Развитие и применение теории проектирования систем поддержки принятия решений для класса медико-биологических задач тема диссертации и автореферата по ВАК РФ 05.13.01, доктор технических наук Карп, Виктория Павловна

• Карп, Виктория Павловна
• доктор технических наук
• 1999

Оглавление диссертации доктор технических наук Карп, Виктория Павловна

ВВЕДЕНИЕ.

1. Проблемы использования математических методов и вычислительной техники в медико-биологических исследованиях

1.1. Принятие решений и управление в сложно-организованных системах.

1.2. Спектр задач медицины, требующих поддержки принятия решений.

1.3. Постановка задачи классификации.

1.4. Обоснование выбора метода классификации для решения медико-биологических задач.

1.4.1. Вероятностные методы.

1.4.2. Геометрические методы.

1.4.3. Метод перебора конъюнкций симптомов.

1.5. Снижение размерности в задачах классификации.

ВЫВОДЫ РАЗДЕЛА

2. Методы поддержки принятия решений в медико-биологических задачах.

2.1. Методы альтернативной классификации, основанные на переборе конъюнкций.

2.1.1. Основные определения метода перебора конъюнкций.

2.1.2. Постановка задачи классификации методом перебора конъюнкций.

2.1.3. Построение решающих правил классификации.

2.1.4. Оценка качества решающих правил классификации.

2.1.5. Промежуточный контроль для обучающихся алгоритмов

2.2. Модификации метода перебора конъюнкций.

2.2.1. Процедура растрирования.

2.2.2. Модификация переборной схемы.

2.2.3. Принцип «Универсального обучения».

2.2.4. K-ограничение при универсальном обучении.

2.2.5. Принцип «Направленного обучения».

2.2.6. K-ограничение при направленном обучении.

2.2.7. Алгоритм учета корреляций между конъюнкциями решающего набора.

2.3. Методы целенаправленного формирования пространства признаков.

2.3.1. Условно-оптимальное ранжирование непрерывных признаков.

2.3.2. Логическое преобразование признаков. Объединение симптомов.

2.3.3. Построение производных характеристик.

2.3.4. Формирование условно-оптимального пространства признаков.

2.4. Метод структурного анализа групп объектов на заданном пространстве признаков.

2.5. Метод формирования сопоставимых групп объектов.

2.6. Методы анализа биоритмологических процессов при изучении сложно-организованных динамических объектов.

2.6.1. Круг задач хрономедицины, требующих использования математических и вычислительных методов анализа.

2.6.2. Система методических приемов в хрономедицинских исследованиях.

2.6.3. Определение параметров релаксационных колебаний.

2.7. Алгоритм идентификации микроорганизмов как пример принятия решений в ситуации неопределенности.

ВЫВОДЫ РАЗДЕЛА 2.

3. Компьютерная реализация методов поддержки принятия решений, основанных на переборе конъюнкций.

3.1. Организация программно-алгоритмического обеспечения в системах поддержки принятия решений.

3.1.1. Основные требования к системе принятия решений.

3.1.2. Требования к функциональным возможностям системы принятия решений.

3.1.3. Требования к системно-математическому обеспечению МСПР.

3.2. Требования и подходы к стандартизации и унификации клинических исследований.

3.2.1. Планирование и организация клинических наблюдений.

3.2.2. Создание унифицированного машинно-ориентированного документа.

3.3. Архитектура модульной системы поддержки принятия решений

3.3.1. Общие сведения.

3.3.2. Формирование проблемно-ориентированной базы данных.

3.3.3. Модуль построения «производных характеристик» (Process).

3.3.4. Модуль построения «образа динамики» (Grapa).

3.3.5. Модуль ранжирования непрерывных признаков (Histo).

3.3.6. Модуль объединения симптомов (Merge).

3.3.7. Модуль условной оптимизации пространства признаков

OptiZ).

3.3.8. Модуль «Растрирование».

3.3.9. Модуль «Библиотека задания групп объектов».

