автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.14, диссертация на тему:Разработка компьютерных иммунологических консультирующих систем

и'

< %

\

Шухова Наталья Викторовна

На правах рукописи

V ¿V'

Разработка компьютерных иммунологических консультирующих систем

Специальности: 05.13.14 - Системы обработки информации и управления 05.11.17 - Медицинские приборы и системы

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Новосибирск - 1998

Работа выполнена в Новосибирском государственном техническом университете и Институте клинической иммунологии СО РАМН

Научный руководитель:

академик РАЕН и МАИ, д.т.н., профессор В.В. Губарев

Научный консультант:

член-корр. РАМН и академик РАЕН, д.м.н., профессор В.А. Козлов

Официальные оппоненты: член-корр. РАЕН, д.т.н., профессор Г.С. Лбов

д.ф.-м.н., профессор Л.В. Недорезов

Ведущая организация:

институт вычислительной математики и математической геофизики СО РАН

Защита диссертации состоится «23» июня 1998 года в 10 часов на заседании диссертационного совета Д 063.34.06 в Новосибирском государственном техническом университете по адресу: 630092, Новосибирск, пр. К. Маркса, 20.

С диссертацией можно ознакомиться в библиотеке Новосибирского государственного технического университета

Автореферат разослан ¿9

совета

Ученый секретарь диссертащ

Вострецов А.Г.

Актуальность темы исследования: Развитие вычислительном техники, появление новых методов анализа данных привело к их широкому использованию в непромышленных сферах, в том числе, в медицине и, более конкретно, в иммунологии.

Иммунология, изучая законы функционирования биологического объекта, является относительно новой наукой. Эмпирические знания и теории находятся в ней в стадии формирования, поэтому негг единой, целостной картины о протекающих процессах Имеются лишь отдельные теоретические предположения о процессах, модели некоторых вариантов функционирования иммунной системы, данные, получаемые в разных условиях. Развитие многих перспективных направлений в клинической иммунологии в настоящее время не возможно без применения средств вычислительной техники и интенсивного внедрения математического моделирования, экспертных систем, современных методов анализа данных.

В настоящее время все большую важность наряду с логическими методами обработки информации приобретает разработка техники интуитивной обработки, свойственной человеку. Методики, применяемые для распознавания образов, многовариантного анализа данных, нейронные, нечеткие и интервальные вычисления -все это попытки реализовать интуитивную обработку информации для тех слабо формализованных областей знаний, где применение традиционных методов не является эффективным. Именно такой предметной областью является клиническая иммунология. Здесь неопределенность, размытость, неполнота, противоречивость и т.п. свойства информации обуславливаются не только свойствами биологических объектов, являющихся неоднородными и внутренне конфликтными, но и следствием использования теоретически и практически различных подходов при анализе результатов наблюдений, которые зачастую бывают получены на различных объектах изучения и требуют совместной и непротиворечивой интерпретации

Иммунная система (ИС) имеет свойства сложных систем и описывается как слабо формализованная область неточных и нечетких знаний, сформированных из различных источников Всеобъемлющий эксперимент для этой сложной системы, дающий полную картину о функционировании изучаемого биологического объекта, поставить не возможно, данные, требующие совместной обработки, как правило, получаются в разных условиях Вследствие этого необходимо иметь процедуры, которые позволяли бы выполнять корректно интерпретацию данных, полученных при наблюдении сложной системы, например, в рамках решения диагностических задач.

В связи с изложенным актуальной является разработка теоретических основ построения компьютерных систем, позволяющих автоматизировать массовое решение (доврачебных) диагностических задач в иммунологии, во-первых, в реальных условиях функционирования иммунной системы и получения информации о ней, во-вторых, в отсутствии, либо недостаточности высококвалифицированных специалистов-иммунологов.

Связь темы исследований с планами и _ программами НИР:__Актуальность

выбранной темы подтверждается тем, что диссертационная работа является частью научно-исследовательских работ, выполняемых в Новосибирском государственном техническом университете (НГТУ), а также в институте клинической иммунологии СО РАМН в рамках следующих грантов:

1 Грант МинВУЗа РФ "Интеллектуальная автоматизированная система моделирования и прогнозирования временных рядов" (1994-95 г.г.) (НИИ радиоэлектронных систем прогнозирования чрезвычайных ситуаций, г. Санкт-Петербург). Работа выполнялась в НГТУ на кафедре СА под рук. д.т.н., проф. В,В. Губарева.

2. Грант ГНТПР 02.05 "Здоровье населения России", раздел 02.05 ПНТП "Диагностика, профилактика, лечение и реабилитация девочек и женщин, страдающих воспалительными

з

'заболеваниями гениталий в Новосибирской области за 1993-94 год". Работа выполнялась в ИК и ЭЛ СО РАМН и ИКИ СО РАМН под рук. к.м.н. Т.И. Дергачевой. 3. Грант Минвуза №108 «Разработка средств выбора методов компьютерного анализа данных под прикладную задачу» (1996-97 г.г.). (СПГЭТУ, г. Санкт-Петербург). Работа выполнялась в НГТУ на кафедре ВТ под рук. д.т.н., проф. В.В. Губарева.

В ИКИ СО РАМН консультирующая система «Вторичные иммунодефициты» (ВИД) успешно использовалась для выполнения программы ГКНТ РФ "Оценка последствий воздействия на население Алтайского края антропогенного загрязнения окружающей среды и испытаний здерных устройств на Семипалатинском полигоне":

задания 1993 г. - "Влияние радиационного воздействия на распространенность и структуру вторичных иммунодефицитов и групп риска по их формированию у лиц трудоспособного возраста, проживающих в зонах радиационного воздействия на Алтае" (под рук. д.м.н., проф. B.C. Ширинского);

задания 1994 г. - «Сравнительное семейное исследование отдаленных последствий воздействия радиационных факторов Семипалатинского полигона, обуславливающих развитие иммунопатологических состояний у жителей Алтайского края, разработка медицинских критериев прогноза их формирования и профилактики иммунокоррекции» (под рук д.м.н., проф. В.И. Коненкова, д.м.н., проф. B.C. Ширинского).

Цель диссертационного исследования: Исходя из изложенного ранее, целью диссертационной работы является разработка основ построения и создание компьютерных консультирующих систем, позволяющих осуществлять (доврачебный) диагноз состояний иммунной системы в условиях ограниченного количества (или отсутствия) высоко квалифицированных специалистов-иммунологов и наличия типовых исходных данных и знаний о пациенте и окружающей среде.

