема лекарства больными, находящимися в условиях интенсивной терапии

4 Исследовать и разработать алгоритм, позволяющий диагностировать общее состояние пациента при его поступлении в клинику и в процессе лечения

5 Разработать алгоритм, позволяющий давать рекомендации по корректировке количества здоровья пациента и оценивать материальные затраты необходимые для такой корректировки

6 Разработать алгоритм, для оценивания качества работы медицинского персонала и материальных затрат необходимых для повышения качества работы

Методы исследования. Поставленные в диссертационной работе задачи решаются на основе численных методов, теории вероятностей и теории построения математических моделей

Научные положения, выносимые на защиту:

1 Совокупность моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики

2 Алгоритм, позволяющий диагностировать область заболевания пациента и вырабатывать рекомендации, в случае необходимости,

4 Модель для определения доз и интервалов приема лекарств больными, находящимися в условиях интенсивной терапии

5 Алгоритм, оценивания количества здоровья пациента, находящегося в клинике (интегральная оценка общего состояния) при недостатке информации

6 Алгоритм вырабатывающий рекомендации по корректировке количества здоровья пациента и оценивающий материальные затраты необходимые для такой корректировки при недостатке информации

7 Алгоритм, позволяющий оценивать качество работы медицинского персонала при недостатке информации и оценивать необходимые материальные затраты для повышения качества работы

Научная новизна проведенного исследования состоит в том, что

1 Разработана совокупность новых моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики, позволяющих осуществлять поддержку принятия решений врачом при диагностике

2 Разработан алгоритм, имитирующий работу врача - терапевта, позволяющий диагностировать область основного заболевания пациента, и отличающийся тем, что пациент может в процессе диалога с компьютером

определить область своего основного заболевания и получить рекомендацию обратиться к конкретному специалисту

3 Разработан алгоритм, позволяющий диагностировать наиболее вероятные заболевания пациента и отличающийся тем, что, введен интегральный энтропийный показатель, который позволяет оцепить энтропию до и после ранжирования заболеваний у пациента Интегральный показатель может использоваться как мера диагностики заболевания пациента

4 Разработана модель, позволяющая диагностировать дозы и частоты приема лекарства для больных, находящихся в условиях интенсивной терапии Модель отличается от предшествующих моделей тем, что позволяет (1) оценить минимальное количество лекарства, оказывающее лечебное воздействие на пациента, которое нужно ввести пациенту в течение заданного промежутка времени, (2) оценить максимальную единовременную допустимую дозу лекаре 1ва, которую можно ввести пациенту, и время действия лекарства после введения такой дозы, (3) объяснить механизмы регуляции лечебного воздействия лекарственных препаратов путем варьирования доз лекарства вводимого в организм и интервалов между ними

5 Разработан алгоритм, позволяющий диагностировать общее состояние пациента Введен новый интегральный показатель общею состояния пациента (количество здоровья пациента), отличающийся тем, что с его помощью можно оценивать состояние пациента от момента его поступления в клинику до выписки, оценивать состояние пациента при неполной (недостаточной) информации С помощью этого показателя можно оценивать изменение количества здоровья пациента, как в процессе лечения, так и реабилитации

6 Разработан алгоритм, позволяющий давать рекомендации по корректировке количества здоровья пациента и оценивать материальные затрата необходимые для такой корректировки Отличие состоит в том, что алгоритм позволяет это делать при недостатке информации

7 Разработан алгоритм, позволяющий оценивать качество работы медицинского персонала и необходимые материальные затраты для улучшения качества работы медицинского персонала Отличие состоит в том, что алгоритм позволяет это делать при недостатке информации

Практическая значимость работы сосюит в том, что предложенные модели и алгоритмы реализованы в виде программ, которые можно практически использовать в медицинских учреждениях Сирийской арабской республики (САР)

Апробация работы. Основные положения и результаты диссертационного исследования докладывались и обсуждались на научно-технических конференциях СПБГЭТУ в 2006г, на международной конференции «Региональная информатика - 2006», на IX Международной

конференции по мягким вычислениям и измерениям (ЯСМ 2006), Санкт-Петербург 2006г , на юбилейной конференции МАПО (С -Петербург, 2006г) на IX Международной конференции «Современное образование содержание, технологии, качество», (С -Петербург, 2006г )

Публикации По теме диссертационного исследования опубликованы 7 научных работ, из них - 4 статьи (1 статья, опубликованная в ведущих рецензируемых научных журналах и изданиях, определенных ВАК), 3 работы - в материалах научно -технических конференций

Структура и объем диссертации Диссертация состоит из введения, четырех глав, заключения и списка литературы, включающего 136 наименований, и трех приложений Основная часть диссертации изложена на 104 страницах машинописного текста Работа содержит 36 рисунков и 12 таблиц

СОДЕРЖАНИЕ РАБОТЫ

Во введении рассматриваются актуальность темы исследования, цель и задачи исследования, научная новизна проведенного исследования, теоретическая и практическая значимость работы, рекомендации по использованию полученных результатов и положения, выносимые на защиту

В первой главе приводится обзор литературы, и рассматриваются модели, которые используются в области здравоохранения при диагностике Рассмотрены в исторической ретроспективе особенности принятия решений в системе здравоохранения при недостатке информации В связи с интенсивным развитием в последние годы техники и средств связи большое место выделено роли телемедицины в современном здравоохранении Анализ литературных источников показал, что необходимо разрабатывать модели, поддерживающие принятие решений, и при разработке таких моделей важно оценивать качество медицинских услуг и обеспечивать своевременное и качественное оказание медицинской помощи населению, где бы оно ни находилось, в крупных городах или в сельской удаленной местности

Во второй главе рассматривается модель постановки диагноза заболевания Одной из основных задач любого медицинского учреждения является правильная постановка диагноза заболевания Модель представлена в виде двух частей Первая часть, имитирующая деятельность врача, представляет собой совокупность симптомов и диагнозов наиболее распространенных заболеваний Эта часть предназначена для постановки диагноза заболевания в первом приближении Особенность этой части состоит в том, что симптомы и диагнозы могут легко корректироваться,

удаляться и добавляться врачом с учетом местных особенностей Если в первой части диагноз поставлен правильно, то цель достигнута Если же при постановке диагноза возникают сомнения, то переходят ко второй части (рис 1) В этой части входными данными являются наименования болезней наиболее часто встречающихся в данной местности Первоначально можно взять данные ВОЗ о причинах смерти и посчитать вероятность смерти от того или иного заболевания Это будут исходные вероятности, которые в дальнейшем, в процессе работы врача в данной местности, будут корректироваться Каждая из болезней характеризуется определенными признаками Эти признаки представлены в виде вопросов

Алгоритм состоит из 7 модулей

Модуль 1 Ввод исходных данных (болезни, симптомы, их количество)

Модуль 2 Ввод наиболее часто встречающегося заболевания в данной местности и/или основной жалобы пациента

Рис 1 Вероятностная модель диагноза заболеваний

Модуль 3 Из общего списка болезней выделяется новый список болезней, при которых на вопрос (основная жалоба пациента) ответу "да" соответствует вероятность Р > Р*, где Р* - некоторое число из промежутка [0,1]

Модуль 4 Выбор наиболее вероятного вопроса Для этого осуществляется перебор последнего списка болезней следующим образом Просматриваются все вероятности с ответом "да" на типичные, нетипичные и промежуточные вопросы и выбираехся наибольшая вероятность Максимальной вероятности соответствует некоторый вопрос, который и задается пациенту На этот вопрос пациент может ответить либо "да", либо "нет" Задаваемый вопрос исключается из списка вопросов

Модуль 5 Если пациент отвечает "да", то просматриваются все вероятности с ответом "да" на типичные, нетипичные и промежуточные вопросы и выбирается наибольшая вероятность Если их несколько, то выбирается любая Максимальной вероятности соответствует некоторый новый вопрос, который и задается пациенту Задаваемый вопрос исключается из списка вопросов Из общего списка болезней выделяется новый список болезней Убираются болезни, в которых на этот вопрос вероятность положительного ответа Р < Р*, где Р* - некоторое число из промежутка [0,1] Если пациент отвечает "неГ', то просматриваются все вероятности с ответом "нет" на типичные, нетипичные и промежуточные вопросы и выбирается наименьшая вероятность Если их несколько, то выбирается любая Минимальной вероятности соответствует некоторый новый вопрос, который и задается пациенту Задаваемый вопрос исключается из списка вопросов Из общего списка болезней выделяется новый список болезней Убираются болезни, в которых на этот вопрос вероятность отрицательного ответа Р > Р., где Р. - некоторое число из промежутка [0,1]