3.3.10. Задание параметров алгоритмов.

3.3.11. Модуль универсального обучения («Консилиум-УО»).

3.3.12. Модуль направленного обучения(«Консилиум-НО»).

3.3.13. Анализ протокола счета.

3.3.14. Модуль поиска закономерностей в заданных группах (Alost).

3.3.15. Модуль ретроспективной рандомизации (Nord).

ВЫВОДЫ РАЗДЕЛА

4. Практическая реализация методов поддержки принятия решений

4.1. Решение практических медицинских задач.

4.1.1. Альтернативная дифференциальная диагностики онкологических заболеваний легких.

4.1.2. Оптимизация диагностики при узловых образованиях щитовидной железы.

4.1.3. Дифференциальная диагностика воспалительных заболеваний кишечника.

4.1.4. Прогнозирование развития сердечной недостаточности у больных ИБС по данным изучения суточной динамики показателей функции внешнего дыхания.

4.1.5. Оценка влияния сердечных гликозидов в остром периоде инфаркта миокарда на исход заболевания.

4.1.6. Исследование эффективности некоторых вариантов лучевой терапии в плане комбинированного лечения рака молочной железы.

4.1.7. Формулирование показаний к применению органосохраняющих и функционально-щадящих операций при различных формах рака молочной железы.

4.2. Прикладные компьютерные системы поддержки принятия решений в медицине

4.2.1. Система микробиологического мониторинга «Журнал Микробиолога».

4.2.2. Система идентификации микроорганизмов «ГОЕЫТ».

4.2.3. Информационно-поисковая система — справочник по антибактериальным препаратам «Антибак».

4.2.4. Консультационно-диагностическая система дифференциальной рентгенодиагностики «Консилиум-ЯЬ».

4.2.5. Система прогнозирования осложнений при ОИМ «Сандида».

4.2.6. Компьютерная система «Консилиум» в обучающем процессе.

4.3. Использование компьютерных систем поддержки принятия решений в перспективных медико-биологических исследованиях на примере моделирования аутодиагностической системы человека.;.

4.4. Перспективы использования компьютерных технологий в медицинской практике.

ВЫВОДЫ РАЗДЕЛА 4.

Введение диссертации (часть автореферата) на тему «Развитие и применение теории проектирования систем поддержки принятия решений для класса медико-биологических задач»

Актуальность темы. Массовое внедрение вычислительных машин в системы управления, в процессы проектирования и конструирования новых технических средств в различных областях народного хозяйства выдвинуло на первый план исследования по искусственному интеллекту и привело, по сути, к становлению индустрии интеллектуальных систем. В рамках исследований по искусственному интеллекту сформировалось самостоятельное направление - инженерия знаний. В задачу этого направления входят исследования и разработки программ (устройств), использующих знания и процедуры вывода для решения задач, являющихся трудными для людей-экспертов.

Исследования в области инженерии знаний представлено несколькими типами разработок, среди них: «информационно-поисковые системы», «интеллектуальные пакеты прикладных программ», «экспертные системы», системы «извлечения знаний», системы «поддержки принятия решений» и т.д. С точки зрения интеллектуализации ЭВМ глубинных различий между системами этого направления, несмотря на различие их названий, не просматривается. Основная цель этих разработок - внешняя интеллектуализация ЭВМ (Поспелов Г.С. [150]), т.е. проведение фундаментальных и прикладных исследований (на базе существующей архитектуры ЭВМ), обеспечивающих значительное повышение эффективности эксплуатации вычислительной техники в решении проблем в трудно формализуемых областях знаний.

Повышенный интерес к системам инженерии знаний со стороны пользователей объясняется рядом важных обстоятельств. Во-первых, системы инженерии знаний ориентированы на решение широкого круга задач в неформализованных областях приложения, которые до недавнего времени считались малодоступными для вычислительной техники. Во-вторых, использование систем инженерии знаний при решении практических задач позволяет достичь результатов не уступающих, а иногда и превосходящих возможности людей-экспертов, не оснащенных такими системами.