В соответствии с указанной целью в рамках диссертационной работы поставлены и решены следующие задачи:

- систематизация и анализ особенностей иммунной системы (ИС), данных и знаний об ИС, методов и средств математического моделирования ИС, а также медицинских экспертных систем с точки зрения их применения для компьютерной диагностики состояний ИС;

- разработка технологии подготовки и принятия диагностических решений о состоянии ИС, пригодной для реализации ее в иммунологических консультирующих диагностических системах, и проведение необходимых исследований по ее обоснованию и детализации;

- разработка структуры компьютерных иммунологических консультирующих систем, создание и апробация действующих вариантов систем.

Методы исследований: Полученные результаты исследования базируются на использовании методов и средств системного и математического анализа, теории вероятностей и математической статистики, статистических решений, теории классификации, экспертных систем, компьютерного анализа данных.

Основные научные положения, выносимые на защиту:

1. Результаты анализа доступной информации об иммунной системе (ИС), включая особенности данных и знаний о ней, методов математического моделирования ИС и медицинских экспертных систем с точки зрения их применения для компьютерной диагностики состояний ИС. Постановка задачи построения компьютерных иммунологических консультирующих систем.

2. Технология подготовки и принятия диагностических решений о состоянии иммунной системы по реальным качественным клиническим и (или) количественным лабораторным эмпирическим данным.

3 Результаты исследования законов распределения вероятностей показателей функционирования иммунной системы

4. Технология приобретения и агрегирования знаний экспертов и синтеза диагностических правил.

5 Типовая структура автоматизированных компьютерных иммунологических консультирующих' систем, структуры и результаты апробации действующих систем «ВИД» и «Интерпретатор».

Достоверность научных положений, выводов и рекомендаций подтверждается обоснованной постановкой теоретических задач, результатами систематических аналитических исследований, положительными результатами апробации и внедрения действующих систем в реальных условиях.

Научная новизна полученных результатов заключается в следующем:

1. Впервые поставлена и решена задача построения автоматизированных компьютерных иммунологических консультирующих систем (АКИКС), позволяющих проводить массовую доврачебную диагностику состояния иммунной системы человека в реальных условиях функционирования как иммунной системы, так и рядовых медицинских учреждений, в частности при отсутствии в них высоко квалифицированных специалистов-иммунологов и специального лабораторного оборудования.

2. Теоретические основы построения систем рассматриваемого класса (АКИКС) составляют:

выявленные в ходе проведенных исследований особенности иммунной системы человека (с точки зрения построения АКИКС, получения, обработки, интерпретации и применения данных и знаний об ИС), условия и факторы, влияющие на нее и на экспериментально полученные значения показателей ее функционирования, особенности данных и знаний о ней и условиях их получения, результаты систематизации и области возможного применения существующих математических моделей и экспертных систем для построения АКИКС;

- обобщенная математическая модель ИС как средство компактного описания происходящих в ИС процессов при качественном пояснении механизмов функционирования ИС и интерпретации автоматизированных диагностических решений,

- технологии автоматического VI автоматизированного принятия диагностических решений о состоянии ИС, в том числе оригинальная автоматизированная адаптивная инвариантная к изменениям факторов ц непатологическим индивидуальным особенностям пациентов технология, отличающаяся использованием, агрегированием информации из разных источников, настройкой, нормативных границ изменения значений показателей функционирования ИС (ПФИС) и правил принятия решений, адаптации к индивидуальным данным пациента, включением эксперта в контур принятия решений, корректировкой состава ПФИС и базы знаний;

- апостериорные законы распределения ПФИС;

- элементы оригинальной технологии приобретения, агрегирования и использования знаний экспертов и синтеза диагностических правил, полученных от разных экспертов;

- структуры и практика построения двух АКИКС.

3. Выявленные в процессе эксплуатации систем «ВИД» и «Интерпретатор» новые знания и факты, как-то: наличие различной информативности одних и тех же ПФИС в разных технологиях, существование жесткого соответствия между диагностическими технологиями, областями их применения, оптимальными по минимуму вероятности ошибочных решений, и компетентностью экспертов; подтверждение необходимости и целесообразности адаптивных технологий принятия диагностических решений; конкретные данные по заболеваниям жителей обследованных регионов.

Личный вклад автора; Все выносимые на защиту результаты получены автором лично. В работах, опубликованных в соавторстве, автором дана постановка задачи, предложены основные идеи решения, совместно проведены необходимые исследования, получены теоретические результаты.

Практическая ценность: Разработка новых и формализованное описание существующих вариантов принятия диагностических решений в области клинической иммунологии, выявление источников неопределенности и типов знаний, используемых при создании баз знаний консультирующих систем, классификация этой информации, позволили построить методы учета специфики иммунологических данных и создать две компьютерные консультирующие системы "ВИД" и "Интерпретатор".

Практическая реализация результатов работы: Разработанное программное обеспечение системы "ВИД" внедрено и эксплуатируется в крупных медицинских центрах в ряде городов России: в ИКИ СО РАМН г. Новосибирска, в Волгоградском Центре клинической иммунологии, в Тюменском областном центре клинической иммунологии, в Новосибирском областном герантологическом центре; программное обеспечение системы «Интерпретатор» использовалось в ИКИ СО РАМН в исследовательских целях, о чем свидетельствуют справки о практическом использовании. Система «ВИД» зарегистрирована в Российском генеральном регистре Федерального Агенства Информации РФ. Принципы и алгоритмы приобретения знаний смешанной природы позволяют получать не только осознанную часть опыта эксперта, но и интуитивную, неосознанную, делать доступной ее для последующего использования и изучения. Предложенные подходы позволяют выполнять интерпретации разнотипных данных, обладающих различными статистическими свойствами. В результате применения систем-консультантов по отзывам пользователей в 5-10 раз сократилось время на постановку предврачебного диагноза при обеспечении необходимого качества диагностики без участия высоко квалифицированных кадров.

Апробация работы. Результаты работы и основные положения докладывались на международной научно-технической конференции "Идентификация, измерение характеристик и имитация случайных сигналов" (Новосибирск, НГТУ, 1994), на 1-м съезде иммунологов России (Новосибирск, 1992), на Международном симпозиуме по аллергологии и клинической иммунологии (Казахстан, Алма-Ата, 1992), на Международных конференциях "Загрязнение окружающей среды" (1СЕР-95) "Нейроиммунные взаимодействия и окружающая среда" (1СОМЕ-95) (Санкт-Петербург, 1995), на международной научно-технической конференции "Научные основы высоких технологий" (Новосибирск, НГТУ, 1997), на Международном симпозиуме "Окружающая среда, здоровье человека, развитие Сибири" (Новосибирск, НГУ, 1997).

Программная система «ВИД» демонстрировалась на 1 съезде иммунологов России (Новосибирск, 1992), выставке «Наука и образование в Сибири-95» (Новосибирск, 1995).

