uprinmatusИзвестия Юго-Западного государственного университета. Серия: Управление, вычислительная техника, информатика. Медицинское приборостроениеProceedings of the Southwest State University. Series: IT Management, Computer Science, Computer Engineering. Medical Equipment Engineering2223-1536Юго-Западный государственный университет10.21869/2223-1536-2023-13-3-21-30uprinmatus-137Research ArticleИНФОРМАЦИОННЫЕ И ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫINFORMATION AND INTELLIGENT SYSTEMSФормализованное информационное описание для медицинской экспертной системыFormalized Information Description for a Medical Expert SystemНестеровичС. А.NesterovichS. A.

Нестерович Сергей Алексеевич, кандидат технических наук, доцент, доцент кафедры информационных систем и цифровых технологий

ул. Земляной Вал, д. 73, г. Москва 109004

Sergey A. Nesterovich, Cand. of Sci. (Engineering), Associate Professor, Associate Professor of the Department of Information Systems and Digital Technologie

73 Zemlyanoy Val Str, 109004 Moscow

s.nesterovich@mgutm.ruhttps://orcid.org/0000-0001-5226-329XБрежневаА. Н.BrezhnevaА. N.

Брежнева Александра Николаевна, кандидат технических наук, доцент кафедры информатики,

Стремянный пер., д. 36, г. Москва 117997

Aleksandra N. Brezhneva, Cand. of Sci. (Engineering), Associate Professor of the Department of Informatics

36 Stremyanny side-street, 117997 Moscow

brezhneva.an@rea.ruЗыряноваС. А.ZyryanovaS. A.

Зырянова Светлана Анатольевна, кандидат технических наук, доцент, доцент кафедры информационных систем и цифровых технологий

ул. Земляной Вал, д. 73, г. Москва 109004

Svetlana A. Zyryanova, Cand. of Sci. (Engineering), Associate Professor, Associate Professor of the Department of Information Systems and Digital Technologies

73 Zemlyanoy Val Str, 109004 Moscow

s.zyryanova@mgutm.ruМосковский государственный университет технологий и управлений им. К. Г. Разумовского (Первый казачий университет)РоссияK. G. Razumovsky Moscow State University of Technology and Management (First Cossack University)Russian FederationРоссийский экономический университет им. Г. В. ПлехановаРоссияPlekhanov Russian University of EconomicsRussian Federation2023270120241332130Copyright © Нестерович С.А., Брежнева А.Н., Зырянова С.А., 20242024Нестерович С.А., Брежнева А.Н., Зырянова С.А.Nesterovich S.A., Brezhneva А.N., Zyryanova S.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://uprinmatus.elpub.ru/jour/article/view/137Цель исследований

Цель исследований. Информационное описание о состоянии здоровья пациента основывается на количественных параметрах и качественных признаков. Предлагается формализовать количественную и качественную информацию о состоянии здоровья пациента с целью использования этой информации, для построения медицинской экспертной системы. Построенная на основе этой информации экспертная система сможет точнее ставить диагноз, что сократит время на постановку диагноза и в конечном итоге повысит эффективность лечения.

Методы

Методы. На основе формализованного информационного описания о состояния здоровья пациентов можно построить классы состояний: класс текущего состояния (на данный момент), класс эталонного (здорового) состояния здоровья пациента. В дальнейшем можно построить классы состояний здоровья пациентов с учетом возраста и ряда особенностей заболеваний, например, с учетом местности, в которой проживает пациент, и т. д. В дальнейшем эти классы могут быть реализованы в медицинской экспертной системе.

Результаты

Результаты. В результате построена формализованная информационная модель описания состояния здоровья пациента на основе количественных параметров и качественных признаков, которая сможет быть основой для базы данных и базы знаний медицинской экспертной системы диагностирования.

Заключение

Заключение. В результате предложено формализованное описание состояния здоровья пациента. Для реализации необходимо предусмотреть возможность построения отдельного эвристического алгоритма при диагностировании заболевания, который будет связан с воспроизведением в форме операций процесса разработки логической структуры при рассуждении экспертом (врачом) в ходе лечения пациента.

The purpose of research

The purpose of research. The information description of the patient's health status is based on quantitative parameters and qualitative signs. It is proposed to formalize quantitative and qualitative information about the patient's state of health in order to use this information to build a medical expert system. The expert system built on the basis of this information will be able to make a more accurate diagnosis, which will reduce the time for diagnosis and ultimately increase the effectiveness of treatment.

Methods

Methods. On the basis of a formalized information description of the state of health of patients, it is possible to construct classes of states: the class of the current state (at the moment), the class of the reference (healthy) state of health of the patient. In the future, it is possible to build classes of patients' health conditions taking into account age and a number of features of diseases, for example, taking into account the area in which the patient lives, etc. In the future, these classes can be implemented in a medical expert system.

Results

Results. As a result, a formalized information model of describing the patient's health status based on quantitative parameters and qualitative signs has been built, which can be the basis for a database and knowledge base of a medical expert diagnostic system.