Модуль 6 Если количество оставшихся заболеваний более 1, то осуществляется переход на Модуль 4, а если нет, то это оставшееся заболевание и является искомым

Модуль 7 Коррекция вероятностей в таблице

Таким образом, из списка болезней выбирается новый список болезней, постепенно количество болезней сокращается и т д Окончательное решение о заболевании врач принимает самостоятельно

Предлагается алгоритм, позволяющий определять дозы и частоту приема лекарств больными При приеме лекарства оно поступает в органы, частично поглощается, а остатки выводятся из организма При периодическом приеме лекарственного средства концентрация его в одних органах должна находиться в некоторых пределах в течение некоторою времени (в органах, которые лечат), а в других органах не должна превышать некоторого предела (в органах, которые не лечат) Органам, которые не лечат принимаемое лекарство не должно навредить Поэтому задача состоит в том, чтобы определить дозы и интервалы приема лекарства таким образом, чтобы его концентрация в органах находилась в заданных пределах Система уравнений, имитирующая распространение лекарства в органах имеет вид

(1)

е,<С, </,;=!, , п

/ = 1 ; = I

'кк,

где С/ - концентрация лекарства в /-том органе, нижние (е, ) и верхние (/¡) границы концентраций, п - количество органов, х, у, г - координаты, / -время, а,- и Ь, - коэффициенты, - количество лекарства введенного в организм, Оиы - количество лекарства попадающего в /- ый орган, V -объемный кровоток в организме, К, - объемный кровоток в /- том органе, Ш-, - объем /-го органа.

Система уравнений решалась на компьютере численными методами при различных граничных и начальных условиях (табл. 1,2,3). Для поддержания С| концентрации лекарства, например, в промежутке [0.1 - 4,0] мг/л в органе, который лечится, вводится периодически в организм доза 01=5 мг. Согласно уравнению (1) получаем численные значении С] (табл.1, рис.2). Видно, что С( стабилизируется на 0.308 мг/л.

Доза Р,(мг) Частота ввода дозы Т|(час) Концентрация лекарства в органе С|(мг/л)

0 0.208

0.734 0.308

5 1.86 0.308

2.98 0.308

4.11 0.308

концентрация С1 при средней дозе (5 мг)

Таблица 1. Концентрация лекарства С1 в органе.

0 75 1.5 2.25 Т1 (ч.с>

Рис.2. Изменение концентрации лекарства С] с течением времени.

Чтобы сохранить концентрацию вблизи нижней границы промежутка (0.1 мг/л), вводится в орган минимальная доза (Ог = 3 мг). Согласно уравнению (1) получаем численные значения С2 (табл.2, рис.3). Видно, что С2стабилизируется на 0.225 мг/л.

Минимальная доза 02(мг) Частота ввода дозы Т2(час) Концентрация лекарства в органе С2(мг/л)

0 0.125

0.22 0.225

3 1.03 0.225

1.84 0.225

2.65 0.225

концентрация С2 при минимальной дозе {3 мг)

Таблица 2. Концентрация лекарства Рис. 3. Изменение концентрации С2 в органе. лекарства С2 с течением времени.

Для сохранения концентрации лекарства вблизи верхней границы промежутка (4 мг/л), вводится в орган максимальная доза (03=90 мг). Согласно уравнению (1) полумаем численные значении С3 (табл.3, рис.4), которые стабилизируются на 3.85 мг/л. Проведенные расчеты позволяют оценить мииимальное количество лекарства, оказывающее лечебное воздействие на пациента, которое нужно ввести ему в течение заданного промежутка времени и оценить максимальную единовременную допустимую дозу лекарства, которую можно ввести пациенту, а также время действия лекарства после введения такой дозы.

Минимальная доза D3(Mr) Частота ввода дозы Тз(час) Концентрация лекарства в органе Сз(мг/л)

0 3.75

3.62 3.85

90 7.27 3.85

10.92 3.85

14.57 3.85

концентрация СЗ при максимальной дозе (90 мг)

Таблица 3. Кон центрация лекарства Рис.4. Изменение концентрации Сз в органе . лекарства Сз с течением времени.

В третьей главе рассматриваются две проблемы - интегральная диагностика состояния пациента и выработка рекомендаций по улучшению общего состояния пациента. В основу алгоритма положен экспертный метод, разработанный ранее для оценки качества программных продуктов [Н.В. Ховаиов, 1990; A.B. Копыльцов, 1991]. Суть этого подхода состоит в следующем. Согласно данным ВОЗ человек здоров, если он здоров физически, психически и социально. Физическое, психическое и социальное здоровье определяется, в свою очередь, окружающей средой, условиями жизни и работы, образом жизни, а также медицинскими услугами, которые может получить человек в случае какого-либо заболевания.

В алгоритме оценки состояния пациента используется понятие свертки, суть которой состоит в следующем. Пусть имеется дерево состоящее из Ä4-1 уровней. На нулевом уровне имеется один показатель, а на 2, 3, ...., К -ом уровнях имеется более чем один показатель (обычно с увеличением номера уровня количество показателей увеличивается). Каждый из показателей (п-1)-го уровня определяется конечным набором показателей и-го уровня. Рассмотрим понятие свертки для /-го показателя (л-1)-го уровня. Пусть N -достаточно большое число. Согласно [Хованов, 1990] можно взять N = 20. Тогда

Р1 - 0, />2 = l/N, Р3 = 2/7V,...., />„+1 - AMV=4 (условия дискретности)

- весовые коэффициенты в формуле для расчета величины /-го показателя (п-1)-го порядка

1 I

где К} (у = 1, , 5,) - числовые значения показателей «-го порядка определяющих г-й показатель (п-\ )-го порядка, 5, - число показателей и-го порядка определяющих / Величины / определяются для всех 1=1, , Р с учетом введенных отношений порядка (условия приоритета) между показателями (примерно такой же или чуть-чуть важнее (>=), важнее (>) или значительно важнее (»)) Если показатель Ка примерно такой же или чуть-чуть важнее показателя Кп то это означает, что Ра>=Рв Если показатель Ка важнее показателя Кв, то это означает, что Р„>Рв Если показатель Ка значительно важнее показателя Кв, то это означает, что Ра»Р„, т е между Ра и Ре находится по крайней мере одно некоторое Рс Кроме того, предполагаются выполненными условия нормировки

s

£ Р1 = I ДЛЯ 1=1, , ^

1 = 1

Поскольку для каждого показателя (и-1)-го порядка получаем несколько значений/„ то можно определить их среднее значение

дисперсию о = (/, - /УМ N.

и среднеквадратичное отклонение а = О05,

где Л<о - число полученных £ Процедура получения / называется сверткой

Алгоритм можно представить в виде двух частей В первой части (рис 5) первоначально формируется множество критериев характеризующих пациентов в данном регионе Из ранее выбранного множества критериев (диагноз заболевания, пол, возраст и др) выбираются такие критерии, которые следует, по мнению специалистов, учитывать при дальнейшем анализе После этот критерии располагаются в порядке их важности с учетом отношения порядка (такой же или немного важнее, важнее, значительно важнее) На основе выбранных критериев формируются, путем применения свертки, факторы (и их численные значения), характеризующие пациента, медицинский персонал и средства лечения

Во второй части в качестве модификации изложенного выше алгоритма разработан алгоритм коррекции состояния пациента Суть алгоритма состоит в следующем Пусть в начальный момент времени состояние пациента характеризуется показателями второго порядка К,. К2, , Кт с числовыми значениями В\, В2, , В,„ и соответствует уровню заболевания пациента с

числовым значением В Врач имеет намерение изменить состояние пациента так, чтобы уровень заболевания имел значение в некоторой е -окрестности А {А - е, А + г), где А - некоторое число из интервала [0,1] Предполагается, что в распоряжении врача имеются средства для коррекции состояния пациента, т е он может воздействовать медикаментозными и другими средствами на показатели второго порядка К1, К2, , К„, Кроме того, предполагается, что при изменении численных значений показателей второго порядка В\, В2, , Вт на , Ят требуются материальные затраты, которые выражаются