Публикации По теме диссертации опубликовано 16 печатных работ. При участии автора написано 5 отчетов по НИР.

Структура и объем работы. Диссертационная работа состоит из введения , пяти глав, заключения и списка литературы из 147 наименований, содержит 171 страницу основного текста, 27 рисунков, 20 таблиц и 8 приложений. Каждая глава начинается вводными замечаниями и заканчивается выводами. В приложении даны копии документов об использовании программного обеспечения, фрагменты документации, примеры диагностики и рекомендаций, полученных с помощью программ «ВИД» и «Интепрегатор».

СОДЕРЖАНИЕ РАБОТЫ B nepspiLrJiaBC диссертации даны постановка и обоснование актуальности задачи диссертационного исследования, в том числе, показаны трудности, описания и диагностики ИС, рассмотрены структурные особенности и функциональные .характеристики ИС как источника порождения разнотипных данных и знаний, специфика измерения иммунологических показателей с точки зрения особенностей сбора и обработки данных, особенности ИС как объекта принятия врачебных решений {с точки зрения интерпретации данных, диагностики, выбора лечения), конкретизированы проблемы, возникающие при выполнении задачи построения консультирующей системы диагностики вторичных иммунодефицитов и предложены некоторые подходы к их решению.

В §1.1., §! 2 показаны принципиальные отличия двух типов показателен функционирования ИС (ПФИС) Z - качественных клинических показателей (КП) X и количественных лабораторных показателей (ЛП) Y, которые заключаются: в смысловом содержании, методах получения, периоде отражения информации об ИС, способах измерения, источниках и размерах ошибок, шкалах представления, скоростях изменчивости признаков, типах реакций на одни, и те же влияющие факторы, возможностях их применения при диагностике.

В §1.3. подробно рассмотрены общие вопросы математического моделирования функционирования ИС и выделены основные классы моделей: М, - модели инфекционного заболевания, Мг - модели реакций ИС, возникающих вследствие неантигенпых воздействий внешней среды, М-, - модели иммунокорригирующего воздействия; Mi - модели биоритмов ИС; Ms - модель старения ИС. Показано, что для нормально функционирующей ИС характерно сосуществование одновременно сразу нескольких биологических процессов, которые оказывают влияние на результирующее значение показателей функционирования иммунной системы и описываются соответствующими классами и вариантами моделей М|-М5. Вследствие этого общие закономерности изменения тех или иных параметров ИС можно выявить только на основе совместного анализа информации о многих аспектах функционирования ИС, описанных, в частности, в виде обобщенной модели

Предложено обобщенное математическое описание функционального состояния ИС во времени, выраженное через ПФИС Z,, в виде аддитивной модели:

«,„л,.о>

кЛ 1-1

где h - номер класса моделей, j - номер (вариант) модели в классе; у=1,Г, где Г -количество наблюдаемых ПФИС ZhjTeZ в процессе, описываемым моделью Mi,,; t - время; Thj - интервал запаздывания при развитии hj-ro процесса; а.>,.;, - весовой коэффициент, характеризующий вклад, значимость ПФИС в развитии hj-ro процесса в реакциях иммунного реагирования ИС

Предложено модельные знания использовать в виде групп логических правил, являющихся основой диагностической БЗ. Показано, что в диагностических задачах, решаемых на предврачебной стадии обследования пациентов, непосредственное использование известных математических моделей не возможно. При этом знания о процессах, описываемых моделями М) и Ms, предложено применять для определения «индивидуальной нормы» объекта в пространстве нормальных физиологических реакций, а знания в рамках моделей Mi, Мг, М; - для выбора правил принятия решений, соответствующих ситуациям «болезнь», «повреждение», «лечение», в зависимости от которых меняется группа правил принятия решений.

В §1.4. детально описана специфика измерения параметров ИС, заключающаяся, прежде всего, в разнотипности иммунологических данных, наличии проблемы их

компьютерного анализа, в частности, совместной статистической и аналитической обработки, а также интерпретации результатов анализа, обработки.

В §1.5. рассмотрены существующие методологические подходы формирования знаний об ИС и соответствующие подходы к диагностике состояний ИС. Поставлена задача использования достоинств каждого из двух описанных методических подходов к диагностике - клинико-эмпирического и лабораторного - и разработки нового способа агрегирования знаний, полученных из разных источников (специалистов, использующих различные методические подходы), гарантирующего построение базы знаний диагностической системы, обладающей эмергентным системным свойством, качественно новым, более полным и полезным, по отношению к каждому из исходных, уровнем знаний об ИС. Дано методологическое обоснование возможности разработки и использования способа совместного применения знаний, полученных с использованием различных методологических подходов из разных источников, в частности совмещения достоинств классификаций (построенной на основе количественных ЛП,

лабораторного подхода) и (построенной на основе качественных КП, клинико-эмпирического подхода) и в совмещенной классификации:

7>(25ь ..., ^Х 4=1,2,.... <3, (4)

где - классификация состояний, построенная и на основе объеденного подхода и совместного использования ЛП и КП, состоящая из множества распознаваемых состояний а,, Аг^ распознавание класса на основе агрегирования 2-х методик, учитывающая свойства X и У; - количество распознаваемых состояний.

Предложено формализованное представление знаний при клинико-эмпирическом подходе в виде тройки (см. рис. 1.):

<0, Ч",0>, (2)

где О - множество наблюдаемых объектов, таких, что О: (2, в), где г={Х, У} - ПФИС (КП и ЛП); 8={Я,/ = 1Д } - множество, возможных для наблюдения состояний ИС объектов, К - максимально возможное количество состояний; 1>={е, >£} -

заболевания, £,-

диагностируемые промежуточные единицы симпгомокомплексы (на языке врача - «синдромы»), xS - множество заболеваний согласно используемой классификации, Ч* ={ Ч* ь 4*3, 4*4} - множество логических формул,

характеризующих связи наблюдаемых значений ПФИС с принимаемыми диагностическими решениями, а также логических ограничений, таких, что: е- lf i(Z(Sj)) - логическая формула зависимости е от значений Z для i-ro состояния Si; ç= ¥ 2(Z(S,)) - логическая формула зависимости Ç от значений Z для i-ro состояния S,; xSj= Т э(е, Ç, 4*4(Z(S)) - логическая формула зависимости принимаемого решения, т.е. вывода о заболевании xSj, от (е, Ç); y4(Z(Si)) - логические ограничения, накладываемые областью применения этих формул.

Рассмотрены проблемы неоднозначности определения понятия «норма» при работе с ЛП, обусловленной существованием индивидуальной (клинической) и популяционной (связанной со статистической оценкой нормативных границ по популяции) норм, а также ориентацией существующих концепций математического

диагностируемые единицы, е - отдельные признаки распознш

О Состояния ИС -:: ■." ■ :-v Sk * ........

