Анализ и синтез медицинских систем поддержки принятия решений на основе технологий статистического моделирования

Актуальность., В^некоторых случаях при! принятии, решений мы допускаем г ошибки-. имеющие последствия различнойстепени значимости. Поэтому одним, из несомненных условий успешной, деятельности^ независимо от характера или специфики, труда, является искусство принятия, правильных решений. Ошибаемся, как правило, из-за неполноты, информации об объекте управления, ограниченности временных ресурсов, или объект достаточно> сложен и нет возможности просчитать и выбрать наилучшее решение. Для принятия верных решений необходимо получить недостающую информацию, т. е. извлечь нужные знания или, использовать математические методы для выбора оптимального решения.

В настоящее время одной из основных тенденций развития общества является ее тотальная информатизация: Стремительно развиваются компьютерные технологии, способные накапливать, обрабатывать и передавать на расстояния большие объемы цифровой информации. Зачастую в массивах данных содержатся недостающие для принятия успешных решений скрытые знания, извлечь которые можно при помощи современных направлений или методов анализа данных. В более сложных случаях, целесообразно построить математическую модель и принимать решения в соответствии с результатами произведенных по модели расчетов.

Для решения этих задач и создаются специализированные информационные системы — системы поддержки принятия решений (СППР) (Decision Support System — DSS), основное предназначение которых — в формализации слабоструктурированных и неструктурированных задач планирования, прогнозирования и управления.

В отличие от разработки информационных систем, автоматизирующих хранение и обработку числовой информации, СППР являются наукоемкими, так как предполагают использование определенных научных направлений и методов анализа данных. Некоторые существующие СППР обладают рядом недостатков, например, отсутствует оценка достоверности полученного решения, принятие решений сопровождается потерей информации из-за4 перевода величинизмеренных в. шкале интервалов. или отношений, в более бедную — балльную.

Так как величины, содержащиеся' в массивах данных, в. большинстве случаев* являются" случайными, наиболее адекватны! для построения1 СППР' стохастические модели*. Особую актуальность для таких моделей приобретают методы многомерного статистического анализа, при помощи которых можно установить характер и структуру взаимосвязей между признаками исследуемого объекта. Статистические пакеты прикладных программ (ППП) существенно расширили горизонты применения вероятностно-статистических моделей, так как позволяют успешно использовать достаточно трудоемкие в реализации многомерные статистические методы и более сложные углубленные методы анализа данных для формализации, слабоструктурированных проблем. Поэтому современные технологии" статистического анализа — ППП делают вероятностно-статистические методы эффективным инструментарием как для поиска и выявления скрытых знаний, так и для создания математических моделей, которые могут быть использованы при построении СППР в. различных слабоформализуемых областях человеческой деятельности.

При внедрении информационных систем и СППР актуальной является проблема их функциональности и пригодности, которая выражается в том, что чем функциональнее система, тем она более сложна, а значит, и менее пригодна для практического применения. Для снижения остроты проблемы необходимо подойти к разработке, внедрению информационных систем и СППР с позиций системного анализа.

Существующие системы управления базами данных (СУБД) позволяют хранить, обрабатывать и предоставлять пользователю информацию в удобном для него виде. Интеграция статистических пакетов и баз данных на принципах системного анализа позволит создавать эффективные системы поддержки принятия решений различного предназначения.

Поэтому диссертационная работа, направленная на построение методологии создания СППР, которая состоит в применении технологий статистического* анализа для выявления новых скрытых знаний, интеграции современных технологий статистического моделирования, хранения. и представления данных, является актуальной.

В4диссертационной работе предпринята попытка показать состоятельность предложенной методологии на примере медицины, так. как многие статистические методы! возниклии получили дальнейшее развитие благодаря задачам, поставленным медиками и биологами, и в медицине наиболее остро стоит проблема создания* СППР' для минимизации количества допускаемых врачебных ошибок.

Медицинская информация* имеет свою/ специфику, и увеличение ее объемов сопровождается определенными проблемами, которые обосновывают необходимость создания медицинских информационных систем (МИС). Они отличаются от экономических или технических информационных систем, что создает дополнительные сложности при их разработке и внедрении. Отличие проявляется в специфике объектов информатизации, напримерсистемы диагностического кодирования становятся в настоящее время более универсальными, но детальная номенклатура признаков и симптомов, форматы для регистрации данных, а также организация записей определяются индивидуальноотсутствует стандартизация в терминологии, формате, шкалах измерения медицинских данных и т. д. К сожалению, отечественная медицина и здравоохранение не в полной степени соответствуют требуемому уровню информатизации. Президент РФ Дмитрий Медведев 8 июля 2010 г на заседании президентского совета по развитию информационного общества выразил озабоченность невысокими темпами внедрения электронных услуг в сферу здравоохранения. Несмотря на указанные сложности, информатизация — объективный процесс, поэтому МИС все же медленно, но эволюционируют.

