автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.17, диссертация на тему:Система информационной поддержки лечебной и научной деятельности медицинского учреждения

КОРЕСТАЛЕВ Александр Генадиевич

084615899

СИСТЕМА ИНФОРМАЦИОННОЙ ПОДДЕРЖКИ ЛЕЧЕБНОЙ И НАУЧНОЙ ДЕЯТЕЛЬНОСТИ МЕДИЦИНСКОГО УЧРЕЖДЕНИЯ

Специальность 05.11.17 - Приборы, системы и изделия

медицинского назначения

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

-9 деи т

Санкт-Петербург 2010

004615899

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

Научный руководитель -

доктор технических наук, профессор Шаповалов Валентин Викторович

Официальные оппоненты:

доктор технических наук Дюк Вечеслав Алексеевич

кандидат технических наук, доцент Краснова Анастасия Ивановна

Ведущая организация - Санкт Петербургский государственный университет информационных теънологий, механики и оптики (ИТМО)

Защита диссертации состоится «22^-цека®Ря 2010 г. в 14 часов на заседании совета по защите докторских и кандидатских диссертаций Д 212.238.09 Санкт-Петербургского государственного электротехнического университета «ЛЭТИ» им. В.И. Ульянова (Ленина) по адресу: 197376, г. Санкт-Петербург, ул. Проф. Попова, 5.

С диссертацией можно ознакомиться в библиотеке университета.

Ученый секретарь

совета по защите докторских и

кандидатских диссертаций

Болсунов К.Н.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы диссертации. Сложная организационная система современного лечебно-научного учреждения (ЛНУ), в которой непрерывно реализуются сотни технологических процессов, предопределяет необходимость постоянного анализа большого объема информации и обоснования (поддержки) принятия множества решений. Решения в ЛНУ принимаются на самых разных уровнях и относятся к многочисленным предметным областям лечебной и научной деятельности. От скорости и качества принимаемых решений зависит как непосредственно здоровье и жизнь пациентов, так и поддержание четкого порядка работы ЛНУ.

Для полноценной информационной поддержки лиц, принимающих решения (ЛПР), необходимы средства мониторинга и оценки качества лечения, обобщения статистических данных, выделение особых случаев в отношении тех или иных нозологий, сводные аналитические данные о движении материальных ценностей и полученных финансовых средствах. Все это приводит к целесообразности создания и использования современной информационной системы ЛНУ с развитой интеллектуальной составляющей, называемой системой информационной поддержки (СИП).

В современной СИП сама медицинская информационная система (МИС) является постоянным поставщиком данных, которые используются при формировании решающих правил. Данные могут являться как первичными значениями из различных баз данных (БД), так и быть вычисляемыми, в том числе при помощи сложных вычислительных процедур, а правила формулируются в виде «условие-действие»: при удовлетворении условий правила осуществляют одно или несколько действий. Такой подход к построению СИП лечебной и научной деятельности (ЛНД) позволяет оперативно осуществлять мониторинг различных бизнес-процессов в ЛНУ и принимать эффективные управленческие решения.

Результатом реализации такого подхода должна явиться СИП ЛНУ, работающая в реальном масштабе времени, обеспечивающая широкие возможности развития функций поддержки и значительное повышение достоверности принимаемых решений.

Диссертационное исследование посвящено решению научно-технической задачи разработки различных аспектов создания СИП ЛНУ (требований, архитектуры и двухуровневой системы принятия решений), а также метода и алгоритма построения дерева решений, непосредственно основанных на результатах исследований следующих ученых: Шаповалова В.В., Дюка В.А., Поспелова Д.А, Назаренко Г.И., Гулиева Я.И, Сенкевича Ю.И., Вагина В.Н, Таунсенда К., Шеннона К., и др.

Объектом исследования являются информационные системы ЛНУ.

. Предметом исследования является автоматизированная поддержка принятия решений, реализуемых в ЛНУ.

. Цель работы. Целью диссертационной работы является повышение эффективности деятельности ЛНУ за счет разработки интеллектуальной СИП лечебно-научной деятельности (ЛНД), основанной на знаниях.

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи:

- проанализированы бизнес-процессы, реализуемые в современных ЛНУ, и существующие информационные системы, в том числе МИС, системы автоматизации и поддержки принятия решений. По результатам анализа разработана функциональная модель бизнес-процессов ЛНУ;

- разработана двухуровневая система принятия решений;

- предложены новый метод и алгоритм построения дерева решений;

- разработана архитектура СИП;

- разработаны критерии оценки эффективности СИП.

Методы исследования. В работе использовался теоретико- информационный метод оценки бизнес-процессов, алгоритмы классификации, теория построения и методология экспертных систем, методология проектирования и разработки информационных систем.

Основные положения выносимые на защиту.

1.. Двухуровневая система принятия управленческих решений ЛНУ, обеспечивающая повышение эффективности и правильности принятия решений в ЛНУ на основе объединения знаний и данных из различных

проблемных областей.

2. Метод и алгоритм построения дерева решений.

3. Архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы и базирующаяся на формальной декомпозиции

лечебно-диагностических процессов ЛНД ЛНУ.

Новизна первого научного результата

Разработаны новые принципы построения интеллектуальной СИП, основанные на реализации двухуровнего процесса принятия решений.

Новизна второго научного результата

Разработанные метод и алгоритм построения дерева решений, отличаются использованием количественно-информационного подхода.

Новизна третьего научно-практического результата

Архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы, отличается от известных четкой формальной декомпозицией лечебно-диагностических процессов ЛНУ.

Обоснованность и достоверность научных положений подтверждаются результатами исследований в области построения интеллектуальных систем информационной поддержки принятия решений, корректностью предложенных алгоритмов и согласованностью результатов, полученных при практической реализации данных алгоритмов.

Практическая ценность и значимость работы. Предложенная двухуровневая структура построения интеллектуальной информационной системы позволяет автоматизировать основные и вспомогательные бизнес-процессы ЛНУ и значительно сократить затраты при оказании медицинской помощи пациентам. Интеллектуальная составляющая информационной системы позволяет организовать оперативный мониторинг всех процессов учреждения, поднять качество оказываемой медицинской помощи на новый уровень на основе принятия эффективных управленческих решений. Архитектура СИП, реализующая предложенные идеи, может использоваться в медицинских учреждениях, где тесно переплетены бизнес-процессы лечебной и научной деятельности, оказывается специализированная высокотехнологичная медицинская помощь.

Апробация работы.

Основные результаты работы докладывались и обсуждались на:

- XI Санкт-Петербургской международной конференции «Региональная информатика-2008 (РИ-2008)» Санкт-Петербург;

- 4-й Международном Научном Конгрессе «Оперативная гинекология -новые технологии», Санкт-Петербург, 2009;

- XI Ежегодной специализированной конференции «Информационные технологии в медицине». Круглый стол МИАЦ РАМН «Персонифицированный учет данных в социальной сфере. Принципы и технологические аспекты взаимодействия различных элементов. Требования к защите персональных данных. Нормативное, правовое и технологическое обеспечение их реализации», октябрь 2010.

Внедрение результатов работы. Внедрение разработанных подходов проводилось при создании информационной системы с интеллектуальной составляющей в НИИАГ им. Д. О. Отта СЗО РАМН, что подтверждено соответствующим актом внедрения.

Разработанные в диссертации подходы используются в научных исследованиях и учебном процессе подготовки магистров на кафедре биотехнических систем Санкт-Петербургского государственного электротехнического университета «ЛЭТИ», что подтверждено соответствующим актом внедрения.

Публикации: Основные теоретические и практические результаты'диссертации опубликованы в 9 статьях и докладах, из них по теме диссертации 6, среди которых 4 публикации в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК, 2 статьи в других журналах. Доклады доложены и получили одобрение на 3 международных, всероссийских и межвузовских научно-практических конференциях, перечисленных в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, 4 глав с выводами, заключения, и практических рекомендаций. Она изложена на 151 страницах машинописного текста, включает 36 рисунков, 6 таблиц и содержит список литературы из 140 наименований, среди которых 109 отечественных и 31 иностранных авторов.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована важность и актуальность темы диссертационной работы, сформулированы ее цели и решаемые задачи, дана краткая характеристика их научной новизны, достоверности и практической ценности, кратко изложены основные полученные результаты и приведена характеристика содержания работы по главам.

В первой главе диссертационной работы приведен краткий обзор решений, принимаемых в ЛНУна различных уровнях ответственности и относящихся к разным предметным областям. Показана важность формализации бизнес-процессов ЛНУ в информационной системе для повышения качества медицинской помощи.