Е; ■ Наблюлемые ПФИС £(Sk)

Т ... Выявление признаков

Ы '■ и синдромов / / Ç=4';(Z(S,))

*

/ c=4-..(Z(Sv)) -

/ /'

.Диагнозы xS^^S*), ç(St), 4\(Z(SV)))

Рис.1. Схематичное изображение принятия решений при диагностике состояний ИС по ПФИС при ютшшсо-эмпирическом подходе.

. описания понятия «нормы» исключительно на симметричность законов распределения ПФИС и равномерное расположение квантилей в диапазоне измерений измеряемого показателя и ограниченности применения этих норм в клинической иммунологии.

Предложено формализованное представление знаний в случае применения при диагностике заболеваний ИС количественного лабораторного подхода (см рис. 2) для статического и динамического вариантов. Формально знания при данном подходе описываются тройкой (2). Однако (ср. с рис. 1), множество диагностических единиц при этом другое: 1>={е, Изменено также множество логических формул Ч/={Ч'1, 4*э, Статическим вариант учитывает только статику состояния ИС: задача диагностики сводится в этом случае к принятию решений в многомерном пространстве признаков с использованием знаний о классах применяемой классификации ,5, о нормативных

границах у!^, правилах {¥,, ¥3, отнесения состояния к классам. Динамический вариант диагностики по ЛП учитывает динамику ИС: ЛП при этом могут быть представлены в виде совокупности траекторий' У(0={у,(1), уь(0},(4) когда значения у(1) -принадлежат

континуальному множеству и мы их наолюдаем при неоднократных исследованиях в редкие фиксированные моменты времени, вследствие чего наша информация о процессе не является полной. Показано, что указанная неполнота имеет следствием специфику интерпретации лабораторных иммунологических показателей, в том числе: характерное отсутствие четких формализованных процедур их интерпретации и большую долю субъективизма.

Выявлены особенности влияющих на ИС и ПФИС факторов Ф, приведена их классификация. Показано, что некоторые из факторов могут оказывать мешающие диагностике воздействия, что необходимо учитывать в процессе принятия диагностических решений.

Показано, что проблема интерпретации лабораторных данных как составная часть диагностической задачи, связана, прежде всего, с отсутствием специализированной технологии обработки разнотипных данных, полученных в разных условиях, а также с отсутствием возможности использования в агрегированном виде априорных знаний о процессах, происходящих в ИС.

В §1.6. проанализированы отличительные особенности лабораторных и клинических показателей ПФИС, важные с точки зрения принятия и интерпретации диагностических решений (подвижность ЛП по отношению к КП, характеристики исходных и конечных состояний по ЛП и КП при иммунокоррекции), совместный учет и анализ которых позволяет получать качественно новые результаты при решении диагностических задач. Предложена обобщенная схема принятия решений, основанная на совместном применении смешанной информации, полученной из различных источников.

В §1.7. рассмотрены характерные для клинической иммунологии причины недостаточного для полностью формализованного принятия диагностических решений качества информации. Показано, что знания об ИС - это случай слабоструктурированной области знаний, а задача диагностики вторичных иммунодефицтов - это случай принятия диагностических решений в условиях неполноты информации об ИС - многоуровневой

ч

о Б Ъ Е К Т Ы

Состояния ИС

Наблюдаемые ПФИС

Преобразование ПФИС и „ :. .*;; выявление признаков заболевания

?

\

Диагпозы : . у^з^гчад^И^))))

Ри^Оагаптмхнэобржвгспгитшршетй

ЛП.

многокомпонентной системы со статистически или нечетко описываемыми взаимосвязями ее параметров. Показано, что в связи с этим применение стандартных методов диагностики и принятия решений является проблематичным, имеет место необходимость разработки подходов, которые позволяют выполнять задачи в условиях существующих проблем. Для целей повышения качества информации, в частности уменьшения ее неполноты при построении диагностической процедуры, предложено совместное использование информации разнородной смешанной природы из следующих источников знаний:

1) экспертной информации о диагностике в рамках двух методологических подходов к диагностике - клинико-эмпирического и лабораторного;

2) теоретических знаний: а) о наличии возможности развития различных процессов под влиянием изменяющихся условий существования ИС и отражаемых обобщенной моделью (1); б) о типах влияющих на ИС факторов, определяющих условия и вариант существования;

3) статистической информации о свойствах ПФИС, наблюдаемых в разных условиях. Предложено осуществлять контроль за изменчивостью статистических характеристик данных, поступающих для интерпретации и диагностики, по результатам которого осуществлять либо: а) выбор соответствующей группы интерпретирующих правил; либо б) преобразование правил (введение адаптации нормативных значений к условиям их применения) и преобразование данных (например, приведение данных к единым начальным точкам отсчета, в частности, использование соответствующих поправок при разном возрасте ИС), что без перехода к использованию другой группы правил обеспечивает совместную обработку данных, полученных в разных условиях.

Таким образом, в первой главе показано, что ИС относится к разряду сложных систем по структурным, функциональным и информационным свойствам. Для этой системы наблюдение, дающее полную картину данных о функционировании ИС, организовать не возможно. Вследствие этого данные, требующие совместной обработки и анализа, получаются в разных условиях и имеют различные свойства (разнотипность, уникальность). В связи с этим в главе сформулирована необходимость разработки подходов, во-первых, учитывающих особенности ИС и свойства соответствующих показателей -клинических (КП) и лабораторных (ЯП); во-вторых, выбора адекватных типу данных методов их анализа, в-третьих, определения способов максимального использования доступной априорной информации и методологических особенностей ее получения.

Во второй главе диссертации рассматриваются подходы и методы формализации решения медицинских диагностических задач, пригодные для реализации в средствах, доступных для клиник.

В §2.1. рассмотрена известная в теории автоматического управления схема модели с обратной связью в приложении к иммунной системе как объекту моделирования, приведены примеры интерпретации входных, выходных, возмущающих и управляющих сигналов этой схемы с точки зрения принятия диагностических решений. Показано, что решение задачи диагностики имеет те же проблемы, что и задача распознавания образов в прикладной статистике. Сделан вывод о необходимости выбора математического аппарата для обеспечения решения задачи диагностики ИС соответственно варианту описания взаимодействий «обьект-среда», структуры объекта моделирования, задач конкретного исследования в медицинской диагностике.