Очень часто для принятия медицинских решений характерны недостаточность знаний, ограниченность временных ресурсов, отсутствие возможности привлечения компетентных экспертов, неполнота информации о состоянии больного. Указанные факторы являются причинами врачебных ошибок, которые могут привести к дальнейшей потере здоровья пациента. Поэтому наряду с разработкой МИС важной является задача создания медицинских систем-поддержки принятия решений (СППР), которые являются информационными f системами, функционирующими автономно либо" в составе МИС.

Цель. Разработка методологии анализа и синтеза медицинских СППР с возможностью получения и использования скрытых знаний.

Задачи исследования.

1. Исследовать теоретические и прикладные аспекты системного" анализа в построении информационных систем и СППР, состояние и уровень развития отечественных МИС и СППР.

2. Посредством анализа и синтеза процессов принятия управленческих решений формализовать принятие решений и построение СППР применительно к медицине.

3. Разработать методологические принципы использования современных технологий вероятностно-статистического моделирования в выявлении новых знаний. Предложить технологию решения задачи классификации объектов по группам однородности и применить для формализации слабоструктурированных медицинских проблем идентификации тяжести состояния больных.

4. На примере медицины^ показать состоятельность методологии анализа и синтеза систем принятия решений при создании эффективных СППР в различных сферах практической, исследовательской и образовательной деятельности человека, построив СППР для идентификации тяжести состояния больных.

5. Оценить эффективность разработанной СППР, применив ее для идентификации тяжести состояния больных, страдающих хронической сердечной недостаточностью.

Методы исследования. В диссертационной работе использованы методы системного анализа, теории принятия решений, теории вероятностей и математической статистики, многомерного и углубленного анализа данных в среде ППП STATISTIC А, обработки и хранения данных в СУБД MS ACCESS, создания запросов STATISTICA QUERY, программирования в STATISTICA VISUAL BASIC (SVB).

Объект исследования: медицинские информационные системы и системы поддержки принятия решений.

Предмет исследования: методология построения медицинских систем поддержки принятия решений.

Научная* новизна. В диссертацииI получены следующие основные результаты, характеризующиеся научной новизной:

1. Проведен анализ информационных систем и особенностей процессов принятия решений в медицине на основе системного подхода.

2. Разработаны теоретические положения анализа и синтеза СППР медицинского назначения с использованием современных и классических направлений анализа данных с целью извлечения скрытых знаний.

3. Разработаны методологические положения применения современных технологий вероятностно-статистического моделирования, представления и хранения данных для выявления скрытых знаний и построения эффективных медицинских СППР.

4. На основе широкого спектра методов многомерного и углубленного анализа данных предложена технология формализации слабоструктурированных проблем классификации больных на группы однородности. Для ряда заболеваний получены новые медицинские знания, которые были использованы при создании СППР.

5. На основе рассмотренных в работе теоретических и методологических положений разработан алгоритм и построена эффективная СППР для идентификации степени тяжести состояния больных.

Достоверность и обоснованность научных положений подтверждается:

— использованием системного подхода, вероятностно-статистических методов и современных информационных технологий к решению задач диссертациисведениями из медицинской литературыпризнанием результатов исследований научным сообществом;

— сравнительным анализом результатов, проведенных в диссертации исследований с известными медицинскими знаниями и практическим медицинским опытомапробацией, и,'результатами) внедрения, разработанной-СППР'— программы СИТСБв лечебные учреждения и учебные заведения г. Краснодара.

Практическая значимость и" внедрение. На основе принципов системного анализа предложена методологияшостроения эффективных СППР, которая может быть использована, для* создания-. СППР' в различных областях практической деятельности человека.

В среде ППП БТАТШПСА на, основе различных методов5 классификационного анализа разработаны программные модулидиагностирующие степень тяжести состояния^ больных. Модули’зарегистрированы в Федеральной службе по интеллектуальной" собственности, патентам и товарным, знакам, в Отраслевом фонде алгоритмов и программ.

На основе разработанного алгоритма, выявленных новых медицинских знаний, разработанных программных модулей. построена медицинская СППР — компьютерная программа СИТСБ для определения степени тяжести состояния больных, страдающих такими заболеваниями, как хроническая" сердечная недостаточность, лептоспироз, нефроптоз.

Программа СИТСБ может быть адаптирована, для определения тяжести состояния больных, страдающих различными заболеваниями, выявления группы однородности больных, например по виду заболевания, диагнозу. Имеет простой и максимально дружественный интерфейс для пользователя, не требуется специальных знаний в области математики, статистического анализа или информационных технологий.

Программа СИТСБ зарегистрирована в Федеральной службе по интеллектуальной собственности, внедрена в диагностический процесс кардиологического отделения Краснодарской клинической городской больницы № 2, в диагностический процесс Специализированной клинической инфекционной больницы департамента здравоохранения Краснодарского края, в учебный процесс Кубанского государственного медицинского университета.