Проведенный детальный анализ организации оказания медицинской помощи и научной деятельности в современных ЛНУ позволил оценить сложность, выявить взаимосвязи и взаимное влияние бизнес-процессов друг на друга и сделать ряд концептуальных выводов (рис. 1).

Рис. 1. Взаимосвязь бизнес-процессов лечебной и научной деятельности ЛНУ Лечебная деятельность ЛНУ базируется на трех основных бизнес-процессах: амбулаторно-поликлинической деятельности (С1-С„), стационарной деятельности (81—8т), диагностической деятельности (В1-Ок), которые

тесно взаимосвязаны с научной деятельностью. Автоматизация бизнес-процессов лечебной и научной деятельности должна осуществляться комплексно, т.к. эти процессы взаимосвязаны и оказывают большое влияние на выработку и принятие правильных и своевременных управленческих решений.

Проведенный всесторонний анализ особенностей основных МИС, используемых в здравоохранении «МеёТгак», «Кондопога», «Ариадна», «То-ринс», «Фобос», «ФИРС АРМ», «МедИС-Т», «Инфис» и др., показал ограниченность их применения для автоматизации ЛНУ. Этот факт обусловлен сложной спецификой функционирования ЛНУ, не поддающейся автоматизации с помощью типовых решений, и отсутствием в большинстве известных МИС интеллектуальных компонентов.

На основе результатов анализа сформулированы цели, задачи, объект и предмет исследования.

Во второй главе подробно описана структура бизнес-процессов ЛНУ. Определены основные и вспомогательные бизнес-процессы, которые образуют информационные потоки учреждения. Детально описаны основные составляющие и компоненты, входящие в эти бизнес-процессы.

Построена функциональная модель автоматизируемых бизнес-процессов с применением стандарта ЮЕРО, отражающая структуру и функции бизнес-процессов ЛНУ, материальные объекты и информационные потоки, которые влияют на принятие управленческих решений.

Разработана архитектура СИП, которая представлена на рис. 2.

Сплошными стрелками на рис. 2 указаны пути движения обычных данных, а пунктирными, стрелками — пути движения данных, содержащих знания и решения.

ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМ,

Программные интерфейсы с медицинским оборудованием и офисной аппаратурой

МЕДИЦИНСКАЯ ИНФОРМАЦИОННАЯ СИСТЕМА

Рис. 2. Архитектура СИП

Архитектура СИП представляет собой две системы (интеллектуальную и медицинскую), тесно связанные между собой специальным компонентом интеллектуального анализа данных (ИАД). Запуск этого компонента осуществляется пользователем непосредственно или через планировщик. Автоматизированное рабочее место администратора ИАД (АРМ ИАД) отвечает за добычу знаний из хранилища данных. Полученные знания передаются в интеллектуальную систему через подсистему приобретения знаний, которая преобразует знания в правила и факты.

Другим источником правил служат знания экспертов, передаваемые ими самостоятельно или через верификацию инженера по знаниям при помощи АРМов эксперта и/или инженера знаний. АРМы, работающие со знаниями, помечены значками «идея». Административные АРМы связаны с каждым из изображенных компонентов и отвечают за настройку и мониторинг их работы.

Ядро интеллектуальной системы основано на правилах (база правил вида условие-действие), которые запускаются для фактов, содержащихся в ра-

бочей. памяти. Запуск заключается в осуществлении действий для правил, условия которых выполняются. За выбор правил и реализацию действий, изменяющих содержимое рабочей памяти, отвечает механизм вывода.

Подсистема объяснения обеспечивает анализ динамически изменяемой рабочей памяти с учетом новых, измененных и удаленных фактов и обосновывает решения, опираясь на совокупность фактов и правил, задействованных при их принятии,'а также обеспечивает интерпретацию формулируемых решений на языке пользователя.

Сервер приложений (рис. 2) отвечает за логику алгоритмов, связанных с предметной областью (бизнес-логику), обеспечивает связь с клиентскими приложениями (предметными АРМами) и взаимодействует с системой управления БД (СУБД ). СУБД предоставляет доступ к оперативной БД, в ко. торой сохраняется текущая информация за непродолжительный период времени (как правило, от года до грех-пяти лет). Кроме того, СУБД поддерживает создание хранилищ данных, которые накапливают информацию за более продолжительный срок и содержат избыточное дублирование данных, необходимое для ускорения формирования объемных аналитических запросов. Также СУБД предоставляют базовые средства интеллектуального анализа данных, например, создание деревьев решений. Значительную часть данных МИС получает от медицинского лабораторного оборудования, аппаратов УЗИ и других внешних источников.

Ввиду того, что для принятия эффективных управленческих решений на высоком уровне необходимо иметь информацию по нескольким предметным областям, то наряду с интеллектуальными компонентами, отвечающими за конкретные предметные области, разработан интеллектуальный компонент верхнего уровня. Используя в качестве фактов обобщающие сведения из предметных компонентов и правила, комплексирующие знания из нескольких предметных областей, он генерирует управленческие решения. Для реализации интеллектуальной подсистемы верхнего уровня предложено разделить все правила на два больших функциональных набора: мониторинг со-

стояния бизнес-процессов предметной области и принятие управленческих решений на основе этих состояний (рис. 3).

л Промежуточные и

Оперативные Факты Л Промежуточные и Оперативные Факты

Промежуточныефакты^Х ПрвДЫеТНЭЯ Область Б ^ ... \

\

Решения в А

I

Л Промежуточные и -оперативные Факты

I I

| Состояния |

" I бизнес-процессов в А 1„

ч

1 Состояния 1 I

• I бизнес-процессов в Б '

[экспортируемые факты

! I

Предметная область А, База правил

/

Л Состояния бизнес-процессов в предметных областях

Управленческие решения верхнего уровня

у^ Верхний уровень СППР, База правил у

Рис. 3. Двухуровневая система принятия решений

Правила, относящиеся к предметной области, разделяются на три категории по типу их использования. К первой категории относятся правила, необходимые для генерации промежуточных фактов, которые будут потом использованы для принятия решений. Ко второй категории относятся правила, создающие факты-решения в рамках предметной области. Факты, востребованные для принятия управленческих решений на основе данных нескольких предметных областей, генерируются правилами третьего типа. Эти факты в дальнейшем экспортируются в память интеллектуального компонента верхнего уровня.

Новизна. Разработаны и обоснованы принципы построения СИП, отличающиеся от известных проработанностью и направленностью на реализацию двухуровнего процесса принятия решений.

В третьей главе разработан метод построения дерева решений и алгоритм классифицикации, использующий внутреннее представление класса как некоторого множества.

Пусть на множестве классов, соответствующих принимаемым решениям, определено разбиение С на одноэлементные множества {С,}, где С, — решение. Набор показателей, влияющих на принятие решений (количество пациентов, количество докторов, время работы и др.), будем определять как множество к 6 {\,...,т}, а множество значений показателя -

|тИ(|, 1к е{1,...,^}, где гк —количество возможных значений показателя

Щ. Каждому значению ты сопоставлен один или несколько С,, на которые влияет тк1. Потребуем, чтобы образы многозначных отображений • }~>2С' не пересекались.