В §2.2.-2.6. приведены результаты аналитического обзора, проанализированы области применимости, преимущества и недостатки использования различных подходов и методов к формализованному описанию и моделированию принятия медицинских диагностических решений: в §2.2. - детерминированных моделей, в §2.3. - недетерминированного вероятностно-статистического моделирования в иммунологии, в том числе, применения методов теории вероятностей и математической статистики, в §2.4. обсуждаются

Ю

достоинства и недостатки нечетких моделей для решения задач диагностики ИС, а в §2.5. - возможности применения формальных процедур теории принятия решений.

В §2.6 дан обзор и анализ экспертных систем (ЭС), используемых в медицинской практике. Показано, что все существующие ЭС, которые решают задачи медицинской диагностики, непосредственно в области клинической иммунологии не применяются Экспертные системы как технологии, обеспечивающие решение медицинских диагностических задач, признаны наиболее адекватным аппаратом. Однако, по мнению автора, другие методы, в частности прикладная статистика, имеют свои преимущества, которые в сочетании с технологией экспертных систем могли бы дать наилучший результат для решения диагностических задач в клинической иммунологии Именно этот подход н был реализован в данной работе.

Проанализированы известные подходы к построению процедуры диагностики на основе анализа лабораторных иммунологических показателей У. Выявлено, что их недостатком является то, что они не реализованы в виде единой технологии, обеспечивающей построение диагностической системы. Показано, что задача разработки автоматизированной системы с использованием ЛП У в клинической иммунологии рассматривается автором впервые.

Отмечено, что качество работы диагностических ЭС зависит, прежде всего, от качества знаний, заложенных в базу знаний. В связи с этим §2.6. рассмотрены различные методы приобретения знаний и получения знании от эксперта. Из всех существующих методов приобретения знаний ни один не учитывает методологические особенности, имеющие место при решении задач в клинической иммунологии, что создает предпосылки для разработки оригинального способа приобретения и агрегирования диагностических знаний, полученных от экспертов, владеющих различными методическими подходами к диагностике: клинико-эмпирически\т и лабораторным

UиьюJpстv«jLjЗ.<ШЬ! диссертации является разработка адаптивной, инвариашной к изменениям фаетороч, мешающих принятию решений, технологии диагностики состояния ИС

Существующая технология принятия диагностических решений предполагает две стадии действий. Рассмотрим ее на примере диагностики по ЛП см. рис 2, 3 и сравни их с рис 1 На первой стадии используется ансамблевый подход и подготовка методики для второй стадии. На ней в ходе специальных массовых исследований по ансамблевой выборке из группы в N здоровых пациентов, полученной в определенных условиях, устанавливаются «эталонные» граничные значения урЛ, .. ,ур.кР, для каждого ЛП ур, р-1 .р и частоты - оценки «эталонных» вероятностей qь ., д!. распознанных по классификации уБ для этих пациентов «эталонных» состояний Я], ..., Бь (см. рис. 3). Сами граничные значения у,*, 1с=1Д'р определяются, как правило, в предположении гауссовости распределения ЛП У.

На второй стадии используется траекторный подход Здесь на первом этапе измеряются траекторные значения уР(^), )=1,./ для каждого ЛП ур((), р-1,/' для конкретного обследуемого пациента. На втором - сравнением с жестко заданными граничными значениями ур.ь ....у^кр определяются ранговые значения ур*, а затем - на третьем этапе выявляются признаки заболевания и принимается диагностическое решение (см. рис. 2). Эта технология имеет следующие недостатки. Во-первых, граничные значения ур>к зависят от условий, в которых они получены. В результате на первой стадии строятся лишь фрагментарные методики, предусматривающие несколько (небольшое количество) вариантов нормативных границ - сезонных, региональных, возрастных, т.е. не учитывающие все возможные влияющие факторы и, особенно, их комбинации, а также изменения факторов как по составу, так и по во времени, появление их в случайные моменты времени. Во-вторых, границы рассчитываются, как правило, в предположении гауссовости ПФИС. В-третьих, они не учитывают индивидуальные непатологические

особенности пациента, которые имеют достаточно сложный характер изменений. Все это затрудняет процесс принятия диагностических решений специалистом (средней квалификации), создает условия для появления диагностических ошибок.

В связи с этим в качестве методологической, технологической основы функционирования АКИКС предложена и разработана новая адаптивная, инвариантная к

наблюдаемые ЛП = (.»V('/))),/>= !-р}.

преобразование ^('о)«^^)«^^), п = Щ р = Ц>

результат преобразования уп ' ** 1, где .

р У1} \ррл,рр.ъ--р„4 2>М-='.

II

р=ъ р,

где

у _

поиск признаков заболевания =

принятие

у ^

решения о диагнозе 4<(г *(о).«) = | 'ц'—, ф' = 1

I (»1

где 1'у " закон распределения ур р*- частота наблюдения градаций рангового

ЛП Ур, д/ - частота наблюдения заболевания А выявленного по классификации уЗ с помощью правил ¥ при использовании рангового ЛИ ур, е - симптомы, признаки заболеваний (в процессе применения Ч* выявляются случаи равенства признака е заболевания ^; и градации у„*). Остальные символы используются согласно принятый ранее обозначениям.

Рис. 3. Ансамблевый подход к диагностике на основе ЛП. мешающим диагностическим факторам и непатологическим особенностям пациента технология. Ее отличия: 1) индивидуальные особенности пациента учитываются коррекцией значений ур(Ц, например, умножением их на соответствующий возрастной, сезонный и т.п. коэффициент; 2) производится текущий контроль эмпирических данных и адаптация граничных значений ур,ь или правил принятия решений. Для этого вводится «образцовое» и «текущее» распределение частот щ соответствующих диагностических решений определяемых ими состояний ИС (см. рис. 3.), а в контур принятия диагностических решений включается эксперт-иммунолог. На первой стадии исследований в качестве «образцового» принимается «эталонное» распределение. Решение об изменении и о диапазоне изменений (адаптации к фактически наблюдаемой массовой (ансамблевой) ситуации) или сохранении граничных значений принимается экспертом по итогам сравнения по критериям согласия (например, х2 и га2 ) гипотез о совпадении «текущего» распределения вероятностей ..., Чь с «образцовым» (см. результаты подобной процедуры в Приложении на обложке). 3) Если изменения границ не обеспечивают «совпадения» распределений, проверяются гипотезы о соответствии структур связей ПФИС, т.е. наличие или отсутствие связей или равенство ранговых конкорреляционных матриц связи факторов. Предлагается в случае их неравенства, принимать с согласия эксперта решение о замене о замене логических правил принятия диагностических решений (используются правила, специфичные именно для предполагаемой комбинации мешающих факторов). 4) новые «образцовые» граничные значения рассчитываются и назначаются экспертом с учетом не гипотетических гауссовых, а реальных (апостериорных) ансамблевых распределений ПФИС или их соответствующих квантилей. С этой целью в §3.3. было проведено экспериментальное