Основные положения, выносимые на защиту:

1. Результаты анализа и синтеза процессов, происходящих при принятии медицинских решений:

— общая функциональная схема СППР;

— последовательность этапов создания СППР.

2. Методология, построенияСППР, состоящая в. применении" технологий статистического — анализа для выявленияновых скрытых знанийинтеграции современных технологий статистического моделированияхранения-и представления данных.

3. Алгоритм СППР применительно к задаче идентификации, степени тяжести состояния больных.

4. Технология решениязадачи классификации больных. Результаты-применения методоввероятностно-статистического моделирования дляформализации слабоструктурированных медицинских проблем идентификации тяжести состояния больных. Выявленные новые медицинские знания, которые были использованы при построении1 СППР.

5. Компьютерная программа СИТСБ как пример СППР, построенной на основе предложенной в работе методологии. Оценка эффективности ее применения.

Апробация работы. Основные положения и результаты диссертационной работы докладывались и представлялись на различных всероссийских и международных конференциях: Щ Всероссийском конгрессе «Профессия и здоровье» (Москва, 2004 г.), Международном конгрессе «Социальная психология XXI столетия (Ярославль, 2004 г.), Всероссийских научных конференциях «Современное состояние и приоритеты развития фундаментальных наук в регионах» (Краснодар, 2004;2005 гг.), Международной научно-практической конференци «Образование, наука и экономика в вузах. Интеграция в международное образовательное пространство» (г. Плоцк (Польша), 2006 г.), ХШ школе-коллоквиуме по стохастическим методам и VII Всероссийском симпозиуме по прикладной и промышленной математике (Йошкар-Ола, 2007 г.), XXVII Российской школе по проблемам науки и технологий, посвященной 150-летию.

К. Э. Циолковского, 100-летию С. П. Королева и 60-летию Государственного ракетного центра «КБ им. В.П. Макеева» (Миасс, 2007 г.), III Международной научно-практической конференции «Исследование, разработка и применение высоких технологий в промышленности» (СПб, 2007 г.), ХП Международной конференции «Экологическая и экономическая' безопасность. Проблемы. и пути решения» (пос. Шепси, 2007 г.), на кафедре прикладной математики • факультетакомпьютерных технологий и прикладной математики Кубанского государственного университета (сентябрь, 2009 г.), на кафедре компьютерных технологий ш информационной/ безопасности Кубанского государственного технологического университета (апрель 2010 т.).

Публикации. Основные результаты диссертационной работы опубликованы в 41' печатном, издании, включая: 2 монографии, 3 учебника, 12'статей: Ряд. статей (10) входят в перечень ведущих научных журналов, рекомендуемых ВАК для опубликования основных научных результатов1 докторских диссертаций. Имеется 11 свидетельств о регистрации программ в Федеральной службе по интеллектуальной' собственности, патентам и товарным знакам, а также в отраслевом фонде алгоритмов и программ.

Структура и объем работы. Диссертационная работа состоит из введения, шести глав, заключения, библиографического списка, содержащего 271 наименование. Она изложена на 377 страницах машинописного текста, включая 223 рисунка, 6 таблиц, 2 приложения.

Выводы по главе 6.

Естественно непосредственное применение медперсоналом вероятностно-статистических методов, реализованных в пакетах прикладных программ для идентификации состояния больных, не представляется возможным, даже если будут написаны подробные инструкции, когда и какую кнопку следует нажать, так как использование пакетов в практической медицине сопряжено с определенными сложностями: трудоемкостью «методов, — так как, класс больного определяют в? многошаговых процедурах классификационного анализанеобходимостью в обучении медицинского» персонала основам классификационного анализа и работе с ППГГ STA TISTICAневозможностью оперативного получения* информации о состоянии больного с минимальными затратами интеллектуальных и временных ресурсов.

Поэтому на основе макросов методов >классификационного анализа были разработаны программные модули, которые могут быть использованы, как самостоятельные приложения для идентификации состояния больных, страдающих хронической сердечной недостаточностью, лептоспирозом, нефроп-тозом. При разработке СППР модули были объединены в единый блок математического обеспечения.

На примере системы идентификации тяжести состояния больных показана принципиальная возможность построения медицинских СППР на основе синтеза статистического пакета STATISTICA и базы данных MS" Access. При этом: система может работать автономно, как самостоятельное приложение, но может быть встроена в качестве подсистемы в медицинскую информационную системупри работе системы данные пациента вводятся один раз в таблицу базы данных, дальнейшая их обработкавключая импорт в ППП STATISTICA, проведение расчетов для идентификации степени тяжести состояния больного и экспорт в базу данных полностью автоматизированы и выполняются по командам пользователяобучающиеся выборки, на основании которых решается задача классификации состояния больного, по желанию пользователя могут расширяться, что увеличит достоверность результатов идентификации.

Проведен сравнительный анализ методов идентификации тяжести состояния больных, который показал, что наиболее эффективными являются оба метода дискриминантного анализа — классический дискриминантный анализ и общие модели дискриминантного анализа.