Conclusion

Conclusion. As a result, a formalized description of the patient's state of health is proposed. For implementation, it is necessary to provide for the possibility of constructing a separate heuristic algorithm for the diagnosis of the disease, which will be associated with the reproduction in the form of operations of the process of developing a logical structure when reasoning by an expert (doctor) during the treatment of a patient.

интеллектуальные системысистемы контролясистемы диагностикиэкспертные системыкачественные и количественные характеристики исследуемого объектадостоверностьзнания экспертовintelligent systemscontrol systemsdiagnostic systemsexpert systemsqualitative and quantitative characteristics of the object under studyreliabilityexpert knowledgeReferencesKanatov M., Atymtayeva L., Yagaliyeva B. Expert systems for Information Security Management and Audit. Implementation phase issues // 2014 Joint 7th International Conference on Soft Computing and Intelligent Systems (SCIS) and 15th International Symposium on Advanced Intelligent Systems (ISIS). Kitakyushu, Japan: IEEE, 2014.Kanatov M., Atymtayeva L., Yagaliyeva B. Expert systems for Information Security Management and Audit. Implementation phase issues. 2014 Joint 7th International Conference on Soft Computing and Intelligent Systems (SCIS) and 15th International Symposium on Advanced Intelligent Systems (ISIS). Kitakyushu, Japan, IEEE Publ., 2014.Kononenko W. Machine learning for medical diagnosis: history, state of the art and perspective // Artif Intell Med. 2001. N 23(1). P. 89–109.Kononenko W. Machine learning for medical diagnosis: history, state of the art and perspective. Artif Intell Med., 2001, no. 23(1), pp. 89–109.Автоматизированное проектирование информационно-управляющих систем. Проектирование экспертных систем на основе системного моделирования: монография / науч. ред. Г. Г. Куликов. Уфа: Уфимский государственный авиационный технический университет, 1999. 223 с.Computer-aided design of information and control systems. Designing expert systems based on system modeling [Computer-aided design of information and control systems. Designing expert systems based on system modeling]; ed. by G. G. Kulikov. Ufa, Ufa State Aviation Technical University Publ., 1999. 223 p.Евланов Л. Г., Кутузов В. А. Экспертные оценки в управлении. М.: Экономика, 1978. 133 с.Evlanov L. G., Kutuzov V. A. Ekspertnye ocenki v upravlenii [Expert assessments in management]. Moscow, Ekonomika Publ., 1978. 133 p.Мелихов А. Н., Берштейн Л. С., Коровин С. Я. Ситуационные советующие системы с нечеткой логикой. М.: Наука, 1990. 272 с.Melikhov A. N., Berstein L. S., Korovin S. Ya. Situacionnye sovetuyushchie sistemy s nechetkoj logikoj [Situational advising systems with fuzzy logic]. Moscow, Nauka Publ., 1990. 272 p.Сидоркина И. Г. Системы искусственного интеллекта. М.: КНОРУС, 2015. 248 с.Sidorkina I. G. Sistemy iskusstvennogo intellekta [Artificial intelligence systems]. Moscow, KNORUS Publ., 2015. 248 p.Нечеткие множества в моделях управления и искусственного интеллекта / А. Н. Аверкин, И. З. Батыршин, А. Ф. Блишун, В. Б. Силов, В. Б. Тарасов; под ред. Д. А. Поспелова. М.: Наука, 1986. 312 с.Averkin A. N., Batyrshin I. Z., Blishun A. F., Silov V. B., Tarasov V. B. Nechetkie mnozhestva v modelyah upravleniya i iskusstvennogo intellekta [Fuzzy sets in control and artificial intelligence models]; ed. by D. A. Pospelova. Moscow, Nauka Publ., 1986. 312 p.Алиев Р. А., Абдикеев Н. М., Шахназаров М. М. Производственные системы с искусственным интеллектом. М.: Радио и связь, 1990. 262 с.Aliev R. A., Abdikeev N. M., Shakhnazarov M. M. Proizvodstvennye sistemy s iskusstvennym intellektom [Production systems with artificial intelligence]. Moscow, Radio and Communications Publ., 1990. 262 p.Алтунин А. Е., Семухин М. В. Модели и алгоритмы принятия решений в нечетких условиях: монография. Тюмень: Издательство Тюменского государственного университета, 2000. 352 с.Altunin A. E., Semukhin M. V. Modeli i algoritmy prinyatiya reshenij v nechetkih usloviyah [Models and algorithms of decision-making in fuzzy conditions]. Tyumen, Tyumen State University Publishing House, 2000. 352 p.Бешелев C. Д., Гурвич Ф. Г. Математико-статистические методы экспертных оценок. М.: Статистика, 1980. 263 с.Beshelev C. D., Gurvich F. G. Matematiko-statisticheskie metody ekspertnyh ocenok [Mathematical and statistical methods of expert assessments]. Moscow, Statistics Publ., 1980. 263 p.