известной функцией Х(ВЬ В2, , Вт, Я|, , Я„,) Тогда, производя свертку численных значений выбранных показателен ^ь - врач получает значение С уровня заболевания, которое, вообще говоря, отличается от желаемого значения А Если значение С врача удовлетворяет, те С принадлежит промежутку (А - е, А + е), то это значение С является искомым В противном случае происходит изменение численных значений показателей третьего порядка с достаточно малым шагом <5, чтобы расчетное значение уровня заболевания было близко к А, т е попадало в интервал (А - е, А + е) Таким образом, имеем набор числовых значений показателей второго порядка, при свертке которых получаем набор значений уровня заболевания с заранее заданной точностью, те в интервале (А - е, А + е) Выбор окончательного набора значений показателей второго порядка (и соответствующих им значений уровня заболевания) осуществляется с учетом минимизации материальных затрат, необходимы для перехода от исходных показателей к желаемым Окончательное решение о выборе того или иного способа коррекции состояния пациента принимает врач С помощью этого алгоритма может быть осуществлена экспертная оценка и коррекция состояния пациента, которая позволяет существенно сократить число вариантов перебора

В четвертой главе рассматривается алгоритм оценки и коррекции знании медицинского персонала по использованию этой системы Разработан алгоритм, который позволяет оценить качество работы медицинского персонала Учитываются показатели первого, второго и третьего уровней К показателям первого уровня относятся дисциплины, которые должен изучать специалист К показателям второго уровня относятся циклы дисциплин, в которые объединены группы дисциплин К показателям третьего уровня относятся знания в области медицины и информатики Качество знаний медицинского работника определяется знаниями в области медицины и информатики Численные нормированные значения называются обычно метриками и оцениваются либо экспертами, либо посредством анкетирования

В основу алгоритма положен экспертный метод, суть которого состоит в следующем Преподавателю предлагается выбрать из показателей первого уровня те, которые необходимо учитывать при анализе качества обучения По усмотрению преподавателя выбранные показатели нужно расположить в

порядке убывания их важности, ввести отношения порядка (немного важнее, важнее, значительно важнее) между каждыми двумя соседними показателями Численные значения показателей второго уровня, получаются из показателей первого уровня, методом свертки Применяя свертку к показателям второго уровня, получаем численные значения показателей третьего уровня Численные значения показателей третьего уровня корректируются путем умножения их ira коэффициенты посещаемости занятий Производя свертку откорректированных показателей, получаем некоторое число, характеризующее качество подготовки Если нужно оценить качество подготовки группы, то берегся среднее арифметическое чисел, характеризующих качества подготовки отдельных сотрудников С помощью этого алгоритма может быть осуществлена в первом приближении экспертная оценка качества обучения медицинского персонала

В качестве модификации этого алгоритма разработан алгоритм повышения качества обучения (КО) медика Суть которого состоит в следующем Пусть в начальный момент времени КО характеризуется показателями первого уровня (Cv) с числовыми значениями С и и соответствует уровню КО (К) с числовым значением Kt Преподаватель имеет намерение изменить КО так, чтобы уровень КО (К) имел значение в некоторой е -окрестности КК (КК - е, КК + е), где КК - некоторое число из интервала [0,1] Предполагается, что в его распоряжении имеются средства для повышения КО, те он может воздействовать различными средствами на показатели первого уровня (Су) Кроме того, предполагается, что при изменении численных значений Cij на другие, требуются материальные затраты, которые выражаются известной функцией Х(Су) Тогда, производя свертку численных значений выбранных показателей (Су), преподаватель получает значение ККК уровня КО, которое, вообще говоря, отличается от желаемого значения КК Если значение ККК преподавателя удовлетворяет, т е оно принадлежит интервалу (КК - е , КК + е), то это значение ККК является искомым В противном случае происходит изменение численных значений показателей первого уровня с достаточно малым шагом S, таким образом, чтобы расчетное значение уровня КО было близко к КК, т е попадало в интервал (КК - s, КК + е) Таким образом, имеем набор числовых значений показателей первого уровня, при свертке которых получаем набор значений уровня КО с заранее заданной точностью, т е в интервале (КК - е, КК + е) Выбор окончательного набора значений показателей первого уровня (и соответствующих им значений уровня КО) осущес1вляется с учетом минимизации материальных затрат, которые необходимы для перехода от исходных показателей первого уровня, характеризующих КО, к требуемым Окончательное решение о выборе того или иного конкретного способа повышения КО принимает преподаватель С помощью этою алгоритма осуществляется экспертная оценка и повышение КО, которая позволяет существенно сократить число возможных вариантов перебора и оценить материальные затраты

необходимые для повышения качества образовательных услуг Предложенный подход может быть использован, как для оценивания качества образовательных услуг медицинского персонала, так и других категорий учащихся

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

В ходе диссертационного исследования получены следующие основные результаты, обеспечивающие достижение поставленной цели

1 Разработана совокупность моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики

2 Для диагностики заболевания пациента на основе диалога между компьютером и пациентом разработан алгоритм, вырабатывающий рекомендации по лечению пациента

3 Предложен алгоритм, позволяющий ранжировать возможные заболевания пациента Введен интегральный энтропийный показатель, который оценивает энтропию до и после ранжирования заболеваний Интегральный показатель может использоваться как мера диагностики заболевания

4 Разработан алгоритм регулирования медикаментозного воздействия на пациента

5 Предложен новый алгоритм для оценивания количества здоровья пациента (интегральная оценка общего состояния) при его поступлении в клинику и в процессе лечения Введен интегральный показатель, для оценивания изменений количества здоровья

6 На основе алгоритма оценивания количества здоровья пациента, разработан алгоритм, позволяющий давать рекомендации по корректировке этого параметра и оценивать материальные затраты необходимые для такой корректировки

7 Создан алгоритм для оценивания качества работы медицинского персонала и необходимых материальных затрат, направленных на повышение качества работы при недостатке информации

8 Разработан комплекс программ для реализации разработанных моделей и алгоритмов

ОПУБЛИКОВАННЫЕ РАБОТЫ ПО ТЕМЕ ДИССЕРТАЦИИ

1 Альжасем X И, Разработка алгоритма оценивания и коррекции состояния пациента при недостатке информации // Известия СПБГЭТУ "ЛЭТИ", (известия государственного электротехнического университета) серия " Информатика, управление и компьютерные технологии" вып 2, 2006, с 58-63

2 Альжасем X И, Копыльцов А В Информационная система поддержки принятия решений в телемедицине при недостатке сведений о

пациенте // IX Международная конференция по мягким вычислениям и измерениям - SCM 2006, т 2, с 121-123

3 Копыльцов А В , Альжасем X И Об оценивании качества обучения медицинского персонала // Информатика и управление в медицинских системах, юбилейный сборник научных трудов СПБ МАПО - 20 лет, 2006, с 169-173

4 Альжасем X И, Копыльцов А В Информационная система поддержки принятия решений в области здравоохранения // X Санкт-Петербургская международная конференция «Региональная информатика -2006» (материалы конференции), 24 - 26 октября 2006 г , с 225-226

5 Копыльцов А В , Альжасем X И Экспертный метод оценивания качества обучения // IX Международная конференция, СПБГЭТУ "ЛЭТИ", «Современное образование содержание, технологии, качество», 20 - 21 апреля 2006 г , т 1,с 164-166

6 Альжасем ХИ, Копыльцов А В Математическое моделирование в курсе физике по проблеме «Телемедицина» // IX международная конференция «Физика в системе современною образования ФССО- 07», РГПУ им А И Герцена, С-Петербург 2007г , т 2, С 410-411

7 Альжасем X И, Копыльцов А В Информационная система поддержки принятия решений при недостатке сведений о пациенте // Автоматизация, информатизация, иниовация в транспортных системах Сборник научно-технических статей (Санкт-Петербургский государственный университет водных коммуникаций) 2006, № 1, с 102-109

Подписано в печать 22 11 07 Формат 60*84 1/16 Бумага офсетная Печать офсетная Печ л 1,0 Тираж 100 экз Заказ 133

Отпечатано с готового оригинал-макета в типографии Издательства СПбГЭТУ "ЛЭТИ"

Издательство СПбГЭТУ "ЛЭТИ" 197376, С -Петербург, ул Проф Попова, 5

Введение.

Глава 1. Компьютерная медицинская диагностика.

1.1. Медицинские информационные системы.

1.2. Особенности принятия решений в системе здравоохранения.

1.3. Диагностика состояния человека.

1.4. Роль телемедицины при диагностике.

1.5. Выводы.

Глава 2. Модели и алгоритмы диагностики заболеваний.

2.1. Диагностика заболеваний.

2.2. Детерминированный алгоритм постановки диагноза заболевания.

2.3. Вероятностный алгоритм постановки диагноза заболевания.

2.4. Алгоритм регулирования медикаментозного воздействия на пациента.

2.5. Выводы.

Глава 3. Алгоритмы оценки и коррекции общего состояния человека.

