У Росії і за її межами накопичений значний досвід розробки та застосування засобів обчислювальної техніки і математичних методів для вирішення завдань теоретичної та практичної медицини. На початкових етапах роботи в цьому напрямку основна увага приділялася створенню методів і моделей, що дозволяють поглиблено досліджувати патологічні процеси в окремих органах і системах організму.
Сучасний рівень розвитку обчислювальної техніки уможливлює створення інформаційних продуктів нового покоління - розподілених автоматизованих медичних інформаційних технологій, що пропонують обґрунтовані лікарські рішення в залежності від особливостей клінічної ситуації, що складається на кожному етапі ведення хворого.
Скорочення часу на діагностику за рахунок зменшення кількості діагностичних перевірок призводить до низької надійності діагностування. Використання систем, заснованих на імовірнісних методах діагностування, дозволяє за рахунок зменшення кількості діагностичних питань істотно скоротити час діагностування та, отже, обсяг переданих даних не на шкоду об'єктивності і надійності діагностики.
У даній роботі пропонується імовірнісна модель дистанційної діагностики, згідно з якою симптоми користувача системи можуть бути віднесені до одного з декількох станів, відповідних можливого захворювання. Станухарактеризуються можливостями і складають повну групу подій. В процесі діагностики пацієнтові пропонуються діагностичні питання, і в залежності від відповідей на них ймовірності захворювань змінюються. Питання пропонуються до тих пір, поки одна з ймовірностей станів (захворювання або відсутність захворювання) не перевищить поріг, що задається користувачем системи.
Кожна перевірка характеризується матрицею P умовних ймовірностей, стовпці якої відповідають станам, а рядки - наслідків тестового завдання. Результат в загальному випадку - це подія, що полягає в отриманні будь-якої відповіді - симптому з групи відповідей, об'єднаних за певною ознакою. В осередках матриці містяться - ймовірності того, що з'явиться симптом при захворюванні.
Значення ймовірностей задаються лікарями-експертами, що мають право їх редагувати. Приклад шкали оцінки ймовірності симптому для конкретного захворювання наведено в таблиці.
Повна впевненість в діагнозі
Однозначне відхилення діагнозу
Імовірність дуже велика
Імовірність дуже мала
Скоріше так ніж ні
Скоріше ні ніж так
Знаючи умовні ймовірності, ймовірність станів і отримавши певний результат, використовуючи теорему Байеса, можна обчислити умовні ймовірності наявності у об'єкта діагностики захворювання за умови, що після чергової перевірки отримано j-й результат. Ці ймовірності вважаються апріорними ймовірностями станів при виборі та проведенні наступної діагностичної перевірки.
Якщо спочатку стан пацієнта невідомо, розумно припустити, що вихідні ймовірності його станів рівні між собою.
На підставі показника максимуму середньої інформації системою вибирається попередньо найбільш інформативна перевірка. На малюнку запропонована схема алгоритму вибору найбільш інформативною перевірки. Введемо наступні поняття: - завжди апріорна ентропія, що характеризує стан діагностичної системи до початку перевірки k; - середня апостериорная ентропія стану після умовного проведення перевірки k.
Апріорна ентропія до початку перевірки k обчислюється за формулою:
Ентропія після умовного проведення перевірки k обчислюється за формулою:
В даному випадку - умовна ентропія, що характеризує зміни невизначеності стану діагностується системою пацієнта в разі завершення перевірки k результатом.
Проводиться одиничне випробування - видаються питання і можливі варіанти відповідей. Відповідь пацієнта за допомогою спеціальної процедури формується в результат.
Далі з матриці перевірки вибирається рядок умовних ймовірностей, відповідна отриманому симптому.
За формулою Байєса для конкуруючих гіпотез розраховується новий розподіл ймовірностей - можливого діагнозу пацієнта.
Проведена перевірка виключається зі списку. Цикл повторюється до тих пір, поки значення ймовірності одного з захворювань не перевищить заданого порогового рівня або не вичерпав весь перелік симптомів-перевірок. За результатами проведених перевірок робиться висновок про найбільш ймовірне захворюванні. Програмна реалізація алгоритму здійснена на мові Borland С ++ Bilder.
Запропонована імовірнісна модель діагностування захворювань і алгоритм спрямованого пошуку діагностичних перевірок знижують кількість запитань. Це призводить до ефективного використання наявних ресурсів за рахунок скорочення трудовитрат медичних працівників, зменшення обсягів інформації, що передається по каналах передачі даних і навантаження на наявні прилади медичної діагностики, забезпечуючи при цьому високу об'єктивність оцінки і надійність роботи системи діагностування.