исследование распределений ПФИС и осуществлена их аппроксимация (см. рис. 4). Для выбора аппроксимирующих законов распределений использован метод моделетеки. Проведение численных расчетов выполнялось с помощью пакета прикладных программ статистического описания, аппроксимации, оценивания и моделирования случайных элементов, разработанного под руководством д.т.н., проф. В.В: Губарева. Было исследовано свыше пятидесяти различных ПФИС (иммунологических тестов первого уровня и биохимических анализов) в более чем ста выборочных массивах (по 50-300 элементов в выборке), сформированных по результатам иммунологического обследования доноров и больных ревматоидным артритом, бронхиальной астмой и т.п. В зависимости от объема выборки, в качестве критериев согласия использовались критерии X2 , шг. В результате были подобраны типовые модели распределения, адекватные исходным данным в смысле используемых критериев согласия. Показано их многообразие и зависимость от условий проведения иммунологических обследований, что очень важно знать эксперту при назначении границ. По результатам аппроксимации эмпирических распределений выявлено: данные, полученные по одним и тем же показателям, но поступившие из разных лабораторий или из одной и той же лаборатории, но в разное время, отличаются не только параметрами описываемых распределений, но и типами распределений (рис. 4). Обсуждаются причины, которые могут привести к таким расходжениям. Для облегчения работы эксперта и пользователя системы предлагается в систему включать меню гипотез о влиянии факторов ^ва состояние ИС, на законы распределения ПФИС, и правила интерпретации ситуации для облегчения работы

С этой целью в §3.4. систематизированы априорные знания о сущности некоторых процессов, происходящих в ИС, и подготовлен стартовый вариант подобных меню. Эти гипотезы построены на основе как литературных данных, анализа моделей М1-М5, практического опыта автора, полученного при решении задач анализа

данных в клинической иммунологии, так и учета мнения экспертов. При выполнении данной технологической операции определяется вид действующего на ИС фактора и

эксперта, а в технологию - этап обращения к этому меню эксперта.

формулируется запрос о том, как относиться к выявленному изменению статистических свойств данных: как к отражающему закономерности, важные для диагностики по выборке, адекватно описывающему картину заболеваемости; или как к мешающему, зашумляющему, ведущему к ошибкам диагностика и искажению общей картины заболеваемости. При отнесении выявленного фактора к разряду мешающих в соответствие с предложенной технологией с согласия эксперта, осуществляется переход к процедуре исключения его влияния через адаптацию правил принятия решений. 6) Наконец, еще одно отличие предложенной технологии - это возможность изменения состава ПФИС (см. гл. 5).

Таким образом, при этом происходит совмещение объективных, но фрагментарных знаний, полученных при анализе ансамблевых статистических данных, с субъективными знаниями эксперта о ситуации, причем, когда отслеживаются не сами факторы, а воздействия всех факторов на ПФИС, т.е. тем самым обеспечивается инвариантность технологии к метающим факторам.

В главе 4 диссертации предложена технология приобретения и использования знаний экспертов, учитывающая когнитивные и методологические особенности, имеющие место при диагностике в клинической иммунологии. В §4.1. систематизированы виды знаний, источники их наполнения и типы неполноты в приложении к клинической иммунологии. В §4.2 рассмотрены вопросы синтеза диагностических правил с учетом областей компетентности экспертов. Для того, чтобы решить задачу диагностики из предметной области 0№, эксперт №1 и эксперт №2 рассматривают вектор Z(Sk) исходных данных об объекте диагностики, применяют свою технологию ab и получают заключение в терминах соответствующей его компетентности классификации xS или yS:

(5)

Pt(Z(Sk(t,0)),e2)=yS.

Качество решающих правил (технологий) предлагается определять по оценке вероятности ошибки распознавания состояний ZS, для которых была выбрана верная стратегия лечения,

Us, =4'(Z(S„„„,)>

? > с (&,

it-> min,

где R - вероятность ошибки распознавания.

Таким образом, для каждой технологии (алгоритма, правила, диагностического критерия) ab можно определить соответствующую область его целесообразной (оптимальной по минимуму вероятности и уровню значимости) применимости или область компетентности при решении диагностических задач.

В §4.3 приведены элементы технологии работы с экспертами, связанные с . приобретением и агрегированием знаний нескольких высоко квалифицированных специалистов, владеющих разными методами диагностики, имеющих пересекающиеся области компетентности, использующих ПФИС, измеренные в разных шкалах.. Теоретическим основанием выполнимости такой процедуры является теория классифицирования Воронина Ю.А. Технология основана на сочетании методов структурированного интервьюирования, протоколирования, построения замкнутых кривых, статистического анализа данных в рамках решения задачи экспертной классификации. Предлагаемая процедура состоит из следующих этапов:

Этап 0. Поиск компетентных экспертов, владеющих разными методами решения задачи: клинико-эмпирическим и лабораторным подходом к диагностике ИС.

Этап 1. Независимое решение каждым экспертом задачи определения множества наименований диагностируемых (распознаваемых) им состояний ИС: при клияико-

эмпирическом подходе перечисляются состояния х8, для которых имеются лечебные воздействия, соответствующие врачебной цели (по теории классифицирования это поименованные и описанные по косвенным свойствам X состояния И С б,. из Б); при лабораторном подходе перечисляются состояния распознаваемые экспертом согласно теоретической модели процесса в ИС (поименованные и описанные по прямым свойствам У состояния ИС в* из в).

Этап 2. Построение правил диагностики (независимое для обоих экспертов) с соблюдением требований: а) полноты; б) непротиворечивости; в) учета струетуры объекта (блочности, иерархии), позволяющих снизить пространство описываемых состояний и выбрать максиминный (максимум информации, минимальный путь) путь опроса эксперта, двигаясь по гршпщам распознаваемых состояний па каждом уровне иерархии; г) визуализации процесса экспертного описания критериев классификации с помощью двумерных графиков.

Этап 3. Погружение экспертных описаний состояний в одни и те же координаты точных количественных шкал - основной момент построения единой классификации ¡.Б, объединяющей достоинства классификациям ^ и Классификации и 5>у - это лишь частные случаи (отражающие различные методологические подходы) в рамках некоторой обобщенной, более полной классификации изучаемого явления (ВИД) ^, что дает нам полное право совмещать эти представления с целью построения обобщенной эмергенгной классификации ¡¡в.

Этап 4. Установлеггие соответствий между наименованиями по классификациям х8 и в рамках единой на основании: а) теории классифицирования и б) результатов исследования Американской ассоциации психологов (фактов выбора врачами одинаковых программ лечения для состояний, называемых различными наименованиями).