Определим дальнейшее разбиение множеств С, на подмножества сле-

в,

дующим образом: - {4У(}, j, е {1,...,.?,}, такое что: С, =04 > ПРИ этом каж"

дому Ду сопоставлено единственное значение ти. Элемент Ау соответствует некоторому подрешению решения С,-. Например, решение «Повысить интенсивность поликлинической деятельности» может включать в себя «Увеличить количество принимающих врачей», «Уменьшить время приема», и др. Информационная энтропия, или количество информации, которое несет

значение тш для выбора решения А] в соответствии с разбиением %, определяется следующим образом. В зависимости от значения принимается один из и(гн) вариантов где ©(%) — мощность Обозначим

= Тогда

где р{Ау) — вероятность выбора для значения ти. Эта вероятность может быть определена экспертным путем, либо, при наличии истории принятия решений в информационной системе, в качестве р(А^) может быть использована относительная частота появления 'Ац среди всех случаев выбора решения относительно ти . Информационная энтропия, соответствующая показателю Щ, равна суммарной энтропии :

= (2)

/=1

Выражение (2) позволяет оценить количество информации, содержащейся в показателе ик для разбиения ^. Для решения исходной задачи требуется перейти к первоначальному разбиению . Для этого из Н^ необходимо вычесть количество информации, потребовавшейся для соотнесения ты с некоторым Ду, но не являющейся необходимой для его соотнесения с более крупным множеством С,. , ^

Обозначим пересечение С,, представленного в виде объединения множеств Ау, с множеством Ви = Ок(ти)у как Ди = {А^}п Вы. Тогда количество избыточной информации, заключающейся в соотнесении ти с множеством Ди, при условии, что принадлежность к С, — элементу разбиения £ уже известна, может быть вычислено следующим образом:

Н{т„\С) = - £ р(с1\С1)1оё2р(с1\С1) (3)

С(Лнп{4}*0 . ЛеО* Таким образом, окончательно количество полезной информации для классификации в соответствии с £ для значения , вычисляется по формуле:

Н.Ы^Н^-Щт, \0. (4)

Аналогично определяется Н(ик \ , как суммарная энтропия по всем значениям ты показателя ик, и количество полезной информации, соответствующей Щ:

.Н;{ик) = Н;(щ)-Н(ик\& (5)

На основе последней формулы можно оценить насколько информативен рассматриваемый показатель ик для помещения (использования) его в качестве узла при построении дерева решений. Пользуясь идеей алгоритма итеративного построения дерева решений вида ЮЗ, определим количество информации, получаемой для определения класса благодаря показателю Щ как ват{ик, 5) = Я(5) - 1ф(ик, 5), (6)

где 5 — множество объектов обучающей выборки, на основе которой строится дерево, Н (5) — информационная энтропия по Шеннону, вычисляемая с

учетом частот появления классов С, в выборке относительно мощности выборки, и

14о(ик,8) = ^Щ{щ), (7)

где Щ(щ) — количество информации, определяемое по формуле (5) относительно соответствующей подвыборки.

После построения дерева решений с использованием данных из БД об уже принятых решениях, компонент «Подсистема приобретения знаний» преобразует дерево в набор правил и передает его в базу правил.

Пример. Если поток пациентов по определенной нозологии высок (одна предметная область), а в организации есть резерв докторов с достаточным опытом и квалификацией по данной нозологии (другая предметная область) и имеется возможность выделения нового помещения (третья предметная область), то следует организовать новое рабочее место. В данзом случае признаками являются характеристики потока пациентов, квалификация и опыт

докторов, административно-хозяйственные возможности предприятия. В качестве класса рассматривается решение «организовать новое рабочее место». При этом признаки «интенсивность потока пациентов высокая», «квалификация и опыта докторов достаточны» и «выделение помещения возможно» составят множество, сопоставляемое с указанным классом.

Разработаны критерии оценки эффективности СИП. Показано, что разработанные критерии в полной мере позволяют определить повышение экономической эффективности ЛНУ, полученой за счет внедрения СИП.

Проведено обоснование выбора средств реализации интеллектуальной компоненты информационной системы. В качестве инструментального средства разработки экспертной системы СИП обоснован выбор языка программирования CLIPS, позволяющего использовать комплекс подходов и способов, обеспечивающих поддержку создания и реализации СИП на основе правил, объектно-ориентированного и процедурного программирования.

Предложенные метод и алгоритм позволили формализовать поддержку принятия комплексных управленческих решений, опираясь на набор состояний бизнес-процессов в конкретных предметных областях.

Новизна. Метод построения дерева решений и реализующий его алгоритм отличаются способом использования количественно-информационного подхода, который позволил сопоставлять значения показателей, описывающих состояние процессов в ЛНУ, не только классам решений, но и некоторым множествам подрешений, образующим такой класс. Предложен критерий оценки эффективности СИП, отлличный от известных использованием экономических показателей, в том числе трудозатрат.

В четвертой главе описана реализация предложенных подходов к построению информационной системы, включающей СИП ЛНУ.

Применение интеллектуальных компонентов для принятия как относительно простых, специфичных для предметной области решений, так и комплексных решений, влияющих на параллельную работу нескольких специалистов, показано на примере основных пользовательских экранных форм.

Приведено детализированное описание процесса составления расписания работы врачей на примере са11-центра. СИП ЛНУ осуществляет подсказки, основываясь на данных о. количестве, времени и распределении больных в предыдущие периоды, а также анализирует данные об отпусках или иных причинах отсутствия принимающих врачей.

Применение СИП ЛНУ для комплексных административных решений обусловило необходимость рассмотрения экспертного дерева решений, включающего данные, из нескольких предметных областей: консультации врачей, заборы и манипуляции, госпитализацию пациентов и др. с целью оптимизации работы подразделений и повышения дохода учреждения.

, Приведены примеры кода на продукционном языке прямого вывода CLIPS, включающего необходимые структуры данных, факты и правила.

Произведен расчет экономической эффективности внедрения СИП ЛНУ на основе разработанных критериев эффективности. Расчет показывает, что прямой экономический эффект от внедрения СИП ЛНУ составляет 60%, косвенный экономический эффект составляет 25%, общий экономический эффект от внедрения СИП ЛНУ составляет 75% от общего годового дохода ЛНУ до внедрения СИП ЛНУ.

Приведено подробное описание внедрения информационной системы с СИП ЛНУ. Дана схема основных таблиц БД информационной системы. Проведено детальное исследование производительности СИП ЛНУ, базирующейся на материально - технической базе крупного федерального медицинского учреждения. Исследование свойств проводилось на локальной вычислительной сети, спроектированной по технологии Gigabit Ethernet, со скоростью передачи данных 1000 Мбит/с., состоящей из 60 рабочих станций, четырех выделенных серверов и активного сетевого оборудования. СИП ЛНУ содержала 20 типов АРМ и СУБД. Максимальная загрузка процессоров сервера составляла 7 %. В течении основного рабочего времени ЛНУ использовалось до 90% оперативной памяти сервера. Средняя пропускная способность локальной вычислительной сети составляла 2-5 %.

Проведенное исследование подтвердило эффективность использования предложенной структуры, разработанного метода и алгоритма, основанных на количественно-информационном подходе, при построении СИП ЛНУ, позволяющих осуществлять комплексное формирование вариантов решений, на основании разнородной информации.

Основные результаты работы

Получены следующие основные научные и научно-практические результаты:

1. Обоснована, разработана и внедрена двухуровневая система принятия решений, позволяющая осуществить эффективную декомпозицию интеллектуального анализа бизнес-процессов ЛНУ и обеспечивающая взаимодействие МИС с интеллектуальной системой, основанной на знаниях.

2. Разработаны метод и алгоритм построения дерева решений, основанные на использовании количественно-информационного подхода и обеспечивающие выбор наиболее информативного показателя на основе его влияния на принимаемое решение. Обоснован выбор средств реализации интеллектуальной компоненты информационной системы. Предложен критерий оценки эффективности СИП ЛНУ.

3. Разработана типовая архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы и базирующаяся на формальной декомпозиции лечебно-диагностических процессов ЛНД ЛНУ, реализующая внедрение предложенных подходов при разработке информационной системы поддержки ЛНД на примере СИП ЛНУ. Проведено исследование возможности реализации предложенных подходов и технологических решений при построении информационной системы, включающей СИП ЛНУ и показана их целесообразность. В процессе опытной эксплуатации проведено исследование, которое подтвердило эффективность использования СИП ЛНУ.

Совокупность разработанных подходов и методов, а также их практическая реализация представляют собой решение актуальной научно-технической задачи по созданию СИП ЛНУ.

ПУБЛИКАЦИИ ПО ТЕМЕ ДИССЕРТАЦИИ: Публикации в изданиях, рекомендованных ВАК

1. Коресталев, А. Г. Количественно-информационая оценка условий принятия решений в медицинском учреждении / В. В. Шаповалов, А. Г. Коресталев, А. В. Тишков // Биомедицинская радиоэлектроника. — 2009. — №11. — С. 78-80.

2. Коресталев, А. Г. Оценка важности показателей для принятия решений в амбулаторно-поликлинической деятельности /А.Г. Коресталев // Медицинская техника. — 2009. — №4. — С. 21 -26.

3. Коресталев, А.Г. Построение интеллектуальной медицинской информационной системы на основе деревьев решений и экспертных знаний / В.В. Шаповалов, А.Г.Коресталев, A.B. Тишков // Биомедицинская радиоэлектроника. — 2010. — №4. — С. 47-56.

4. Коресталев, А.Г, Исследование бизнес-процессов лечебно-научного учреждения с применением функционального моделирования / А.Г. Коресталев, A.B. Тишков // Биомедицинская радиоэлектроника. — 2010. — №5. — С. 818.