3.1. Классификация состояний человека.

3.2. Алгоритм интегральной диагностики состояния человека.

3.3. Алгоритм коррекции общего состояния человека.

3.4.Вывод ы.

Глава 4. Система медицинской диагностики и ее эксплуатация.

4.1. Система медицинской диагностики.

4.2. Особенности эксплуатации системы медицинской диагностики.

4.3. Алгоритм оценки качества работы медицинского персонала с системой медицинской диагностики.

4.4. Алгоритм коррекции зианий медицинского персонала по использованию системы медицинской диагностики.

4.5. Выводы.

Актуальность темы. Согласно данным Всемирной организации здравоохранения (ВОЗ) в настоящее время насчитывается несколько десятков тысяч заболеваний, возникающих от нескольких сотен тысяч причин. Каждое из заболеваний характеризуется набором признаков, которые изменяются с течением времени. На начальных стадиях многие болезни проявляются одинаково (например, повышение температуры, мышечная слабость, изменение частоты сердечных сокращений и т.д.). Это означает, что врач для правильной диагностики заболевания должен обладать обширными знаниями, уметь обрабатывать большие объемы информации, своевременно принимать решения и всю ответственность брать на себя. Для человека это практически невозможно (нет ни одного врача, который бы не ошибался). Поэтому разрабатываются модели и алгоритмы в области медицинской диагностики, которые могли бы на основе информации о заболеваниях помочь врачу принять правильное решение при постановке диагноза заболевания. Однако до сих пор не созданы такие системы, которые позволяли бы это делать удовлетворительно. Сложность решения этой проблемы состоит в огромном количестве информации, которую нужно переработать за ограниченное время, определить какая информация важная, а какая не очень важная. Каждый человек представляет собой уникальный организм. Все болеют по-разному, однако, можно выявить среднестатистические показатели, характеризующие то или иное заболевание. Таким образом, разработка моделей и алгоритмов в области медицинской диагностики, которые поддерживали бы принятие решений врачом, актуальна и своевременна. Наряду с лечением, важно также своевременно предупреждать заболевания, осуществлять диагностику на ранних стадиях заболевания. Это важно как для развитых стран, так и для стран не входящих в первую десятку, с точки зрения экономического развития, в частности, для Сирийской арабской республики (САР).

Объект и предмет исследования. Объектом исследования является пациент, а предметом исследования - его состояние.

Цель и задачи исследования. Целыо исследования является разработка моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики, позволяющих осуществлять поддержку принятия решений врачом.

Для достижения поставленной цели были поставлены и решены следующие задачи:

Построить процедуру диагностирования области основного заболевания пациента.

2. Разработать алгоритм, позволяющий диагностировать наиболее вероятные заболевания пациента.

3.Разработать модель, позволяющую определять дозы и частоту приема лекарства больными, находящимися в условиях интенсивной терапии.

4.Исследовать и разработать алгоритм, позволяющий диагностировать общее состояние пациента при его поступлении в клинику и в процессе лечения.

5.Разработать алгоритм, позволяющий давать рекомендации по корректировке количества здоровья пациента и оценивать материальные затраты необходимые для такой корректировки.

6. Разработать алгоритм, для оценивания качества работы медицинского персонала и материальных затрат необходимых для повышения качества работы.

Методы исследования. Поставленные в диссертационной работе задачи решаются на основе численных методов, теории вероятностей и теории построения математических моделей.

Научная новизна проведенного исследования состоит в том, что

1. Разработана совокупность новых моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики, позволяющих осуществлять поддержку принятия решений врачом при диагностике.

2. Разработан алгоритм, имитирующий работу врача - терапевта, позволяющий диагностировать область основного заболевания пациента, и отличающийся тем, что пациент (самостоятельно или с помощью близких) может (через Интернет или через компьютер находящийся в поликлинике) в процессе диалога с компьютером определить область своего основного заболевания и получить рекомендацию обратиться к конкретному специалисту.

3. Разработан алгоритм, позволяющий диагностировать наиболее вероятные заболевания пациента и отличающийся тем, что, введен интегральный энтропийный показатель, который позволяет оценить энтропию до и после ранжирования заболеваний у пациента. Интегральный показатель может использоваться как мера правильности диагностики заболевания пациента.

4. Разработана модель, позволяющая диагностировать дозы и частоты приема лекарства для больных, находящихся в условиях интенсивной терапии. Модель отличается от предшествующих моделей тем, что позволяет 1) оценить минимальное количество лекарства, оказывающее лечебное воздействие на пациента, которое нужно ввести пациенту в течение заданного промежутка времени; 2) оценить максимальную единовременную допустимую дозу лекарства, которую можно ввести пациенту, и время действия лекарства после введения такой дозы; 3) объяснить механизмы регуляции лечебного воздействия лекарственных препаратов путем варьирования доз лекарства вводимого в организм и интервалов между ними.

5. Разработан алгоритм, позволяющий диагностировать общее состояние пациента. Введен новый интегральный показатель общего состояния пациента (количество здоровья пациента), отличающийся тем, что с его помощью можно оценивать состояние пациента от момента его поступления в клинику до выписки и оценивать состояние пациента при неполной (недостаточной) информации. С помощью этого показателя можно оценивать изменение количества здоровья пациента, как в процессе лечения, так и реабилитации.

6. Разработан алгоритм, позволяющий давать рекомендации по корректировке количества здоровья пациента и оценивать материальные затраты необходимые для такой корректировки. Отличие состоит в том, что алгоритм позволяет это делать при недостатке информации.

7. Разработан алгоритм, позволяющий оценивать качество работы медицинского персонала и необходимые материальные затраты для улучшения качества его работы. Отличие состоит в том, что алгоритм позволяет это делать при недостатке информации.

Теоретическая значимость работы состоит в том, что разработана совокупность моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики, позволяющая вырабатывать рекомендации о принятии решений в области постановки диагностики заболеваний. Введен интегральный энтропийный показатель, который позволяет оценить энтропию до и после ранжирования заболеваний у пациента. Интегральный показатель может использоваться как мера правильности диагностики заболевания пациента. Разработана модель, позволяющая диагностировать дозы и частоты приема лекарства для больных, находящихся в условиях интенсивной терапии. Модель имитирует механизмы регуляции (путем варьирования доз и частоты приема лекарства, вводимых в организм) лечебного воздействия лекарственных препаратов на органы пациента. Введен интегральный показатель, оценивающий количество здоровья. С помощью этого показателя можно оценить изменение количества здоровья пациента в процессе лечения и реабилитации. Разработан алгоритм, позволяющий давать рекомендации по корректировке количества здоровья пациента и оценивать материальные затраты необходимые для такой корректировки. Разработан алгоритм, позволяющий оценивать качество работы медицинского персонала при недостатке информации и оценивать необходимые материальные затраты для улучшения качества работы.

Практическая значимость работы состоит в том, что предложенные модели и алгоритмы реализованы в виде программ, которые можно практически использовать в медицинских учреждениях Сирийской арабской республики (САР).

Рекомендации по использованию.

Предложенные модели, алгоритмы и программы могут быть использованы в лечебных учреждениях САР.

Достоверность результатов доказывается тестированием и сравнением полученных результатов с экспериментальными данными.

Научные положения, выносимые на защиту:

1. Совокупность моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики.

2. Алгоритм, позволяющий диагностировать область заболевания пациента и вырабатывать рекомендации, в случае необходимости, обратиться к конкретному специалисту.

3. Алгоритм, позволяющий диагностировать наиболее вероятные заболевания пациента.

4. Модель для определения доз и интервалов приема лекарств больными, находящимися в условиях интенсивной терапии.

5. Алгоритм, оценивания количества здоровья пациента, находящегося в клинике (интегральная оценка общего состояния) при недостатке информации.

6. Алгоритм вырабатывающий рекомендации по корректировке количества здоровья пациента и оценивающий материальные затраты необходимые для такой корректировки при недостатке информации.

7. Алгоритм, позволяющий оценивать качество работы медицинского персонала при недостатке информации и оценивать необходимые материальные затраты для повышения качества работы.

Апробация работы. Основные положения и результаты диссертационного исследования докладывались и обсуждались на научно-технических конференциях СПБГЭТУ в 2006г.; на международной конференции «Региональная информатика - 2006»; на IX Международной конференции по мягким вычислениям и измерениям (8СМ 2006), Санкт-Петербург 2006г.; на юбилейной конференции МАПО (С.-Петербург, 2006г); на IX Международной конференции «Современное образование: содержание, технологии, качество», (С.-Петербург, 2006г.).