Этап 5. Выявление противоречий, неполноты описаний, предъявление их эксперту, «заставляя» его решать задачи диагностики и протоколируя результаты.

Этап 6. Статистический анализ выборочных данных, сопоставление результатов, устранение противоречий, неточностей, донастройка на конкретные условия.

Отличительные особенности предлагаемого способа получения и агрегирования знаний экспертов: а) он основан на использовании когнитивных психологических особенностей экспертов, характерных для клинической иммунологии; б) позволяет агрегировать знания нескольких работающих по разным технологиям специалистов (или одного, но владеющего несколькими технологиями), создавая тем самым эквивалент врачебному консилиуму, обеспечивающему лучшие решения (в смысле качества диагностики); в) основан на структуризация знаний; г) ориентирован не только на интервьюирование, но и на решение экспертом реальных задач; д) использует знания, полученные по результатам статистического анализа данных иммунологических обследований; е) является новым инструментарием выявления и формализации интуитивных и получения новых знаний в клинической иммунологии.

Я главе 5 диссертации приведены описание разработанных консультирующих систем и результаты их апробации. В §5.2. описана типовая структура автоматизированных компьютерных иммунологических консультирующих систем (АКИКС), которая разработана на базе выполненных автором теоретических разработок, изложенных в предыдущих главах. В §5.3. дано описание консультирующей диагностической системы «Вторичные иммунодефицита» (ВИД), в том числе: назначение и функции, выполняемые системой «ВИД», общая характеристика системы «ВИД» и ее архитектуры, особенности функционирования системы ВИД, оценка качества работы системы «ВИД» в сравнении с традиционными методами. Были рассмотрены смещение е0 и среднее квадратические отклонения <ге показателей (} качества технологий.

Показано, что в первом приближении можно считать оценки качества технологий практически несмещенными, а с учетом малости относительных СКО оценок вероятностей, т.е. / , даже при объемах выборок более 20 наблюдений,

утверждать, что значения оценок, полученные по общей выборке объемом N. приемлемы, точные (надежные). Приведены расчеты для оценки качества и точности диагностики, а также дисперсии этих оценоксг^ = -4р{1-р)!N, где р - оцениваемая вероятность, а N -объем выборки, по которой эта вероятность оценивается. Делается вывод о том, что приведенным результатам вполне можно доверять с точки зрения тех выводов, которые были сделаны. Даны выдержки из отчета, иллюстрирующие результаты применения системы «ВИД», как' инструментария для проведения массовых региональных медицинских исследований.

В §5.4. приведено описание консультирующей системы доврачебной диагностики и интерпретации иммунологических показателей «Интерпретатор». Даны общая характеристика системы «Интерпретатор», основные приемы, улучшающие качество решений в ней, оценка качества ее работы.

Опыт апробации и эксплуатации систем «ВВД» и «Ивтепретатор» показал (см. табл. 1), что с помощью АКИКС можно получать результаты на уровне

Таблица 1.

Значения оценок показателей качества диапюстики с помощью систем «ВИД» и «Интерпретатор»

Показатель традиционная технология постановки диагноза постановка диагноза с помощью системы «ВИД» постановка диагноза с помощью системы «Интерпретатор»

Специфичность (%) 72.73 76.31 77.41

Чувствительность (%) 81.19 76.03 73.13

Тест прогнозирования положительного результата (%) 90.11 87.84 78.31

Тест прогнозирования отрицательного результата (%) 55.81 54.72 64 Л2

высококвалифицированных специалистов-иммунологов, и, следовательно, они могут быть рекомендованы к разработке и широкому применению, особенно в тех местах, где нет соответствующих специалистов.

В §5.5. приведен сравнительный анализ двух диагностических технологий, применявшихся для диагностики одного и того же заболевания. Приведены результаты сравнений, которые показывают, что ПФИС в разных технологиях могут иметь разную информативность с точки зрения использования их для принятия диагностических решений, а различные технологии - разные оптимальные (по минимуму вероятности ошибочных решений) области применения.

ЗАКЛЮЧЕНИЕ

Таким образом, в диссертационной работе разработаны теоретические основы построения нового класса автоматизированных информационных систем, а именно, иммунологических компьютерных консультирующих систем, отличающихся разнообразием типов исходных данных, знаний и технологий принятия решений, их агрегированием, использованием эксперта в контуре принятия решений и настройкой на текущие ситуации, а также созданы конкретные системы данного класса.

Основные результаты, полученные в работе, сводятся к следующим:

1. Разработана постановка задачи создания автоматизированных компьютерных иммунологических консультирующих систем (АКИКС).

2. Проведено исследование иммунной системы человека (ИС) как сложной системы с точки зрения особенностей показателей ее функционирования, типов

эмпирических данных и знаний об ИС, их получения, обработки, интерпретации и применения, факторов, влияющих на состояние ИС, математического моделирования ИС и технологий принятия диагностических решений о состоянии ИС.

3. Дан систематический обзор математических моделей, используемых для описания структуры и функционирования ИС и медицинских экспертных систем. Предложена обобщенная модель, представляющая собой аддитивную взвешенную смесь сдвинутых по времени моделей наблюдаемых ПФИС. Показано, что в АКИКС современные математические модели могут играть лишь вспомогательную роль для накопления знаний экспертов при корректировке и интерпретации диагностических решений, а существующие в медицине экспертные системы напрямую не применимы для постросппя ЛКИКС.

4. Разработана новая адаптивная инвариантная к изменениям факторов и непатологическим индивидуальным особенностям пациентов технология принятия диагностических решений о состоянии ИС, отличающаяся: использованием в качестве исходной информации из различных источников; адаптивной к массовой ситуации настройкой нормативных границ изменения значений ПФИС и правил принятия решений, корректировкой непатологических индивидуальных данных пациента, включением эксперта в контур принятия решений, корректировкой состава ПФИС и базы знаний, агрегированием информации, знаний и технологий. 4

5. Исследованы законы распределения ПФИС, показано их разнообразие и зависимость от условий проведения иммунологических экспериментов, а также некорректность применения традиционных технологий в связи с отличием распределений значений многих ПФИС от гауссовых,

6. Разработаны элементы технологии приобретения, агрегирования и использования знаний экспертов и синтеза диагностических правил, полученных от различных экспертов, выявлены особенности создания баз знаний, специфичные для АКИКС.

7. Разработана типовая структурная схема АКИКС. Созданы и апробированы АКИКС «ВИД» и «Интерпретатор», описаны результаты их эксплуатации, позволившие уточнить формулировки постановки задачи разработки основ построения АКИКС.