Особую значимость приобретают аналогичные разработки, предназначенные для решения задач, связанных с принятием решений и управлением в сложно-организованных объектах.

Круг проблем, относящихся к сложным задачам принятия решений и управления в сложно-организованных объектах, практически неограничен. В последнее десятилетие, в связи с ужесточением требований к современным технологическим системам (их надежности, эффективности, безопасности, автономности и др.), ведущее место заняла проблема выявления аналогий в принципах управления, существующих между системами различной природы (техническими, биологическими и т.д.).

Подходы, развиваемые в современной теории управления и теории систем, позволяют дать анализ некоторых общих явлений, свойственных таким системам вне зависимости от их природы и особенностей, хотя для каждого класса систем характерны свои специфические черты [104,

141, 142, 146, 180, 205, 231, 258, 259]. В этом смысле, сложные системы управления любой природы представляют интерес и в содержательном, и в алгоритмическом аспекте для изучении условий (структурных и функциональных), что позволит разработать общие подходы к многоуровневым методам оптимизации систем управления различного типа [43, 141,

142, 180]. И в первую очередь, это касается задачи повышения качества функционирования системы принятия решений в ситуации неопределенности.

Задача принятия решений в условиях неопределенности возникает при необходимости действовать в ситуации, известной не полностью. Лицо, принимающее решение, располагает некоторым множеством стратегий и может либо применить определенную стратегию, либо принять решение «по жребию», выбирая стратегию по случайному закону [155]. Первая ситуация характерна для теории статистических решающих функций и теории управления случайными процессами, вторая — для теории игр. Принятие решений в условиях неопределенности включает большое разнообразие постановок задач, конкретизируемых указанием возможных стратегий, возможных последствий применения стратегий, оценкой потерь, связанных с применением выбранной стратегии и др.

Развитие теории проектирования экспертных систем привело к развитию так называемых систем поддержки принятия решений (СППР). До недавнего времени основными подходами к постановке задач принятия решений в условиях неопределенности являлся байесовский метод и принцип максимина, развитый Г.Райфа [155]. В настоящее время наряду с байесовскими методами в таких задачах большое развитие получили эвристические подходы. Основной принцип построения решений подобного класса задач основан на схеме анализа вариантов.

Проектирование СППР рассматривается [47, 74, 150, 151, 181] с двух позиций. С одной стороны, создание аппарата, обеспечивающего качественное формирование правил заключений, а с другой — создание гибкого продукта диалогового взаимодействия пользователя с правилами заключений. При этом, отмечается, что нельзя оставлять без внимания и язык описания предмета исследования, и качество представления решений, в первую очередь, интерпретируемость их с позиций пользователя.

Первый опыт использования таких систем в технических областях [6, 65, 153, 154, 211, 212, 230, 236, 235, 239, 245, 246, 260, 262, 265, 266, 272] подтвердил перспективность такого подхода. Однако попытки непосредственного переноса принципов проектирования систем поддержки принятия решений в условиях неопределенности на класс медико-биологических задач без учета особенностей объектов исследования не привели к ожидаемому результату.

Сопоставление принципов принятия решений в системах живой природы и в технических системах [95, 191, 192, 193, 194, 195, 196, 215, 216] позволило обсудить некоторые положения, которые можно считать общими для всех систем, и те, которые характерны для каждой конкретной системы. Автором (в соавторстве с Чернавским Д.С. и Родштатом И.В.) была предложена идея о разделении двух основных функций (информационной и исполнительной) системы управления, которые выполняются разными структурами — диагностической системой и системой, принимающей решения. В рамках принятого положения система, принимающая решение, опирается, в первую очередь, на результат работы узнающей системы, и, следовательно, качество принятия решения зависит, в основном, от качества функционирования узнающей системы (хотя, не только от нее). Так, в случае неполного или ошибочного узнавания ситуации, система, принимающая решение, либо не мобилизует свои ресурсы, либо расходует их ошибочно. Отсюда, идея оптимизации управления состоит в попытке переноса центра тяжести с увеличения «силовых» ресурсов системы на интеллектуализацию их использования [37, 42, 141, 142, 146, 149, 152, 153, 180, 191, 192, 196]. В первую очередь, это касается повышения эффективности функционирования узнающей системы, спроектированной с учетом особенностей предметной области исследования.