Публикации. По теме диссертационного исследования опубликованы 7 научных работ, из них - 4 статьи (1 статья, опубликованная в ведущих рецензируемых научных журналах и изданиях, определенных ВАК), 3 работы -в материалах научно -технических конференций.

В первой главе «Компьютерная медицинская диагностика» рассматриваются проблемы диагностики в области здравоохранения, особенности принятия решений в системе здравоохранения, роль телемедицины при диагностике.

Вторая глава посвящена моделям и алгоритмам диагностики заболеваний. В частности, рассматриваются два подхода. Первый, - детерминированный подход, имитируется деятельность врача - терапевта и позволяет поставить диагноз заболевания, отвечая на фиксированные вопросы, которые обычно задает врач. Первоначально больному предлагается осуществить выбор из крупных модулей:

1. Общее состояние;

2. Ухо, горло, нос, рот, зубы;

3. Кожа, волосы, ногти;

4. Глаза;

5. Живот;

6. Боли;

7. Вес.

После того, как выбран какой - либо из модулей, осуществляется выбор более конкретного симптома и ответ на серию вопросов. Вопросы сформулированы таким образом, что на них нужно отвечать либо ДА, либо НЕТ. После ответов на вопросы приходим к заключению: либо диагноз поставлен и пациенту рекомендуется обратиться к конкретному врачу, либо диагноз не удалось установить и рекомендуется обратиться к врачу - терапевту.

Второй подход - вероятностный, позволяет поставить диагноз заболевания с учетом вероятностей заболевания и их коррекции. Первоначально собирается информация о заболеваниях (наименования, частота заболеваний), симптомах (наименования, частота проявления). Эта информация представляет собой обучающую выборку. После формирования обучающей выборки осуществляется обследование пациента, в результате которого специальным образом задаются вопросы и в результате ответов на вопросы осуществляется удаление заболеваний (и вопросов) из списка возможных заболеваний пациента. В результате получаем новый список заболеваний, в начале которого расположены наиболее вероятные заболевания, а в конце -наименее вероятные. Этот список поступает на рассмотрение врачу, который и принимает окончательное решение о заболевании пациента.

После постановки диагноза заболевания важно оказать своевременное и правильное лечение. Одной из важнейших причин высокой смертности на этом этапе лечения оказывается неправильная дозировка лекарств. Согласно американским данным [53, 54], в больницах США 80% медицинских сестер в 10-20% случаев делают неправильную дозировку лекарств, что приводит в 35% случаев к летальному исходу. Поэтому для понимания процессов происходящих при приеме лекарств построена математическая модель. Согласно [100] можно выделить в системе кровообращения человека 5 крупных частей снабжаемых кровыо параллельно:

1. Голова и шея,

2. Руки и грудь,

3. Печень и пищеварительный тракт,

4. Почки,

5. Нижняя половина тела.

Транспорт лекарственного вещества в каком-либо органе описывается дифференциальным уравнением, в правой части которого содержатся следующие члены уравнения: диффузионный, конвективный и член, описывающий поглощение органом лекарства.

Распределение кровотока и транспорт медикаментов можно описать системой дифференциальных уравнений с соответствующими граничными и начальными условиями. Решение уравнений осуществлялось численными методами. В результате расчетов, проведенных на компьютере, показано, что для поддержания концентрации лекарственного препарата на определенном уровне в конкретном органе требуется периодический ввод в кровеносную систему человека определенной дозы лекарственного препарата. Возможны крайние случаи. Во-первых, если требуется, чтобы концентрация лекарственного препарата была минимальной, то нужно вводить малыми дозами, но очень часто (в клиниках это достигается с помощью капельницы). Во-вторых, если требуется, чтобы ввод лекарства был как можно реже. В этом случае доза должна быть максимально допустимой, чтобы время на вывод лекарства из органов было максимальное. В этом случае лекарство вводится редко (1-4 раза в сутки с одинаковыми интервалами между вводом лекарства).

В третьей главе рассматривается важная проблема диагностики состояния человека находящегося в промежуточном состоянии, т.е. между здоровыми и больными, т.е. с одной стоны человек вроде здоровый (ходит на работу, все делает), а с другой стороны плохо себя чувствует (слабость, бессонница, беспокойство и т.д.). Это состояние врачи иногда называют «третье состояние» (первое - здоров, второе - болен). Для диагностики состояния пациента используется понятие «свертка», которое представляет собой сумму с весовыми коэффициентами, на которые наложены условия нормировки, дискретности и приоритетов. Состояние человека характеризуется набором факторов, каждый из которых определяется совокупностью критериев.

Каждый из критериев имеет метрику, т.е. численное значение между 0 и 1. Имеется две возможности. Первая - когда можно определить численное значение критерия каким-либо способом с достаточной точностью. Вторая -когда о критерии можно только сказать, что либо он есть, либо его нет, либо про него точно ничего сказать нельзя. Тогда в качестве численного значения можно взять либо 1 (критерий есть), либо 0 (критерия нет), либо 0,5 (трудно что-либо сказать о критерии).

Работа алгоритма заключается в следующем. Определяются численные значения критериев. В результате применения операции свертки к критериям получаются численные значения факторов. Применяя свертку к численным значениям факторов, получаем численное значение общего состояния пациента, которое содержится в промежутке между 0 и 1. Это численное значение можно использовать либо путем сравнения с предыдущими значениями одного и того же пациента (например, вчерашним, позавчерашним, полученным неделю назад и т.д.), либо путем сравнения с другими пациентами при аналогичных заболеваниях.

Разработан алгоритм, являющийся обобщением предыдущего, который позволяет вырабатывать рекомендации но коррекции состояния пациента. После определения численного значения состояния пациента, например, равного 51*, естественно желание врача улучшить состояние пациента путем * применения тех или иных процедур, например, до значения 5 > 5 . Для этого в окрестности 51** нужно выбрать некоторую £ - окрестность. Затем, увеличивая численные значения критериев на маленькую величину б, найти, перебирая все возможные варианты, те значения критериев, при которых численное значение фактора попадает в £ - окрестность 5**. В итоге получим набор значений критериев, при которых достигается желаемое значение состояния пациента. После этого нужно посмотреть для каждого критерия на разности между исходным значением критерия и желаемым и оценить, каких материальных затрат потребуют такие изменения. Суммируя материальные затраты по каждому из критериев получим в итоге величину общих затрат, которые необходимы для достижения желаемого состояния. Таким образом, для каждого из наборов критериев получим сумму затрат, которые нужно произвести, чтобы достичь желаемого состояния. Наборы критериев можно ранжировать по возрастанию материальных затрат. После этого можно предложить врачу выбрать из (3 - 5) наиболее дешевых вариантов тот, который возможно реализовать в данных условиях с учетом того, что ответственность за принятие окончательного решения лежит на враче.

В четвертой главе рассматривается система медицинской диагностики ее эксплуатация, в частности, проблема оценивания качества медицинского персонала, поскольку диагностику заболеваний и диагностику общего состояния пациента осуществляют врачи с помощью системы медицинской диагностики. Если врачи обладают достаточным образованием и опытом, то система может оказать им существенную помощь при диагностике. Если же их квалификация недостаточна либо в области медицины, либо в области умения работать с системой, то результат будет отрицательный, т.е. диагнозы будут определяться неправильно, лечение будет даваться не то, которое нужно и т.д. Поэтому предлагается двухуровневая модель оценки качества медицинского персонала. На первом уровне расположены факторы, которые характеризуют качество медицинского персонала. Факторы определяются критериями, расположенными на втором уровне. Каждый из факторов определяется своим набором критериев. Каждый из критериев имеет численное значение из промежутка [0,1]. Производя свертку численных значений критериев с учетом условий нормировки, дискретности и приоритета, получим численные значения факторов. Аналогично производя свертку численных значений факторов, получим оценку качества медицинского персонала.

Для улучшения работы медицинского персонала предлагается алгоритм, позволяющий выработать рекомендации по улучшению работы и оценить материальные затраты, которые могут потребоваться для достижения поставленных целей. Первоначально нужно оценить качество, которое имеется в настоящее время (К]). Затем нужно принять решение об увеличении его на некоторое фиксированное число процентов, с тем, чтобы оно достигло некоторого нового значения (Кг). После этого в окрестности К2 нужно определить некоторую Б- окрестность, в которую будут попадать требуемые расчетные значения качества. Расчеты нужно проводить следующим образом. Исходные значения критериев увеличивают на некоторую фиксированную маленькую величину 3, и осуществляют вычисления качества. Если вычисленное значение качества попадает в заранее заданную Б- окрестность К2, то оно сохраняется, а если нет, то выбрасывается. В итоге получаем набор критериев при которых вычисленные значения качества попадают в заранее заданную Б- окрестность К2. Для этих наборов осуществляется оценка материальных затрат. Наборы ранжируются по увеличению материальных затрат. И (3 - 5) наиболее дешевых вариантов предоставляются врачу для вынесения окончательного решения с учетом имеющихся возможностей у лечебного учреждения.

