Система поддержки принятия врачебных решений в медицинской диагностике на основе байесовских сетей


Цитировать

Полный текст

Аннотация

Современный уровень развития медицинской науки предоставляет в распоряжение лечащего врача тысячи разнообразных диагностических и лечебных методик, лекарственных средств. В их практическом применении врачу-клиницисту приходится учитывать самые различные факторы: показания и противопоказания методики или способа лечения, особенности пациента и течения заболевания, совместимость или усиление влияния тех или иных методов обследования, лекарственных препаратов друг на друга, индивидуальную лекарственную непереносимость и противопоказания у пациента. Все это держать в памяти и принимать безошибочные, правильные и своевременные решения становится сложнее. Причем ситуация стремительно усугубляется тем, что объем знаний в медицине растет лавинообразно, а время на принятие врачом соответствующего решения при постановке диагноза не увеличивается. В связи с этим возникает вопрос о создании системы, позволяющей минимизировать время для принятия врачом решения о наличии того или иного заболевания.

Цель: разработать систему поддержки принятия врачебных решений при диагностировании пациентов на основе байесовских сетей.

Результаты. Рассмотрен вариант системы поддержки принятия врачебных решений при постановке диагноза простуды, гриппа и коронавируса. Предложена модель байесовской сети с помощью ПО «GeNIe Academic». Получены результаты процентных соотношений возможных заболеваний пациента на основе имеющихся симптомов.

Заключение. Рассмотренный в статье подход к построению системы поддержки принятия решений призван оказывать помощь врачам при постановке диагноза пациенту на основе его анамнеза. Следует отметить, что построенная байесовская сеть может быть модифицирована путем добавления иных симптомов с их условными вероятностями и корректировки имеющихся после экспертной оценки (6 рис., библ.: 6 ист.).

Об авторах

Богдан Викторович Леваньков

ФГБВОУ ВО «Военно-медицинская академия имени С. М. Кирова» МО РФ

Email: bogdan.levankov@gmail.com
ORCID iD: 0000-0002-6293-4330
SPIN-код: 4527-2307

оператор научной роты

Россия, г. Санкт-Петербург

Евгений Михайлович Выборов

ФГБВОУ ВО «Военно-медицинская академия имени С. М. Кирова» МО РФ

Email: vyborov.99@mail.ru
SPIN-код: 2293-2790

оператор научной роты

Россия, г. Санкт-Петербург

Никита Игоревич Яковенко

ФГБВОУ ВО «Военно-медицинская академия имени С. М. Кирова» МО РФ

Автор, ответственный за переписку.
Email: nikitayakovenko@hotmail.com
ORCID iD: 0000-0003-4007-1957
SPIN-код: 7441-6164
Scopus Author ID: 1010300

оператор научной роты

Россия, г. Санкт-Петербург

Список литературы

  1. Гусев А.В., Зарубина Т.В. Поддержка принятия врачебных решений в медицинских информационных системах медицинской организации // Врач и информационные технологии. 2017. № 2. С. 60–72.
  2. Звягин Л.С. Метод байесовских сетей и ключевые аспекты байесовского моделирования // Материалы международной конференции по мягким вычислениям и измерениям. 2019. Т. 1. С. 30–34.
  3. Айвазян С.А. Байесовский подход в эконометрическом анализе // Прикладная эконометрика. 2008. № 1 (9). С. 93–108.
  4. MacKay D.J.C. Information Theory, Inference, and Learning Algorithms. Cambridge: Published by Cambridge University Press, 2003. 640 p.
  5. Ветров Д.П., Кропотов Д.А. Алгоритмы выбора моделей и синтеза коллективных решений в задачах классификации, основанные на принципе устойчивости. М.: URSS, 2006.
  6. Прокопчина С.В., Федичкин А.И. Применение байесовских интеллектуальных технологий для оценки интегральных показателей // Сборник докладов Международной конференции по мягким вычислениям и измерениям. 2006. С. 20–22.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Формула Байеса

Скачать (92KB)
3. Рис. 2. Памятка Роспотребнадзора о различиях между симптомами

Скачать (200KB)
4. Рис. 3. Байесовская сеть в ПО «GeNIe Academic»

Скачать (134KB)
5. Рис. 4. Таблица условных вероятностей на примере симптома кашля

Скачать (173KB)
6. Рис. 5. Вероятностные соотношения заболевания коронавирусом, простудой и гриппом

Скачать (151KB)
7. Рис. 6. Вероятностные соотношения заболевания коронавирусом, простудой и гриппом при наличии других симптомов

Скачать (159KB)

© Леваньков Б.В., Выборов Е.М., Яковенко Н.И., 2020

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).