В практике использования различных систем узнавания для решения медико-биологических проблем, в основном касающихся изучения сложно-организованных живых объектов, часто игнорировались те особенности, которые существенным образом отличают их от задач технического характера или от задач распознавания искусственных образов, как, например, геометрических фигур, цифр, букв алфавита и т.п.

Стало очевидным, что существуют, с одной стороны, общие для всех диагностических систем принципы их организации и функционирования, включая стадии накоплнения «опыта» (обучение). С другой стороны, не вызывает сомнения тот факт, что конкретные пути реализации таких систем различны. Причем, эффективность работы каждого типа систем в большой степени зависит от того, какие в нее заложены предпосылки и предположения, определяющие спектр возможностей конкретной узнающей системы, включая ее «пластичность» и «устойчивость», способность «обучаться» и «восстанавливать» рабочий режим при сбоях системы и т.д.

Первой важной особенностью задач медицинской диагностики является то, что классы объектов, которые подлежат распознаванию (заболевания, их нозологические единицы), не являются строго определенными априори и, как правило, задаются методом показа, а порою отнесение к тому или иному классу основывается только на мнении или интуиции квалифицированного специалиста.

Вторая особенность медицинских задач заключается в том, что набор характеристик различаемых объектов (т.е. характеризующих их признаков) существенно ограничен возможностью проведения тех или иных исследований. Если в технике часто, а при распознавании искусственных образов всегда можно ставить вопрос о том, какие характеристики объектов должны быть измерены для увеличения эффективности классификации, то в медицине объем данных, доступных для диагностики, принципиально ограничен, а дополнительные исследования, которые могли бы оказаться информативными, часто являются трудно осуществимыми или даже связанными с опасностью для больного.

Кроме того, требуется иметь в виду, что медицинские данные всегда крайне изменчивы, подвержены влиянию многих сложных взаимодействующих между собой факторов и, как правило, имеют качественный, а иногда и субъективный характер.

Наконец, нельзя не учитывать и того, что все характеристики больного и болезни сильно связаны между собой, и поэтому между признаками, на которые надо опираться при диагностике, всегда существуют значительные корреляции, затрудняющие возможность применения методов, основанных на предположении о статистической независимости признаков.

Таким образом, особенности медицинской диагностики заключаются в том, что классы состояний строго не формализованы, объекты классов заданы, в основном, показом примеров, признаки описания объектов строго не формализованы, недостаточны/или избыточны и зашумлены.

Практически врачу (лицу, принимающему решение) в процессе постановки больному диагноза оказывается необходимым произвести выбор между несколькими альтернативами (т.е. взаимоисключающими диагнозами), причем, часто в условиях неопределенности.

Поэтому несмотря на достигнутые успехи в использовании вычислительной техники в медицине, проектирование систем, ориентированных не на автоматизацию функций лица, принимающего решение, а на предоставление ему помощи в поиске оптимального варианта, представляет собой сложную научную проблему, решение которой имеет важное народохозяйственное значение.

Научная проблема состоит в необходимости систематизировать имеющийся опыт проектирования систем принятия решений, сформулировать основные принципы построения таких систем с учетом специфики медико-биологических задач, дать научное обоснование технических и технологических решений, внедрение которых внесет значительный вклад в теорию и практику проектирования систем принятия решений в условиях неопределенности для класса медико-биологических задач.

Целью исследования является развитие теории и методологии проектирования систем поддержки принятия решений в медико-биологических исследованиях; разработка новых и совершенствование применяемых математических и вычислительных методов информационного обеспечения принятия решений и управления в здравоохранении.