Таким образом, построена система алгоритмов и программ, позволяющая вырабатывать рекомендации, как при диагностике заболеваний, так и при диагностике общего состояния пациента, а также оценивать и корректировать качество работы медицинского персонала с системой.

4.5. Выводы.

Разработаны алгоритмы оценки и коррекции качества обучения медицинского персонала при недостатке информации.

2. Качество подготовки (по дисциплинам, циклам дисциплин и т.д.) характеризуется числом, находящимся между 0 и 1;

3. Количество различных вариантов удовлетворяющих условиям нормировки, приоритета и дискретности изменяется от нескольких десятков до нескольких сотен в зависимости от начальных условий;

4. Среднеквадратичное отклонение имеет порядок 0,01-0,1.

103

ЗАКЛЮЧЕНИЕ

В ходе диссертационного исследования получены следующие основные результаты, обеспечивающие достижение поставленной цели:

1. Разработана совокупность моделей и алгоритмов автоматизации экспертных процедур в области медицинской диагностики.

2. Разрабтан алгоритм, позволяющий диагностировать область заболевания пациента на основе диалога между компьютером и пациентом и на основе этого диалога дать рекомендации, в случае необходимости, обратиться к конкретному специалисту.

3. Разработан алгоритм, позволяющий определять вероятность заболеваний у пациента, ранжировать возможные заболевания у него по убыванию. Введен интегральный энтропийный показатель, который позволяет оценить энтропию до и после ранжирования заболеваний у пациента. Интегральный показатель может использоваться как мера правильности диагностики заболевания.

4. Разработана модель для определения доз и частоты приема лекарств больными, находящимися в условиях интенсивной терапии (в частности, в реанимации). С помощью этого алгоритма можно оценить минимальное количество лекарства, оказывающее лечебное воздействие на пациента, которое нужно ввести ему в течение заданного промежутка времени. А также оценить максимальную единовременную допустимую дозу лекарства, которую можно ввести ему, и время действия лекарства после введения такой дозы.

5. Разработан алгоритм, позволяющий диагностировать количество здоровья пациента (интегральная оценка общего состояния) при его поступлении в клинику и в процессе лечения. Введен интегральный показатель, оценивающий количество здоровья. С помощью этого показателя можно оценить изменение количества здоровья пациента в процессе лечения и реабилитации, а так же сравнивать пациентов между собой.

6. Разработан алгоритм, позволяющий давать рекомендации по корректировке количества здоровья пациента и оценивать материальные затраты необходимые для такой корректировки.

7. Разработан алгоритм, позволяющий оценивать качество работы медицинского персонала при недостатке информации, и оценивать необходимые материальные затраты для повышения качества работы.

8. Разработан комплекс программ для реализации разработанных моделей и алгоритмов.

105

1.Айламазян А. К., Гулиев Я. И., Матвеев Г. Н., Турна И. А., Белова И. А. ИС КОТЕМ-2001: Требования, проблемы, решения, http://interin.botik.ru

2. Альжасем X. И., Копыльцов А. В. Информационная система поддержки принятия решений в телемедицине при недостатке сведений о пациенте. // IX Международная конференция по мягким вычислениям и измерениям 8СМ 2006, том 2, с. 121- 123.

3. Альжасем X. И., Копыльцов А. В. Об оценивании качества обучения медицинского персонала. // Информатика и управление в медицинских системах, юбилейный сборник научных трудов СПБ МАПО 20 лет, 2006, с. 169- 173.

4. Альжасем X. И., Копыльцов А. В. Информационная система поддержки принятия решений в области здравоохранения. // X Санкт-Петербургская международная конференция «РЕГИОНАЛЬНАЯ ИНФОРМАТИКА 2006» (материалы конференции), 24 - 26 октября 2006 г., с. 225-226.

5. Альжасем X. И., Разработка алгоритма оценивания и коррекции состояния пациента при недостатке информации. // Известия СПБГЭТУ "ЛЭТИ", серия " Информатика, управление и компьютерные технологии" вып. 2, 2006, с. 85 -90.

6. Альжасем X. И., Копыльцов А. В. Экспертный метод оценивания качества обучения. // IX Международная конференция, СПБГЭТУ "ЛЭТИ", «Современное образование: содержание, технологии, качество», 20-21 апреля 2006 г., том 1, с. 164- 166.

7. Альжасем X. И., Копыльцов А. В. Математическое моделирование в курсе физике по проблеме «Телемедицина».// IX международная конференция

8. Андерсон К., Минаси М. Локальные сети. Полное руководство: Пер. с англ. -К.: ВЕК+, ЭНТРОП, Спб.: КОРОНА принт, 1999. 624 с.

9. Андреев А. М., Березкин Д. В., Кантонистов Ю. А. Выбор СУБД для построения инфор-мационных систем корпоративного уровня на основе объектной парадигмы // СУБД 1998. № 4-5. - С. 26-50.

10. Аникина Л. М., Архаров Л. В., Бирюкова Л. И., Лукин В. Н., Чернышов Л. Н., Шаповалов В. Г. Новая автоматизированная система "Санаторий". Кремлевская медицина. Клинический вестник. № 3, 1999. С. 62-74.

11. Арабские страны. История. Экономика. Издательство «Наука», Главная редакция восточной литературы, под ред. Е.А Лебедева, Москва 1970 г.

12. Афиногенов А. И., Назаренко П. В., Плетнева В. Н., Попова Ф. И., Дехтяр И. У., Осадчая И. Н. Автоматизация системы медицинского снабжения. Кремлевская медицина. Клинический вестник. №4,2000. С. 39-43.

13. Барасегян А. А., Купрянов М. С., Степаненко В. В., Холод И. И. Методы и модели анализа данных: OLAP и Data Mining,. Санкт-Петербург 2004г. С. 61-73.

14. Блажис A.A., Дюк В.А. Телемедицина. СПБ: Анатолия, 2000.

15. Богомолов А. В., Гридин JI. А., Кукушкин Ю. А., Ушаков И. Б. Диагностика состояния человека: математические подходы. Москва 2003. С 143-174.

16. Богоявленская О. Ю. Многоканальные системы доступа в Internet. Петрозаводский государственный университет. 1999.

17. Большая медицинская энциклопедия. М: ЭКСМО, 2007.

18. Боцвинов А. Н., Зайцев Г. Ф., Левая M. JL. Опыт эксплуатации АИС "Эверест" в госпитале для ветеранов войн и городской многопрофильной больнице №2. Региональная информатика-98, Санкт-Петербург.

19. Брехмян И. И. Введение в валеологию-науку о здоровье. // JL; Наука, 1987. С. 287.

20. Букарев М. Г., Волкова Н. В., Городецкая В. Ф., Иванова Л.П., Ильиных И.И. и др. Медицинская информационная система в ЦРБ. Неопределенное будущее или реальность? //Здравоохранение. 2002. - №1. - С. 155-158.

21. Васильева В.А. Краткий медицинский справочник. СПБ: Невский проспект, 2003.

22. Вахлаков А. II., Емелин И. В. Развитие поликлинических информационных систем. Кремлевская медицина. Клинический вестник. №4, 2000. С. 12-14.

23. Вейдерхольд Дж., Перро Л. Е., Информационные системы больницы, Addison-Wesley Publ. Company. 1990. С. 174-185.

24. Вишневский А. Сетевые технологии Windows 2000 для профессионалов. Питер. Санкт-Питербург, 2000. С. 556-581

25. Власов В. В. Периодические медицинские обследования // Главный врач. 2004.-№3.-С. 56-68

26. Воробьев В. И., Копыльцов А. В., Пальчун Б. П., Юсупов Р. М. Методы и модели оценивания качества программного обеспечения. С.-Петербург: СПИИРАН. 1992. 34 С.

27. Гаврилов Д. В., Гусев А. В. Романов Ф. А. Кемпи С. И. Дуданов И. П. Результаты комплексной автоматизации поликлиники медицинского центра г. Кондопога. Карельский научно-медицинский центр СЗО РАМН.