СПИСОК РАБОТ, ОПУБЛИКОВАННЫХ ПО ТЕМЕ ДИССЕРТАЦИИ

1. Наумова E.H., Шухова Н.В., Елисеева Т.В. Исследование законов распределения медико-биологических показателей. // Тезисы докладов Всесоюзной конференции "Профилактика, диагностика и лечение аутоиммунных заболеваний и вторичных иммунодефицшов". - Новосибирск СО АМН СССР, -1985. - С. 127-128.

2. Орлов Н.Б., Шухова Н.В., Наумова E.H. Метод исследования зависимости между качественными и количественными показателями. // Тезисы докладов Всесоюзной конференции "Профилактика, диагностика и лечение аутоиммунных заболеваний и вторичных иммунодефицитов". - Новосибирск: СО АМН СССР, июнь, 1985. - С. 128-130.

3. Прокофьев В.Ф., Шухова Н.В., Елисеева Т.В. Создание опросника для интервьюирования обследуемых. // Тезисы докладов научной конференции "Экспериментальная и клиническая иммунология на Востоке страны». - Красноярск-1988,т.2,1991.-С. 83.

4. Шухова Н.В., Подколодный H.JI. Применение элементов искусственного интеллекта в решении медицинских задач. // Тезисы докладов конференции "Механизмы повреждения и регуляции восстановительных процессов". - Новосибирск СО АМН СССР, 1988.-С. 128.

5. Разработка и внедрение в практику методов математической обработки и анализа данных клинической и экспериментальной иммунологии на основе системного

подхода. Е.Н. Наумова, Т.В. Елисеева, Н.В. Шухова, Де Сун Де Отчет ИКИ СО АМН СССР, /N ГР 02880030521-23, инв. N 106/02-9. - Новосибирск, 1988. - 85 с.

6. Кудрявцева И.В., Шухова Н.В., Чижов Н.Н., Брагинская Н.М., Лозовой В.П. Исследование информационных свойств критериев диагностики; ревматоидного артрита. / Современные проблемы ревматологии. // Тезисы докладов 1-го съезда ревматологов России. - Оренбург: РАМН, 1993. - С. 280.

7. Старостина Н.М., Шухова Н.В., Ширинский B.C. Распространенность вторичных иммунодефицитов среди рабочих крупного промышленного предприятия Новосибирска. // Тезисы докладов 1 съезда иммунологов России. - Новосибирск: СО РАМН, 1992. - С. 455.

8. Тананко Э.М., Непомнящих В.М., Шухова Н.В. Сравнительное иммунологическое исследование на промышленных предприятиях Новосибирской области. // Тезисы докладов Международного симпозиума по аллергологии и клинической иммунологии. Раздел 2. Клиническая иммунология. - Казахстан, Алма-Ата, 1992. - С. 293.

9. Shirinsky V.S., Shukhova N.V., Starostyna N.M. The Expert System of Acquired Immune Deficiency (ES AID). Medical research in 1992 (Abstracts). Russian academy of medical sciences. Siberian branch. - Novosibirsk, 1993. - P.123.

10. Shirinsky V.S., Shukhova N.V., Starostyna N.M., Podkolodnyi N.L., Vakulenko I.V. The Expert System of Acquired Immune Deficiency (ES AID). "INVENTION INTELLECTUAL PROPERTY REGISTER" IIRP Inc. (Washington, D.C., 20007, USA). Федеральное Агенство Информации "Российский Генеральный Регистр изобретений и интеллектуальной собственности" ЭС ВИД. Регистрационный код 715.61G06HT (англ. и рус. варианты).

11. Шухова Н.В. Проблемы построения диагностических правил. Научный отчет 1993 г. Институт клинической иммунологии СО РАМН. (Annual report 1993. Institute of clinical immunology Siberian branch of Russian academy of medical sciences). 1993, - C. 62.

12. Шухова Н.В. Источники информации в клинической иммунологии. Тезисы докладов международной научно-технической конференции "Идентификация, измерение характеристик и имитация случайных сигналов", г. НовосибирскНГТУ, 1994. -С. 152-153.

13. Подколодный Н.Л., Шухова Н.В., Козлов В.А. Использование знаний различной природы для построения процедуры принятия решений. // Тезисы докладов международной научно-технической конференции "Идентификация, измерение характеристик и имитация случайных сигналов" - Новосибирск: НГТУ, 1994. - С. 154-15S.

14. Непомнящих В.М., Шухова Н.В., Дьяков Е.В. Консультирующая медицинская система «Аллерголог». Н Иммунологический мониторинг патологических состояний и иммунореабилитация: Тезисы докладов Всероссийской конференции. - Москва, 1995. - С. 51 -53.

15. Gubarev V.V., Shuhova N.V., Kozlov V.A. Statistical data express-analysis programm system for immunological experiments. / The 1995 International Co-Conferences on «Environmental pollution (ICEP-9S) and Neuroimmuno interactions and environment (ICON-95)». - St. Petersburg, Russia: PAS. - P. 103.

16. Губарев B.B., Шухова Н.В. "Проблема совместной интерпретации разнотипных данных иммунологических обследований". // Тезисы первого Международного симпозиума "Окружающая среда, здоровье, развитие Сибири". - Новосибирск: НГУ (Кафедра ЮНЕСКО), 1997. - С. 121-123.

17. Шухова Н.В. "Варианты моделей принятия решений в области клинической иммунологии" // Тезисы международной научно-технической конференции "Научные основы высоких технологий" (НОВТ), т. 2, Россия.-Новосибирск НГТУ, 1997.-С. 177-183.

Соискатель

Н.В. Шухова

Приложение

Показатель ЦИК

Выборка., I | принятая за образец

1Л ш

значения показателя

Показатель ЦИК при фиксированных границах нормы, расчитанный _по выборке принятой за образец

и

О Текущая аыборка ||

,В Выборка^ринятая! I | за образец | |

О 10 20 30 40 50 60 70 80 90 100 частоты

Показатель ЦИК при адаптации границ нормы к условиям получения текущей выборки

□ Текущая выборка

I ОЗыбрча,

принятая эа | образец

Рис П1. Иллюстрация практики применения традиционной и предлагаемой технологии диагностики а) эмпирическое распределение ЛП ЦИК у4> для образцовой и текущей выборок (типичная картина), б) эмпирическое распределение величин ур* б традиционной технологии диагностики (при фиксированных нормативных границах), в) эмпирическое распределение у,,* в предлагаемой технологии диагностики (при использовании адаптации границ)

Подписано в печать 22.04.98. Формат 60x84 1/16. Бумага офсетная. Тираж 100 экз. Уч. - изд. л. 1,0. Печ. л. 1,2. Заказ № 2-

Отпечатано в типографии Новосибирского государственного технического университета 630092, г. Новосибирск, пр. К. Маркса, 20.