Другие статьи и материалы конференций:

5. Коресталев, А.Г. Внедрение автоматизированной информационной системы в специализированном научно-исследовательском институте / А.И. Григорьева, A.B. Тишков, А.Г. Коресталев, Е.А. Кузьмина // Дистанционное и виртуальное обучение. — 2008. — № 7. — С. 56-65.

6. Коресталев, А.Г. Разработка и внедрение автоматизированной информационной системы по оказанию и учету медицинских услуг в специализированном научно-исследовательском институте / А.И. Григорьева, А.Г. Коресталев, Е.А. Кузьмина, A.B. Тишков, В.В. Шаповалов // Региональная информатика-2008 (РИ-2008): материалы конференции. — СПб., 2008. -С. 231.

Подписано в печать 08.11.2010. Формат 60x84/16 Отпечатано с готового оригинал-макета в типографии ЗАО «КопиСервис». Печать ризографическая. Заказ № 2/1108. П. л. 1.0. Уч.-изд. л. 1.0. Тираж 100 экз.

ЗАО «КопиСервис» Адрес: 197376, Санкт-Петербург, ул. Проф. Попова, д. 3. тел.: (812) 327 5098

Список сокращений.

Введение

Глава 1. Проблемы построения медицинской информационной системы.

1.1. Вопросы принятия решений в лечебно-научном учреждении.

1.2. Организация медицинской помощи и научная деятельность медицинского учреждения.

1.3. Современные информационные системы медицинских учреждений.

1.4. Подходы к анализу лечебного и научного процесса.

1.5. Цели и задачи работы.

1.6. Выводы.

Глава 2. Концепция построения системы информационной поддержки лечебно-научной деятельности.

2.1. Структура лечебных и научных процессов медицинского учреждения.

2.2. Функциональная модель автоматизируемых процессов.

2.3. Разработка требований к системе информационной поддержки лечебной и научной деятельности.

2.4. Архитектура.

2.5. Выводы.

Глава 3. Методы и средства построения системы информационной поддержки лечебной и научной деятельности.

3.1. Теоретико-информационный подход к построению деревьев решений.

3.2. Оценка информативности показателей для принятия решений в амбулаторно-поликлинической деятельности лечебно-научного учреждения.

3.3. Критерии эффективности системы информационной поддержки лечебной и научной деятельности.

3.4. Средства реализации интеллектуальной системы.

3.5. Выводы.

Глава 4. Реализация системы информационной поддержки лечебной и научной деятельности.

4.1. Реализация бизнес - логики.

4.2. Реализация интеллектуальной поддержки.

4.3. Оценка экономической эффективности внедрения системы информационной поддержки.

4.4. Реализация системы информационной поддержки лечебной и научной деятельности.

4.5. Выводы.

Актуальность темы диссертации. Сложная организационная система современного лечебно-научного учреждения (ЛНУ), в которой непрерывно реализуются сотни технологических процессов, предопределяет необходимость постоянного анализа большого объема информации и обоснования (поддержки) принятия множества решений. Решения в ЛНУ принимаются на самых разных уровнях и относятся к многочисленным предметным областям лечебной и научной деятельности. От скорости и качества принимаемых решений зависит как непосредственно здоровье и жизнь пациентов, так и поддержание четкого порядка работы ЛНУ.

Для полноценной информационной поддержки лиц, принимающих решения (ЛИГ), необходимы средства мониторинга и оценки качества лечения, обобщения статистических данных, выделение особых случаев в отношении тех или иных нозологий, сводные аналитические данные о движении материальных ценностей и полученных финансовых средствах. Все это приводит к целесообразности создания и использования современной информационной системы ЛНУ с развитой интеллектуальной составляющей, называемой системой информационной поддержки (СИП).

В современной СИП сама медицинская информационная система (МИС) является постоянным поставщиком данных, которые используются при формировании решающих правил. Данные могут являться как первичными значениями из различных баз данных (БД), так и быть вычисляемыми, в том числе при помощи сложных вычислительных процедур, а правила формулируются в виде «условие-действие»: при удовлетворении условий правила осуществляют одно или несколько действий. Такой подход к построению СИП лечебной и научной деятельности (ЛНД) позволяет оперативно осуществлять мониторинг различных бизнес-процессов в ЛНУ и принимать эффективные управленческие решения.

Результатом реализации такого подхода должна явиться СИП ЛНУ, работающая в реальном масштабе времени, обеспечивающая широкие возможности развития функций поддержки и значительное повышение достоверности принимаемых решений.

Диссертационное исследование посвящено решению научно-технической задачи разработки различных аспектов создания СИП ЛНУ (требований, архитектуры и двухуровневой системы принятия решений), а также метода и алгоритма построения дерева решений, непосредственно основанных на результатах исследований следующих ученых: Шаповалова В.В., ДюкаВ.А., Поспелова Д.А, Назаренко Г.И., ГулиеваЯ.И, Сенкевича Ю.И., Вагина В.Н, Таунсенда К., Шеннона К., и др.

Объектом исследования являются информационные системы ЛНУ.

Предметом исследования является автоматизированная поддержка принятия решений, реализуемых в ЛНУ.

Цель работы. Целью диссертационной работы является повышение эффективности деятельности ЛНУ за счет разработки интеллектуальной СИП лечебно-научной деятельности, основанной на знаниях.

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи: проанализированы бизнес-процессы, реализуемые в современных ЛНУ, и существующие информационные системы, в том числе МИС, системы автоматизации и поддержки принятия решений. По результатам анализа разработана функциональная модель бизнес-процессов ЛНУ; разработана двухуровневая система принятия решений; предложены новый метод и алгоритм построения дерева решений; разработана архитектура СИП; разработаны критерии оценки эффективности СИП.

Методы исследования. В работе использовался теоретико-информационный метод оценки бизнес-процессов, алгоритмы классификации, теория построения и методология экспертных систем, методология проектирования и разработки информационных систем.

Основные положения, выносимые на защиту.

1. Двухуровневая система принятия управленческих решений ЛНУ, обеспечивающая повышение эффективности и правильности принятия решений в ЛНУ на основе объединения знаний и данных из различных проблемных областей.

2. Метод и алгоритм построения дерева решений.

3. Архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы и базирующаяся на формальной декомпозиции лечебно-диагностических процессов ЛНД ЛНУ. Новизна первого научного результата

Разработаны новые принципы построения интеллектуальной СИП, основанные на реализации двухуровневого процесса принятия решений. Новизна второго научного результата Разработанные метод и алгоритм построения дерева решений, отличаются использованием количественно-информационного подхода. Новизна третьего научно-практического результата Архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы, отличается от известных четкой формальной декомпозицией лечебно-диагностических процессов ЛНУ

Обоснованность и достоверность научных положений подтверждаются результатами исследований в области построения интеллектуальных систем информационной поддержки принятия решений, корректностью предложенных алгоритмов и согласованностью результатов, полученных при практической реализации данных алгоритмов.

Практическая ценность и значимость работы. Предложенная двухуровневая структура построения интеллектуальной информационной системы позволяет автоматизировать основные и вспомогательные бизнес-процессы ЛНУ и значительно сократить затраты при оказании медицинской помощи пациентам. Интеллектуальная составляющая информационной системы позволяет организовать оперативный мониторинг всех процессов учреждения, поднять качество оказываемой медицинской помощи на новый уровень, на основе принятия эффективных управленческих решений. Архитектура СИП, реализующая предложенные идеи, может использоваться в медицинских учреждениях, где тесно переплетены бизнес-процессы лечебной и научной деятельности, оказывается специализированная высокотехнологичная медицинская помощь. Апробация работы.

Основные результаты работы докладывались и обсуждались на:

- XI Санкт-Петербургской международной конференции «Региональная информатика-2008 (РИ-2008)» Санкт-Петербург;

- 4-й Международном Научном Конгрессе «Оперативная гинекология — новые технологии», Санкт-Петербург, 2009;

- XI Ежегодной специализированной конференции «Информационные технологии в медицине». Круглый стол МИАЦ РАМН «Персонифицированный учет данных в социальной сфере. Принципы и технологические аспекты взаимодействия различных элементов. Требования к защите персональных данных. Нормативное, правовое и технологическое обеспечение их реализации», октябрь 2010.

Внедрение результатов работы. Внедрение разработанных подходов проводилось при создании информационной системы с интеллектуальной составляющей в НИИАГ им. Д.О. Отта СЗО РАМН, что подтверждено соответствующим актом внедрения.