28. Гаек П., Гавранек Т. Автоматическое образование гипотез математические основы общей теории. Перевод с английского языка Финна В. К., Красильщика М. И. Москва «Наука». С. 94-104.

29. Генкин А. А. Новая Информационная Технология Анализ медицинских данных., Санкт-Петербург 1999г. С. 92-96.

30. Геркул В. И., Денищенко Г. Н., Коровкина Н. JI. Проектирование информационных систем. Москва 2005. С. 51- 93.

31. Гичев 10. Экологическая медицина и ее основные направления. //Врач. 1996. № XI.

32. Губин И. М., Тарасов В. В., Антонов Р. А. и другие. Разработка и внедрение новой автоматизированной информационной системы ЦКБ // Кремлевская медицина. Клинический вестник, 2000. №4. - С. 51-54.

33. Гулиев Я. И., Ермаков Д. Е. Медицинские информационные системы -Теория и практика, Г. И. Назаренко,. Москва физматлит 2005г. С. 126-130.

34. Гусев А. В., Романов Ф. А., Дуданов И. П. Опыт разработки медицинской информаци-онной системы // Медицинский академический журнал, 2001.- №1.-Приложение 1.- С. 18.

35. Гусев А. В., Романов Ф. А., Осиик Т. А. Применение медицинской информационной системы в работе клинических лабораторий медицинского центра // Медицинский ака-демический журнал, 2001. № 1. - Приложение 1. -С. 19.

36. Гусев А. В., Дуданов И. П. Оценка 3-летнего опыта разработки и внедрения информаци-онной системы: выводы и перспективы // Медицинский академический журнал, 2002. Том 2. - Приложение 2. - С. 56-57.

37. Гусев А. В., Дуданов И. П., Романов Ф. А. Информационная система в медицине кон-цептуальная модель.Ьйр://зигеегу.кагеНа.ги

38. Гусев А. В., Романов Ф. А., Дуданов И. П., Воронин А. В., Информационные системы в здравоохранении. ПетрГУ. Петрозаводск, 2002. 120 с.

39. Гусев A.B., Ф.А.Романов, И. П. Дуданов, А.В.Воронин; Медицинские информационные системы: Монография / ПетрГУ. Петрозаводск, 2005. - 404 С.

40. Деряпа Н. П. , Матусов А. J1., Рябинин И. Ф. Человек в Антарктиде. //Медицина,Ленинград, 1975 г.

41. Дехтяр И. У., Каллистов Ю. Н., Назаренко П. В. Информационная система аптечного учреждения. Кремлевская медицина. Клинический вестник. № 3,1998.С. 157.

42. Дуданов И. П., Кемпи С. И., Гусев А. В. Курпатова Н. В. Комплексная медицинская информационная система в организации работы старшей медицинской сестры лечебно профилактического учреждения. Главная медицинская сестра 2004 г № 11 С. 61-70.

43. Дуданов И. П., Гусев А. В., Романов Ф. А., Воронин А. В. и соавт. Информационная система в здравоохранении концептуальная модель // Сердечно-сосудистые заболева-ния. Бюллетень НЦССХ им. А. Н. Бакулева РАМН. Том 3. - № 11.-2002.-С. 332.

44. Дуданов И. П., Гусев А. В., Романов Ф. А., Воронин А. В. Информационные системы в здравоохранении // Медицинский академический журнал, 2002. № 1.-Том 2.-С. 58-77.

45. Дуданов И. П., Гусев А. В., Романов Ф. А., Кемпи С. И. Региональная информационная система "Кондопога" // Сердечно-сосудистые заболевания. Бюллетень НЦССХ им. А. Н. Бакулева РАМН. 2002. Том 3. - № 11. - С. 335.

46. Дуданов И. П., Гусев А. В., Романов Ф. А., Кемпи С. И. и соавт. Создание "паспорта здоровья" больных с сердечно-сосудистыми заболеваниями с использования информационной системы // Медицинский академический журнал, 2003. Том 3. - № 3. - С. 125-133.

47. Дудник В. С., Маслеников А. М. Автоматизация назначений и учета лекарственной терапии. Кремлевская медицина. Клинический вестник. №3. 2000. С. 68-75.

48. Дюкарева А. М. Ленгин Ю.А. Опыт оптимизации деятельности поликлиники // Здравоохранение. 2003. - №10. - С. 39-45.

49. Дюк В. А., Эмануэль В., Информационные технологии в медико-биологических исследованиях. Санкт-Петербург -2003г. С. 182-196.

50. Дюк В. A. Data mining, Новые технологии нового века., А. Самойленко. Санкт- Петербург 2001г. С. 152-163.

51. Емельянов А. В., Злобин Д. С., Мальков Д. И. Построение комплексной системы связи Медицинского центра Управления делами Президента Российской Федерации. Кремлевская медицина. Клинический вестник. № 2, 2000.

52. Емельянов А. В., Платонов И. А. Обеспечение безопасности территориальной сети Медицинского центра. Кремлевская медицина. Клинический вестник, № 2,1998. (70).

53. Емелин И. В., Перов Ю. Л., Серегин Ю. С., Эльчиян Р. А. Концепция построения открытых медицинских информационных систем. Кремлевская медицина. Клинический вестник. № 1, 1998. С. 98-107.

54. Кемпи С. И., Дуданов И.П. Организация работы поликлинической службы с использованием современных информационных технологий //Медицинский академический журнал. 2002. - Том 2. - С. 56.

55. Красильников И. А., Усеинов Э. Р. Ресурсы информационных технологий в системе здравоохранения Санкт-Петербурга. Региональная информатика-98, Санкт-Петербург. С. 140-147.

56. Крыленков В.А. Проблемы сохранения и развития лечебно-оздоровительной деятельности в России.// Информатизация: естествознание-техника-образование-культура. Вып. 1. СПб: изд-во СПб института машиностроения,1998, С. 171-179.

57. Крыленков В. А. Экологический контроль как основа системы безопасности жизнедеятельности России. В кн.: "Доклады 1-ой Международной конференции экологии и развития Северо-Запада РФ", СПб, 1997, С. 298-307.

58. Кудрина В. Г. Медицинская информатика. Российская медицинская академия последипломного образования, 1999. С. 1-58.

59. Курбатов В. А., Ковалев Г. Ф. Автоматизированная система "Санаторий". Кремлевская медицина. Клинический вестник. № 1,1998, С. 57-60.

60. Курбатов В. А., Ковалев Г. Ф., Иванова М. А., Белица Е. И., Рогозов Ю. И., Соловьев А. Б. Комплексная система автоматизации деятельности медицинского учреждения. Кремлевская медицина. Клинический вестник. № 4,1999. С. 45-48.

61. Курпатова Н. В., Кемпи С. И., Гусев А. В., Дуданов И. П. Опыт организации работы фельдшерских здравпунктов в единой медицинской информационной системе. Главная медицинская сестра 2005 г№ 9 С. 17-23.

62. Лапрун И. Возможности off-line доступа к базам медицинских данных // PCWeek Mobile, №5. С. 12-15. http://pcweek.ru/?ID=610425.

63. Макдональд К. Д., Барнетт Г. О., Автоматизированные системы ведения истории болезни, Addison-Wesley Publishing Company., 1991. С. 152-165.

64. Миронов С. П., Эльчиян Р. А., Емелин И. В. Российско-японский проект "Телемедицина". Кремлевская медицина. Клинический вестник. № 1, 2001. С. 89-92.

65. Миронов С. П. Медицинская информатика в начале нового тысячелетия. Кремлевская медицина. Клинический вестник. №4, 2000. С. 7-8.

66. Митин В. Медицинские информационные системы. PCWeek, №1 (223), 2001. С. 21.

67. Назаренко Г. И., Осипов Г. С. Медицинские информационные системы и искусственный интеллект. Москва медицина XXI 2003г. С. 75-81.

68. Назаренко Г. И., Полубенцева Е. И. Качество медицинской помощи -Управление, Измерение, Безопасность информация. Москва медицина XXI 2004г. С. 121-128.

69. Назаренко Г. И., Михеев А. Е. Больничные информационные системы -Разработка, Внедрение, Эксплуатация. Москва медицина XXI 2003г. С. 193200.

70. Назаренко Г. И. Медицинские информационные системы: Теория и практика / Г. И. Назаренко, Я. И. Гулиев, Д. Е. Ермаков. Под редакцией Г. И. Назаренко, Г. С. Осипова. Москва: ФИЗМАТЛИТ, 2005. 320 С.

71. Наумов В. Б., Савельев Д. А. Правовые аспекты телемедицины. Под науч. ред. Р. М. Юсупова, Р.И. Полонникова. СПб. Изд. ТОО "Анатолия", 2002, С. 107.