Дунин В. О., Егоров В. А. Проблемы создания интеллектуальных средств поиска, анализа и обработки биомедицинской информации // Инженерный вестник Дона. 2012. № 4-1(22). С. 24.Dunin V. O., Egorov V. A. Problemy sozdaniya intellektual'nyh sredstv poiska, analiza i obrabotki biomedicinskoj informacii [Problems of creating intelligent means of searching, analyzing and processing biomedical information]. Inzhenernyj vestnik Dona = Engineering Bulletin of the Don, 2012, no. 4-1(22), p. 24.Модели принятия решений на основе лингвистической переменной / А. Н. Борисов, А. В. Алексеев, О. А. Крумберг [и др.]. Рига: Зинатне, 1982. 256 с.Borisov A. N., Alekseev A. V., Krumberg O. A., eds. Modeli prinyatiya reshenij na osnove lingvisticheskoj peremennoj [Decision-making models based on a linguistic variable]. Riga, Zinatne Publ., 1982. 256 p.Поддержка принятия решений на основе нечеткой логики в системах медицинского назначения / Е. Н. Долженко, А. Н. Пылькин, А. В. Крошилин, С. Ю. Жулева // Биомедицинская радиоэлектроника. 2015. № 7. С. 62–68.Dolzhenko E. N., Pylkin A. N., Kroshilin A. V., Zhuleva S. Yu. Podderzhka prinyatiya reshenij na osnove nechetkoj logiki v sistemah medicinskogo naznacheniya [Decision support based on fuzzy logic in medical systems]. Biomedicinskaya radioelektronika = Biomedical Radioelectronics, 2015, no. 7, pp. 62‒68.Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.: Мир, 1976. 165 с.Zadeh L. A. Ponyatie lingvisticheskoj peremennoj i ego primenenie k prinya-tiyu priblizhennyh reshenij [The concept of a linguistic variable and its application to the adoption of approximate solutions]. Moscow, Mir Publ., 1976. 165 p.Леоненко А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб.: БВХ – Петербург, 2005. 736 с.Leonenko A. V. Nechetkoe modelirovanie v srede MATLAB i fuzzyTECH [Fuzzy modeling in MATLAB and fuzzyTECH]. St. Petersburg, BVH ‒ Petersburg Publ., 2005. 736 p.Воронина Е. И., Муравей Л. А., Костиков Ю. А. Математико-статистические модели прогнозирования эффективности оперативного лечения некоторых заболеваний // Инженерный вестник Дона. 2013. № 1(24). С. 64.Voronina E. I., Muravey L. A., Kostikov Yu. A. Matematiko-statisticheskie modeli prognozirovaniya effektivnosti operativnogo lecheniya nekotoryh zabolevanij [Mathematical and statistical models for predicting the effectiveness of surgical treatment of certain diseases]. Inzhenernyj vestnik Dona = Engineering Bulletin of the Don, 2013, no. 1(24), p. 64.Гельруд Я. Д. Оптимизация развития холдинговой структуры с использованием нечеткой логики // Управление проектами и программами. 2007. № 3. С. 182–190.Gelrud Ya. D. Optimizaciya razvitiya holdingovoj struktury s ispol'zovaniem nechetkoj logiki [Optimization of the development of the holding structure using fuzzy logic]. Upravlenie proektami i programmami = Project and Program Management, 2007, no. 3, pp. 182‒190.Душкин Р. В. Методы получения, представления и обработки знаний с НЕфакторами. М.: Национальный исследовательский университет «МЭИ», 2011. 115 с.Dushkin R. V. Metody polucheniya, predstavleniya i obrabotki znanij s NE-faktorami [Methods of obtaining, presenting and processing knowledge with NON-factors]. Moscow, National Research University "MEI" Publ., 2011. 115 p.Инжиниринг информационных и деловых процессов: сборник научных трудов / Ю. Ф. Тельнов [и др.]. М.: Московский государственный университет экономики, статистики и информатики, 1998. 137 с.Telnov Yu. F., eds. Inzhiniring informacionnyh i delovyh processov. Sbornik nauchnyh trudov [Engineering of information and business processes. Collection of scientific works]. Moscow, Moscow State University of Economics, Statistics and Informatics Publ., 1998. 137 p.Статические и динамические экспертные системы / Э. В. Попов, И. Б. Фоминых, Е. Б. Кисель, М. Д. Шапот. М.: Финансы и статистика, 1996. 318 с.Popov E. V., Fomin I. B., Kisel E. B., Shapot M. D. Staticheskie i dinamicheskie ekspertnye sistemy [Static and dynamic expert systems]. Moscow, Finance and Statistics Publ., 1996. 318 p. 2Россиев Д. А. Нейросетевые самообучающиеся экспертные системы в медицине // Молодые ученые – практическому здравоохранению. Красноярск, 1994. С. 17.Rossiev D. A. Nejrosetevye samoobuchayushchiesya ekspertnye sistemy v medicine [Neural network self-learning expert systems in medicine]. Molodye uchenye – prakticheskomu zdravoohraneniyu [Young scientists ‒ practical healthcare]. Krasnoyarsk, 1994, p. 17.

The authors declare that there are no conflicts of interest present.