Разработанные в диссертации подходы используются в научных исследованиях и учебном процессе подготовки магистров на кафедре биотехнических систем Санкт-Петербургского государственного электротехнического университета «ЛЭТИ», что подтверждено соответствующим актом внедрения.

Публикации: Основные теоретические и практические результаты диссертации опубликованы в 9 статьях и докладах, из них по теме диссертации 6, среди которых 4 публикации в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК, 2 статьи в других журналах. Представленные доклады получили одобрение на - 3 международных, всероссийских и межвузовских научно-практических конференциях, перечисленных в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, 4 глав с выводами, заключения и практических рекомендаций. Она изложена на 151 странице машинописного текста, включает 36 рисунков, 6 таблиц и содержит список литературы из 140 наименований, среди которых 109 отечественных и 31 иностранных авторов.

4.5. Выводы

Реализация полнофункциональной медицинской информационной системы должна учитывать данные о большом количестве медицинских бизнес-процессов. В целом информационная система крупного лечебно-научного учреждения насчитывает не менее 20 разновидностей автоматизированных рабочих мест.

Для большинства из них система интеллектуальной поддержки уместна и существенно облегчает принятие решений при вводе данных, таких как составление расписания, планирование загрузки персонала, оборудования и кабинетов, принятие решений о лечении и др. В идеале, реализация каждого АРМ пользователя, помимо учетных и отчетных функций, должна включать механизм интеллектуальной поддержки принятия решений, соответствующих бизнес-процессам, отраженным в этом АРМ.

Расчет экономической эффективности, приведенный в настоящей главе, показал, что внедрение интеллектуальной СИП ДНУ, позволило достичь в ДНУ увеличение общего экономического эффекта на 85% от общего годового дохода ЛНУ до внедрения СИП ЛНУ. Это достигается за счет полного и качественного персонифицированного учета оказанных услуг, детального учета движения и расходования материальных ценностей, повышения культуры и интенсивности труда, экономии материальных ресурсов, всестороннего глубокого интеллектуального анализа бизнес-процессов ЛНУ, хорошо продуманных и поддержанных интеллектуальной СИП ЛНУ управленческих решений.

Для эффективной работы СИП ЛНУ необходимо достаточно мощное сетевое и серверное оборудование. Представленные в настоящей главе оценки производительности демонстрируют пример хорошо спроектированной сетевой инфраструктуры, дающей конечным пользователям возможность бесперебойной и быстрой работы с информационной системой, включая использование интеллектуальных компонентов в полном объеме.

ЗАКЛЮЧЕНИЕ

Основные научные и научно-практические результаты диссертации.

1. Обоснована, разработана и внедрена двухуровневая схема принятия решений, позволяющая осуществить эффективную декомпозицию интеллектуального анализа бизнес-процессов ЛНУ и обеспечивающая взаимодействие МИС с интеллектуальной системой, основанной на знаниях.

2. Разработаны метод и алгоритм построения дерева решений, основанные на использовании количественно-информационного подхода и обеспечивающие выбор наиболее информативного показателя на основе его влияния на принимаемое решение. Обоснован выбор средств реализации интеллектуальной компоненты информационной системы. Предложен критерий оценки эффективности СИП ЛНУ.

3. Разработана типовая архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы и базирующаяся на формальной декомпозиции лечебно-диагностических процессов ЛНД ЛНУ, а также реализующая внедрение предложенных подходов при разработке информационной системы поддержки ЛНД на примере СИП ЛНУ. Проведено исследование возможности реализации предложенных подходов и технологических решений при построении информационной системы, включающей СИП ЛНУ и показана их целесообразность. В процессе опытной эксплуатации проведено исследование, которое подтвердило эффективность использования СИП ЛНД в ЛНУ.

Современное ЛНУ представляет собой сложную технологическую систему, в которой решения принимаются на самых разных уровнях и относятся к многочисленным предметным областям. Для автоматизации специализированного ЛНУ необходимо проектирование и разработка интеллектуальной системы информационной поддержки, в состав которой должна входить медицинская информационная система и интеллектуальная система.

Бизнес-процессы ЛБУ представляет собой набор сложных, взаимосвязанных и взаимодействующих операций в лечебной и научной деятельности. Для описания сети процессов и их графического представления необходимо применение методологии функционального моделирования ГОЕБО, которое позволяет создать функциональную модель лечебно-научного учреждения.

С точки зрения автоматизации бизнес-процессов в ЛНУ, наибольший интерес представляют процессы, которые непосредственно влияют на оказываемую медицинскую помощь. Автоматизация процессов ЛНУ, непосредственно связанных с предоставлением пациентам амбулаторно-поликлинической, стационарной и лабораторно-диагностической помощи, позволяет контролировать оперативность и качество оказываемой медицинской помощи, а также учитывать затраты на ее оказание.

Для эффективной поддержки принятия решений в ЛНУ реализована двухуровневая схема принятия решения, которая предполагает разделение правил на два набора: мониторинг состояния бизнес-процессов предметной области и принятие управленческих решений на основе этих состояний. Факты-решения в предметных областях, востребованные для принятия управленческих решений на основе данных нескольких предметных областей, экспортируются в рабочую память интеллектуального компонента верхнего уровня.

Предложен модифицированный алгоритм обучения с использованием количественно-информационного подхода, который позволяет сопоставлять значения признаков объектов не классам, а некоторым множествам (значений), составляющим класс. Это позволяет формализовать поддержку принятия комплексных управленческих решений, опираясь на набор состояний бизнес-процессов в предметных областях.

Архитектура интеллектуальной СИП ЛНУ представляет собой две отдельные системы: медицинскую информационную систему и интеллектуальную систему, которые связаны между собой элементами пользовательского интерфейса.

В качестве инструментального средства разработки интеллектуальной СИП ЛНУ выбран язык программирования CLIPS, который позволяет использовать целый ряд подходов, обеспечивающих поддержку программирования на основе правил, объектно-ориентированного и процедурного программирования. Набор правил в интеллектуальных компонентах формируется из двух источников — через средства интеллектуального анализа существующих данных, сохраняемых в оперативной базе данных и затем переносимых в хранилище данных, и от экспертов в предметных областях.

Данный подход при разработке и внедрении интеллектуальной СИП ЛНУ позволил достичь увеличения общего экономического эффекта от внедрения, который составляет 85% от общего годового дохода ЛНУ до внедрения СИП ЛНУ. Экономический эффект достигается за счет полного и качественного персонифицированного учета оказанных услуг, детального учета движения и расходования материальных ценностей, повышения культуры и интенсивности труда, экономии материальных ресурсов, всестороннего глубокого интеллектуального анализа бизнес-процессов ЛНУ, хорошо продуманных и поддержанных интеллектуальной СИП ЛНУ управленческих решений.

1. Аверкин, А.Н. Нечеткие множества в моделях управления и искусственного интеллекта Текст. / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун [и др.]; ред. Д.А. Поспелов. — М. : Наука, 1986.

2. Айвазян, С.А. Прикладная статистика и основы эконометрики Текст.: учебник / С.А. Айвазян, B.C. Мхитарян. — М. : ЮНИТИ, 1998. — 1022 с.

3. Айвазян, С.А. Прикладная статистика. Классификация и снижение размерности Текст. / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков[и др.]. — М.: Финансы и статистика, 1989. — 128 с.

4. Акулич, И.Л. Математическое программирование в примерах и задачах

5. Текст. / И.Л. Акулич. — М. : Высшая школа, 1986. — 319 с.

6. Алексеев, A.B. Интеллектуальные системы принятия проектных решений Текст. / A.B. Алексеев [и др.]. — Рига: Зинатне, 1997. — 320 с.

7. Антонов, Р.В. Компьютеризированная технология оформления записей в истории болезни Текст. /Р.В. Антонов // Кремлевская медицина. Клинический вестник. — 2001. — № 3. — С. 84-86.

8. Атре, Ш. Структурный подход к организации баз данных Текст. / Ш. Атре. — М.: Финансы и статистика, 1983. — 320 с.

9. Басегян, A.A. Методы и модели анализа данных: OLAP и Data Mining

10. Текст. / A.A. Басегян и др.]. — СПБ.: БХВ — Петербург, 2004.

11. Батыршин, И.З. К анализу предпочтений в системах принятия решений

12. Текст. / И.З. Батыршин // Вопросы оптимизации больших систем: труды МЭИ. Вып. 533. — М., 1981. — С. 57-62.