72. Нейлор К. Как построить свою экспертную систему. М: Энергоатомиздат, 1991.

73. Официальный интернет-сайт РФФИ www.rffi.ru «ТЕЛЕМЕДИЦИНА: ОБЗОР СОВРЕМЕННОГО СОСТОЯНИЯ И ПЕРСПЕКТИВЫ РАЗВИТИЯ В РОССИИ».

74. Петри А., Себин К. Нагладная статистика в медицине. Москва ГЭОТАР 2003г. С. 20-27.

75. ПЛАН МЕРОПРИЯТИЙ ПО РЕАЛИЗАЦИИ "КОНЦЕПЦИИ РАЗВИТИЯ ЗДРАВООХРАНЕНИЯ И МЕДИЦИНСКОЙ НАУКИ В РОССИЙСКОЙ ФЕДЕРАЦИИ» НА 2001-2005 ГОДЫ И НА ПЕРИОД ДО 2010 ГОДА, приложение к решению коллегии Минздрава России от 20.03.2001.

76. Подчукаев В. А. Теория информационных процессов и систем. Москва 2007г. С. 35-37.

77. Принципы проектирования и разработки программного обеспечения. Учебный курс МСБР: Пер. с англ. М.: Издательско-торговый дом "Русская редакция", 2000. - 608 с.

78. Прохоров А. Тенденции на рынке операционных систем в мире и России. Компьютер-пресс. №9, 2001. С. 8-16

79. Романов Ф. А., Гусев А. В. Опыт использования больничной информационной системы в санатории-профилактории ОАО «Кондопога». Медицинский академический журнал, №1. Приложение 1.-2001, С. 54.

80. Романов Ф. А., Гусев А. В. Применение электронной системы планирования рабочего времени при организации лечебно-диагностического процесса. Медицинский академический журнал, №1. Приложение 1. 2001, С. 65.

81. Рот Г. 3., Шульман Е. И. Опыт внедрения тиражируемой технологии компьютерного ведения историй болезни, http://www.doca.com.

82. Рот Г. 3., Денисов В. Н., Шульман Е. И. Проблемы организации и перспективы внедрения компьютерных технологий в многопрофильной больнице//Бюллетень СО РАМН. 1998. -№1. - С. 134-140.

83. Рузайкин Г. И. Медицинские информационные системы, или МИС. «Мир ПК», №3,2001. С. 151-163.

84. Сетевые средства Microsoft Windows NT Server 4.0. Питер, Санкт-Петербург. 1998. С. 74-78.

85. Стандарт организации Информационные системы в здравоохранении СТО МОСЗ 91500.16.0002-2004. Межрегиональная общественная организация содействия стандартизации и повышению качества медицинской помощи. Москва 2004г.

86. ЮО.Стерки П. Основы физиологии. М: Мир, 1984.

87. Страны мира: Краткий полит.-экон. справочник, Москва издательство «Республика», 1997 г., под общ. ред. И.С.Иванова.

88. Уотермен Д. Руководство по экспертным системам. Издательство МИР, Москва-1989. С. 133-146.

89. ЮЗ.Усманов З.Д., Хаитов Т.И., Усманов М.Д. Об одном алгоритме преобразования динамических рядов. Доклады АН ТаджССР. 1983, № 9.

90. Федеральная целевая программа «Электронная Россия (2002-2010 годы)» Распоряжение Правительства Российской Федерации от 12 февраля 2001, № 5. С. 207.

91. Хай Г.А. Логика диагностики и принятия решений в клинической медицине. Санкт-Петербург 2004г. С. 43-55.

92. Юб.Хованов Н. В. Статистические модели теории квалиметрических шкал Л: ЛГУ, 1986.

93. Ю7.Черноруцкий И. Г. Методы принятия решений. Санкт-Петербург 2005г. С. 74-81.

94. Ю8.Шаповалов В. Г., Архаров Л. В., Бирюкова Л. И. Опыт внедрения и эксплуатации автоматизированной информационной системы резервирования мест в санаториях. Кремлевская медицина. Клинический вестник. №4, 2000. С. 48-50.

95. Ю9.Шеррер Жан-Рауль. Информационные системы в здравоохранении: технология и организация // Кремлевская медицина. Клинический вестник, 2000. №4. С. 15-17.

96. ПО.Шулутко Б.И. Справочник терапевта. СПБ: Медкнига, 2004.

97. Ш.Эванс Р. С., Система HELP, MD Computing. Springer-Verlag, New York, Inc.1991. C. 224-230.

98. Юсупов Р. М. , Полонников Р. И. Телемедицина. Новые информационные технологии на пороге XXI века. СПб. Изд. ТОО «Анатолия». 1998. С. 489.

99. Юсупов Р. М. , Полонников Р. И., Телемедицина. Становление и развитие. Материалы международного научно-практического семинара. СПб. Изд. ЗАО «НПО «Омега» БФ «Омега» 2000. С. 109.

100. Ammenwerth Е, Anke Buchauer, Bernd Bludau, Reinhold Haux .Mobile information and communication tools in the hospital. International Journal of Medical Informatics. Volume (issue): 57 (1) 2000 Free Sample Issue. P. 21 40.

101. Beverley Kane, Daniel Z. Sands. Guidelines for the Clinical Use of Electronic Mail With Patients. Journal of the American Medical Informatics Association. Volume 5, Number 1, Jan/Feb 1998.

102. Bemmel H. van, Erasmus University, Rotterdam M.A. Musen, Stanford University, Stanford. Handbook of medical informatics. 1999. Website Version. http://www.mieur.n1/mihandbook/r 3 3/handbook/home.htm .

103. Bearman M. Technology in Medical Education. Monash University 1997. http://www.med.monash.edu.aU/informatics//techme/index.htm

104. Claudio G. A. da-Costa, MD, Rodrigo P. Quaresma, BE and Renato M. E. Sabbatini, PhD. A Software Engineering Approach to the Development of Computer-Based Patient Record Systems.

105. Fridsma D, Ford P, Altman R. A survey of patient access to electronic mail: attitudes, harriers, and opportunities. Proc Annu Symp Comput App Med Care. 1994; P. 15-9.

106. Haimowitz I.J., Ramesh S. Patil, Peter Szolovits. Representing Medical Knowledge in a Terminological Language is Difficult. Proc. Symp. Computer Applications in Medical Care, IEEE Computer Society Press, Washington, DC. 1988. P. 101-105.

107. Kuszler Patricia C. A Question of Duty: Common Law Legal Issues Resulting from Physician Response to Unsolicited Patient Email Inquiries. J. of Medical Internet Research 2000; (3). P. 17-19

108. Morozov E.V. Elements of Queueing Theory. Petrozavodsk. 1998. 126.0yston John. Anesthesiologists' Responses to an Email Request for Advice from an Unknown Patient. Journal of Medical Internet Research 2000, P 16-17.

109. Ramamoorthy, C.V., Prakash, A., Tsai, W.T., Usuda, Y. Software Engineering : problems and perspectives. Computer. Outubro 1984. P. 191-209.

110. Reidsema C., Szczerbicki E. A Blackboard database model of the design planning process in concurrent engineering. Cybernetics and Systems: An International Journal, 2001. 32. - P. 755-774.

111. Shortliffe E.H., Leslie E. Perreault, Gio Wiederhold, Lawrence M. Fagan. Medical Informatics: Computer Applications in Health Care and Biomedicine. Second Edition. Springer, 2000.

112. Szolovits Peter. Medical Informatics: Computer Applications in Health Care. http://medg.lcs.mit.edU/people/psz/6.872/96/notes/Kohane

113. R.Van de Velde. Framework for a clinical information system. International Journal of Medical Informatics. Volume (issue): 57 (1) 2000 Free Sample Issue. P. 57-72.

114. Spahni S., Sherrer Jr. Sauquet D., Sottile PA. Consensual trends of optimizing the constitution of middleware. ACM SIGCOMM Computer Communication. 1998. - V.28, №5. - P. 76-90.

115. Telematics Systems for Health Care:AlM-92.-Luxemburg: Office for Official Publications of the European Communities,1992. №213. P. 11.

116. Website РБК. Рейтинг http://rating.rbc.ru/graphs/full.shtml?2004/l 0/29/830161.

117. Yu-Chuan Li, Li Liu, Wen-Ta Chiu, Wen-Shan Jian. Neural network modeling for surgical decisions on traumatic brain injury patients. International J. of Medical Informatics. V. (issue): 57 (1) 2000. P. 1-9.119