13. Берг, М. Информационные технологии в здравоохранении Западной Европы — надежды, ошибки, перспективы Текст. / М. Берг, В.Л. Ковальский, В.Ю. Гераськин [и др.]. // Врач и информационные технологии. — 2004. — № 6. — С. 51-60.

14. Бойко, B.B. Проектирование баз данных информационных систем

15. Текст. / В.В. Бойко, В.М. Савинков. — М.: Финансы и статистика, 1989.— 351 с.

16. Бояркин, Г.Н. Информационные технологии Текст.: учебное пособие / Г.Н. Бояркин, В.А. Маренко, С.Н. Чуканов. — Омск : ОмГТУ, 2001. — 192 с.

17. Букарев, М.Г. Медицинская информационная система в ЦРБ: неопределенное будущее или реальность Текст. / М.Г. Букарев, Н.В. Волкова, В.Ф. Городецкая // Здравоохранение. — 2002. — № 1. — С. 155-158.

18. Бююль, A. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей Текст.: пер. с нем. / А. Бююль, П. Цефель. — СПб. : ДиаСофтЮП, 2001. —608 с.

19. Вагин, В.Н. Достоверный и правдоподобный вывод в интеллектуальных системах Текст. / В.Н. Вагин, Е.Ю. Головина, A.A. Загорянская [и др.]; ред. В.Н. Вагин, Д.А. Поспелов. — М.: ФИЗМАТЛИТ, 2004. — 704 с.

20. Вагин, В.Н. Зачем нужны нетрадиционные логики? Текст. / В.Н. Вагин // Международный форум информатизации-98: доклады международной конференции «Информационные средства и технологии», 20-22 октября 1998 г. — М.: Станкин, 1998. — Т. 1.— С. 6-14.

21. Вендров, A.M. CASE-технологии. Современные методы и средства проектирования информационных систем Текст. / A.M. Вендров. — М.: Финансы и статистика, 1998. — 176 с.

22. Волкова, Ю.В. Автоматизация учета в аптеке Текст. / Ю.В. Волкова // Главбух. — 2005. —№1. — С. 190-199. — (Учет в медицине. Приложение к журналу)

23. Волкова, Ю.В. Учет диетпитания и продуктов Текст. / Ю.В. Волкова // Главбух. — 2005. —№1. — С. 160-170. — (Учет в медицине. Приложение к журналу)

24. Воробьев, Н.В. Умозаключения по аналогии Текст. / Н.В. Воробьев. — М., 1963. — 26 с.

25. Воронцов, И.М. Здоровье. Создание и применение автоматизированныхсистем для мониторинга и скринирующей диагностики нарушений здоровья Текст. / И.М. Воронцов, В.В. Шаповалов, Ю.М. Шерстюк.

26. СПб.: ИПК КОСТА, 2006. — 429 с.

27. Врунинг, А. Экспертные системы. Принципы работы и примеры Текст. / А. Врунинг [и др.]. — М.: Радио и связь, 1987. — 348 с.

28. Гаспарян, С.А. Моделирование в управлении здравоохранением Текст. / С.А. Гаспарян. — М.: ГМИ, 1990. — 110 с.

29. Гаспарян, С.А. Разработка и внедрение АСУ специализированными медицинскими службами Текст. / С.А. Гаспарян. — М., 1980. — 166 с.

30. ГОСТ Р ИСО 9126-93. Информационные технологии. Оценка продукции программного обеспечения. Характеристики качества и руководящие положения по их применению Текст. Введ. 1994.07.01.

31. М.: Изд-во стандартов, 1994. — 12 с.

32. Гулиев Я.И. Интегрированная распределенная информационная система лечебного учреждения (ИНТЕРИН) Текст. / Я.И. Гулиев [и др.] // Программные продукты и системы. — 1997. — № 3. 38-48 с.

33. Гулиев, Я.И. Исследование методов представления темпоральноймедицинской информации посредством интерфейса "Боткинский лист"

34. Текст. / Я.И. Гулиев // Программные системы: теория и приложения. В 2 т. Т.1. / Я.И. Гулиев, Д.В. Белышев ; ред. С.М. Абрамов. — М.: Физматлит, 2006. — С. 73-92.

35. Гулиев, Я.И. Персональная информационная система врача Интерин DOC Текст. / Я.И. Гулиев, Д.В. Белышев // Врач и информационные технологии. — 2008. — №3. — С. 79-80.

36. Данилевский, Ю.Г. Информационная технология в промышленности

37. Текст. / Ю.Г. Данилевский, И.А. Петухов, B.C. Шабанов. — Л.: Машиностроение, 1988. — 283 с.

38. Дейт, К. Руководство по реляционной СУБД DB2 Текст. / К. Дейт. — М. : Финансы и статистика, 1988. — 320 с.

39. Джарратано, Д. Экспертные системы: принципы разработки и программирования Текст.: пер. с англ. / Д. Джарратано, Г. Райли. — М.: Вильяме, 2007. — 1152 с.

40. Джексон, Г. Проектирование реляционных баз данных для использования с микроЭВМ Текст. / Г. Джексон. — М. : Мир, 1991. — 252 с.

41. Дороднов, A.A. Теория принятия решений Текст. / A.A. Дороднов. — Казань, 1981. — 224 с.

42. Дубинский, E.H. Зарубежные медицинские информационные системы лечебно-профилактических учреждений здравоохранения Текст. / E.H. Дубинский, Ю.М. Никитин // Обзор ЦБНТИ Медпром. Серия: Промышленность медицинской техники. — 1982. — №7.

43. Дудник, B.C. Автоматизация назначений и учета лекарственной терапии Текст. / B.C. Дудник, A.M. Маслеников // Кремлевская медицина. Клинический вестник. — 2000. — №3.

44. Дюбуа, Д. Теория возможностей. Приложения к представлению знаний в информатике Текст. / Д. Дюбуа, А. Прад. — М. : Радио и связь, 1990.— 287 с.

45. Дюк, В. Data Mining Текст.: учебный курс / В. Дюк, А. Самойленко. — СПб.: Питер, 2001. — 3 68 с.

46. Ежов, A.A. Нейрокомпьютинг и его применение в экономике и бизнесе

47. Электронный ресурс. / A.A. Ежов, С.А. Шумский. URL: http://neuroschool.narod.ru/books.html (дата обращения 11.11.2010).

48. Интернет-версия каталога «Медицинские информационные технологии» Электронный ресурс. URL: www.armit.ru/cmit/ (дата обращения 10.09.2010).

49. Искусственный интеллект Текст.: справочник. В 3 кн. Кн 2: Модели и методы / ред. Д.А. Поспелов. — М. : Радио и связь, 1990. — 304 с.

50. Каминский, JI.C. Статистическая обработка лабораторных и клинических данных. Применение статистики в научной и практической работе врача Текст. / JI.C. Каминский. — М., — 1964. — 249 с.

51. Карпов, Е.А. Многоцелевая аналитическая информационная система. Методология создания и основные проектные решения Текст. / Е.А. Карпов, A.A. Мусаев, Ю.М. Шерстюк. — СПб. : ВУС, 2000. — 143 с.

52. Кириллов, В.В. Структуризованный язык запросов (SQL) Текст. / В.В. Кириллов. — СПб.: ИТМО, 1994. — 80 с.

53. Клементьев, A.A. Моделирование распределения ресурсов в задачах управления в здравоохранении Текст. / A.A. Клементьев. — М.: ИПУ, 1983. —51 с.

54. Кобринский, Б.А. К вопросу о формальном отражении образного мышления и интуиции специалиста в слабо структурированной предметной области Текст. / Б.А. Кобринский // Новости искусственного интеллекта. — 1998. — №3. — С. 64-76.

55. Кобринский, Б.А. Логика и интуиция специалиста в медицинских системах искусственного интеллекта Текст. / Б.А. Кобринский // Научная сессия МИФИ-2000: сборник научных тудов. Т.З. — М., 2000. — С. 64-65.

56. Кобринский, Б.А. Современные методы автоматизированного слежения за состоянием здоровья Текст. / Б.А. Кобринский, Ю.Е. Вельтищев // Вопросы охраны материнства и детства. — 1986. — №12. — С. 12-14.

57. Кондрашина, Е.Ю. Представление знаний о времени и пространстве в интеллектуальных системах Текст. / Е.Ю. Кондрашина, JI.B. Литвинцева, Д.А. Поспелов; ред. Д.А. Поспелов. — М. : Наука, 1989.328 с.

58. Коресталев, А. Г. Оценка важности показателей для принятия решений в амбулаторно-поликлинической деятельности Текст. / А.Г. Коресталев // Медицинская техника. — 2009. — №4. — С. 21-26.]

59. Коресталев, А.Г. Исследование бизнес-процессов лечебно-научного учреждения с применением функционального моделирования Текст. / А.Г. Коресталев, A.B. Тишков // Биомедицинская радиоэлектроника.2010.— №5.— С. 8-18.

60. Кретов, B.C. Новый метод автоматической классификации трудноформализуемых объектовТекст. / B.C. Кретов, И.С. Лебедев // НТИ. Сер. 2. — 2006. — №6. — С. 25-29.

61. Кретов, B.C. Построение нечеткой объектной базы экспертных знаний для автоматизированной системы классификации кризисных ситуаций Текст. / B.C. Кретов, И.С. Лебедев // НТИ. Сер. 2. — 2006. — №7. — С. 15-20.

62. Кроу форд, Ш. Microsoft Windows Server 2000Текст.: справочник администратора / Ш. Кроуфорд, Ч. Рассел. — М.: ЭКОМ, 2001. — 1296 с.

63. Круглов, B.B. Искусственные нейронные сети. Теория и практикаТекст. / В.В. Круглов, В.В. Борисов. — 2-е изд. — М., 2002. — 382 с.

64. Левенец, Е.В. Рассуждения по аналогии Текст. / Е.В. Левенец // Логика и компьютер. Т.2. Логические языки, содержательные рассуждения и методы поиска доказательств. — М.: Наука, 1995. — С. 99-112.

65. Левин Д.М. Статистика для менеджеров с использованием Microsoft Excel Текст.: пер. с англ. / Д.М. Левин [и др.]. — 4-е изд. — М.: Вильяме, 2004. — 1312 с.

66. Лоръер, Ж.Л. Системы искусственного интеллекта Текст. / Ж.Л. Лоръер. — М.: Мир, 1991. — 586 с.

67. Лукашевич, И.П. Проблема получения и передачи медицинских знаний

68. Текст. / И.П. Лукашевич, А.Л. Сыркин // Компьютерная хроника. — 1994. — №8-9. — С. 39-43.

69. Макаров, A.B. Теория выбора и принятия решений Текст. / A.B. Макаров. — М.: Наука, 1982. — 312 с.

70. Маклаков, C.B. BP Win и ERWin. Case-технологии разработки информационных систем Текст. / C.B. Маклаков. — М. : Диалог-МИФИ, 1999.— 256 с.

71. Маренко, В.А. Оптимизация в условиях неопределенности Текст. / В.А. Маренко // Омский научный вестник. — Омск : ОмГТУ, 2002. — № 19. — С. 61-63.

72. Маренко, В.А. Основы разработки консультационной экспертнойсистемы Текст. / В.А. Маренко, В.Ф. Маренко // Техника радиосвязи Вып.7. / Омский НИИ приборостроения. — Омск, 2002. — С. 74-77.

73. Маренко, В.А. Представление знаний в экспертных системахТекст. : учеб. пособие / В.А. Маренко, В.А. Шапцев. — Сургут : РИО СурГПИ, 2002. — 73 с.

74. Маренко, В. А. Способы представления знаний в экспертных системахТекст. / В.А. Маренко // Математические структуры и моделирование. Вып. 8. — Омск: ОмГУ, 2001. — С. 34-39.

75. Мартин, Дж. Планирование развития автоматизированных системТекст. / Дж. Мартин. — М.: Финансы и статистика, 1984. — 196 с.

76. Мейер, М. Теория реляционных баз данныхТекст. / М. Мейер. — М. : Мир, 1987. — 608 с.

77. Михеев, А.Е. Данные и информация в МИС: панели управленияТекст. / А.Е. Михеев, Г.И. Назаренко, Ш.А. Исамухамедов[и др.] // Врач и информационные технологии. — 2006. — №4. — С. 68-69.

78. Назаренко, Г.И. Больничные информационные системы: Разработка. Внедрение. ЭксплуатацияТекст.: учеб. пособие / Г.И. Назаренко, А.Е. Михеев; ред. Г.И. Савин. — М. : Медицина XXI, 2003. — 320 с.

79. Назаренко, Г.И. Качество медицинской помощиТекст. / Г.И. Назаренко, Е.И. Полубенцева. — М. : Медицина, 2004. — 31 с.

80. Назаренко, Г.И. Медицинские информационные системы: теория и практикаТекст. / Г.И. Назаренко, ЯМ. Гулиев, Д.Е. Ермаков; ред. Г.И. Назаренко, Г.С. Осипов. — М. : Физматлит, 2005. — 320 с.

81. Олифер, В.Г. Компьютерные сети. Принципы, технологии, протоколыТекст. / В.Г. Олифер, H.A. Олифер. — СПб. : Питер, 2001. — 672 с.

82. Осипов, Г.С. Построение баз знаний на основе взаимодействия полуавтоматических методов приобретения знаний Текст. Ч. 2.

83. Модель знаний и приобретение знаний / Г.С. Осипов // Известия РАН, Теория и системы управления. М. : Наука, 1995. — С. 65-80.

84. Остераут,' Дж. Сценарии высокоуровневого программирования информационных систем для 21 векаТекст. / Дж. Остераут // Открытые системы. — 1998. — №3. — С. 12-16.

85. Плетнева, В.Н. Комплексная автоматизация работы Аптеки №1 Медицинского центра Управления делами ПрезидентаТекст. / В.Н. Плетнева, И.У. Дехтяр, В.В. Матюхов [и др.] // Кремлевская медицина. Клинический вестник. — 2000. — №4. — С.44-48.

86. Поспелов, Д.А. Моделирование рассуждений. Опыт анализа мыслительных актови др. / Д.А. Поспелов. — М.: Радио и связь, 1989.182 с.

87. Романов, Ф.А. Опыт использования больничной информационнойсистемы в санатории-профилактории ОАО «Кондопога» Текст. / Ф.А. Романов, A.B. Гусев // Медицинский академический журнал. — 2001.1, прилож. — С. 54.

88. Свиридов, A.C. Методика проведения предпроектного обследования с целью проектирования информационной сети предприятия Текст. / A.C. Свиридов. —М.: Телекоммуникации, 2003.

89. Случанко, И.С. Статистическая информация в управлении учреждениями здравоохранения Текст. / И.С. Случанко, Г.Ф. Церковный. — М.: Медицина, 1976 — 224 с.

90. Смирнова, Т.Н. Проектирование экономических информационных систем Текст. : учебник / Г.Н. Смирнова, Ю.Ф. Сорокин. — М.: Финансы и статистика, 2003. — 512 с.

91. Станкевич, Л.А. Интеллектуальные технологии и представление знаний. Интеллектуальные системы Текст.: учебное пособие / Л.А. Станкевич. — СПб.: СП6ГТУ, 2000. — 156 с.

92. Стефанюк, В.Л. Локальная организация интеллектуальных систем

93. Текст. / В.Л. Стефанюк. — М.: Физматлит, 2004. — 328 с.

94. Таран, Т.А. Формализация рассуждений на основе аргументации при принятии решений в конфликтных ситуациях Текст. / Т.А. Таран // НТИ. Сер. 2. — 1998. — №9. — С. 23-33.

95. Таунсенд, К. Проектирование и программная реализация экспертных систем на персональных ЭВМ Текст.: пер. с англ. / К. Таунсенд, Ф. Денис. — М.: Финансы и статистика, 1990. — 320 с.

96. Тейлор, Д. Почти интеллектуальные системы. Как получить конкурентные преимущества путем автоматизации принятия скрытых решений Текст.: пер. с англ. / Д. Тейлор, Н. Рэйден. — СПб.: Символ-Плюс, 2009. — 448 с.

97. Тиори, Т. Проектирование структур баз данных Текст.: в 2 кн. / Т. Тиори, Дж. Фрай. — М. : Мир, 1985.

98. Толстова, Ю.Н. Анализ социологических данных Текст. / Ю.Н. Толстова. — М. : Научный мир, 2000. — 352 с.

99. Тюрин, Ю.Н. Анализ данных на компьютере Текст. / Ю.Н. Тюрин, А.А. Макаров; ред. В.Э. Фигурнов. — 3-е изд. — М.: ИНФРА, 2003. — 384 с.

100. Устинов, А.Г. Автоматизированные медико-технологические системы

101. Текст. / А.Г. Устинов, Е.А. Ситарчук, H.A. Королевский. — Курск, 1995.

102. Финн, В.К. Интеллектуальные системы: проблемы их развития и социальные последствия Текст. / В.К. Финн // Будущее искусственного интеллекта. — М.: Наука, 1991. — С. 157-177.

103. Финн, В.К. Об интеллектуальных системах автоматизированной поддержки научных исследований Текст. / В.К. Финн // НТИ. Сер.2.1996.-№5-6. —С. 1-2.

104. Хаббард, Дж. Автоматизированное проектирование баз данных Текст. / Дж. Хаббард. — М. : Мир, 1984. — 294 с.

105. Хант, Э. Искусственный интеллект Текст. / Э. Хант. — М.: Мир, 1978.558 с.

106. Хаткевич, М.И. Объектно-реляционный дуализм в больших информационных системахТекст. / М.И. Хаткевич // Программные продукты и системы. — 2002. — №3. — С. 22-26.

107. Цикритизис, Д. Модели данных Текст. / Д. Цикритизис, Ф. Лоховски.

108. М.: Финансы и статистика, 1985. — 344 с.

109. Черняк, Ю.И. Системный анализ в управлении экономикой Текст. / Ю.И. Черняк. — М.: Экономика, 1975. — 265 с.

110. Чубукова, И.A. Data Mining Текст.: учебный курс / И.А. Чубукова. — М.:БИНОМ, 2006. — 382 с.

111. Шаповалов, В. В. Количественно-информационая оценка условий принятия решений в медицинском учреждению Текст. / В. В. Шаповалов, А. Г. Коресталев, А. В. Тишков // Биомедицинская радиоэлектроника. — 2009. — №11. — С. 78-80.

112. Шаповалов, В.В. Построение интеллектуальной медицинской информационной системы на основе деревьев решений и экспертных знанийТекст. / В.В. Шаповалов, А.Г.Коресталев, A.B. Тишков // Биомедицинская радиоэлектроника. — 2010. — №4. — С. 47-56.

113. Шаповалов, В.В. Автоматизированный скрининг проблема экспертных знаний Текст. / В.В. Шаповалов, Ю.М. Шерстюк // Инновации. — 2003. — № 10 (67). — С. 89-91.

114. Шаповалов, В.В. Построение решающих правил для систем автоматизированного скринингаТекст. / В.В. Шаповалов, А.Б. Кубайчук, В.В. Афанасьева // Информационно-управляющие системы. — 2006. — Вып. №1(20). — С. 2-6.

115. Шифрин, Б.М. Исследование и разработка моделей и средств поддержки принятия организационных решений в нечетком аспекте Текст.: автореф. дис. . канд. техн. наук / Б.М. Шифрин. — СПб., 1999.

116. Шкловский-Корди, Н.Е. Информационная система гематологического научного центраТекст. / Н.Е. Шкловский-Корди, Б.В.Зингерман // Материалы 1-го Российского научного форума «МедКомТех 2003». — М.: Авиаиздат, 2003. — С. 236-241.

117. Ярушкина, Н.Г. Основы теории нечетких и гибридных системТекст. / Н.Г. Ярушкина. — М.: Финансы и статистика, 2004. — 320 с.

118. A Practical Guide to Getting Started with Data Warehousing / ed.: T. Flanagan, E. Safdie Electronic resource. — 1997 URL: www.techguide.com. (дата обращения 11.11.2010)

119. Abelson, H. Structure and Interpretation of Computer Programs Text. / H. Abelson, G.J. Sussman, J. Sussman. Cambridge MA : MIT Press, 1996.

120. Acorn, T.L. SMART: Support Management Automated Reasoning Technology for Compaq customer serviceText. / T.L. Acorn, S. Walden //

121. Proc. Innovative Applications of Artificial Intelligence (IAAI-92). — N-Y, 1992. —P. 1-3.

122. Adams, J.B. A probability model of medical reasoning and the MYCIN modelText. / J.B. Adams // Mathematical Biosciences. — 1976. — Vol. 32. —P. 177-186.

123. Aha, D.W. Instance-based Learning AlgoritmsText. / D.W. Aha, D. Kibler, M.K. Albert. // Machine Learning. — 1991. — Vol.6. —P. 37-66.

124. Aiello, N. A comparative study of control strategies for expert systems: AGEimplementation of three variations of PUFF Text. / N. Aiello // Proc. National Conference on Artificial Intelligence. — N-Y, 1983. — P. 1-4.

125. Aikins, J.S. Prototypical knowledge for expert systems Text. / J. S. Aikins // Artificial Intelligence. — 1983. — Vol.10. — P. 163-210.

126. Aleven, V. Evaluating A Learning Environment For Case-Based Argumentation SkillsText. / V.Aleven, K. D. Ashley // Proc. Sixth International Conference on Artificial Intelligence and Law. — N-Y: ACM Press, 1997. — P. 170.

127. Alexander, J. H. Knowledge level engineering: ontological analysis Text. / J. H.Alexander, M. J.Freiling, S. J. Shulman [et al.] // Proc. National Conference on Artificial Intelligence. — N-Y, 1986. — P. 963-968.

128. Allen, J. F. Natural Language Understanding Text. / J. F.Allen. — 2-nd ed. — N-Y: Menlo Park, 1995.

129. Allen, J.F. Maintaining knowledge about temporal intervals Text. / J.F. // Allen Communications of the ACM. — 1983. — Vol.26,Nll. — P.832-843.

130. An Introduction to Data Mining. Discovering hidden value on your data warehouse. Pilot Software Electronic resource. 1998 URL: www.pilotsw.com/dmpaper/dmindex.htm (дата обращения 11.11.2010).

131. Boaz, D. A temporal-abstraction rule language formedical databases Text. / D.Boaz, M.Balaban, Y.Shahar // Proceeding of the workshop on Intelligent Data Analysis in Medicine and Pharmacology (IDAMAP). — Protaras, 2003.

132. Brachman, R. What IS-A is and isn't an Analysis of Taxonomic Links in

133. Semantic Networks Text. / R.Brachman // Computer. — 1983. — Vol. 16, № 10. —P. 30-36.

134. Inmon, W.H. Building the Data Warehouse Text. / Inmon W.H. — N- Y: John Wiley Sons, 1992.

135. Larose, D. T. Discovering knowledge in data. An Introduction to Data Mining Text. / D. T.Larose. — N- Y: John Wiley Sons, 2005.

136. Minger, J. An Empirical Comparison of Pruning Methods for Decision Tree Induction Text. / J.Minger // Machine Learning. — 1989. — Vol. 4. — P. 227-243.

137. Nunez, M. The Use of Background Knowledge in Decision Tree1.ductionText. / M.Nunez // Machine Learning. — 1991. — Vol. 6. — P. 231-250.

138. Quinlan, J. R. Induction on Decision Trees Text. / J. R. Quinlan // Machine Learning. — 1986. — Vol.1. — P. 81-106.

139. Rawls J. Multitiered Data Warehouses Electronic resource. URL: www.datawarehouse.com/sigs/survival. (дата обращения 10.09.2010).

140. Seidman, С. Data Mining with Microsoft SQL Server 2000: technical Reference Text. / C. Seidman. — N-Y.: Microsoft Press, 2001.

141. Shannon, C.E. The mathematical theory of communications Text. / Shannon C.E., Weaver W. — Urbana: Univ. Press, 1949. — Vol III.

142. Surajit Chaudhuri Database Technology for Decision Support Systems Text. / Surajit Chaudhuri, Umeshwar Dayal, Venkatesh Ganti // IEEE Computer, December 2001. — N-Y., 2001.

143. Thomsen, E. How Data Mining Relates to the Rest of Decision Support Systems Text. / E.Thomsen // A workshop held in conjunction with the Fourth Intern. Conf. On Knowledge Discovery and Data Mining, Aug. 31. -N-Y., 1998.

144. Utgoff, P. E. Incremental induction of Decision Trees Text. / P.E.Utgoff // Machine Learning. — 1989. — Vol. 4. — P. 161-186.

145. Zirako, W. Analysis of Uncertain Information in the Framework of Variable Precision Rough Sets Text. / W.Zirako // Found of Сотр. and Decision Sci. — 1993. — Vol. 18, №3-4. — P. 381-396.

146. Zirako, W. Variable Precision Rough Sets Model Text. / W. Zirako // J. Сотр. and System Sci. — 1993. — Vol.46, №1. — P. 39-59.