В соответствии с поставленной целью основные этапы и задачи работы определены следующим образом:

1. Сформулировать основные принципы и подходы к проектированию класса СППР, ориентированных на извлечение знаний в медико-биологических исследованиях.

2. Развить математические и вычислительные методы классификации, построенные на методе перебора конъюнкций, с учетом особенностей решения медико-биологических задач (коррелированности исходного пространства признаков и наличия пропущенных данных).

3. Разработать адекватные методы анализа, обеспечивающие повышение качества решения задач альтернативной классификации путем максимально полного использования материала обучения и направленного формирования решающего правила для каждого экзаменуемого объекта.

4. Разработать методы целенаправленного формирования и оптимизации пространства признаков.

5. Разработать математические и вычислительные методы структурного анализа групп объектов на заданном пространстве признаков.

6. Разработать структурные методы прогнозирования состояний сложно-организованных динамических объектов.

7. Разработать метод формирования сопоставимых групп объектов, обеспечивающий корректную оценку сравнительной эффективности методов лечения в клинической практике.

8. Разработать принципы унификации и стандартизации клинических наблюдений, обеспечивающие корректное использование вычислительных методов анализов.

9. Создать технологию проектирования модульных СППР для решения актуальных медицинских задач.

10.Реализовать компьютерную СППР и продемонстрировать конструктивность и эффективность найденных решений на конкретных медицинских задачах.

Методы исследования. В работе использовались методы теории принятия решений, теории множеств и теории алгебры логики, теории распознавания образов и элементы искусственного интеллекта, методы системного анализа и методы анализа иерархий, методы математической статистики и эвристические методы решения задач математического программирования, метод программно-целевого проектирования систем.

Научная новизна исследования определяется развитием теории проектирования систем поддержки принятия решений в направлении построения класса систем, ориентированных на медико-биологические исследования.

Теоретическая значимость

Принципиальный вклад в развитие теории проектирования СППР составляют следующие результаты, выносимые на защиту:

1. Основные принципы и подходы к проектированию класса систем, ориентированных на извлечение знаний в медико-биологических исследованиях.

2. Развитие и совершенствование методов классификации с универсальным обучением, ориентированных на решение медицинских задач.

3. Метод направленного обучения, обеспечивающий повышение качества решения задач альтернативной классификации. Алгоритмы учета корреляций между конъюнкциями решающего набора.

4. Методы целенаправленного формирования и оптимизации пространства признаков, включающие построение производных характеристик, условно-оптимальное ранжирование непрерывных признаков, логическое преобразование признаков и симптомов.

5. Метод структурного анализа групп объектов на заданном пространстве признаков.

6. Методы дифференциальной диагностики схожих по симптоматике заболеваний и прогнозирования состояний сложно-организованных динамических объектов. Методы анализа биоритмологических процессов.

7. Метод ретроспективной рандомизации, моделирующий «слепой отбор» для формирования сопоставимых групп объектов, обеспечивающий корректную оценку сравнительной эффективности методов лечения в клинической практике.

8. Принципы унификации и стандартизации клинических наблюдений, обеспечивающие корректное использование вычислительных методов анализов.

Практическая ценность

1. Разработана технология создания модульных систем математического и программного обеспечения для решения ряда актуальных медицинских задач.

2. Реализована модульная СППР «Консилиум», являющаяся инструментом для извлечения знаний из данных.

3. Разработаны прикладные компьютерные медицинские системы, основанные на выявленных новых знаниях.

4. Разработанные методы анализа и компьютерные системы успешно использованы для решения ряда конкретных медицинских задач, что внесло значительный вклад в здравоохранение.

Достоверность разработанных в диссертации теоретических и прикладных основ проектирования СППР применительно к медико-биологическим задачам подтверждается математическими выкладками, моделированием на ЭВМ, результатами практического использования предложенных методов и программных средств.

Реализация и внедрение результатов. Основные результаты диссертации получены автором при выполнении научно-исследовательских работ, проводившихся в Московском Государственном институте радиотехники, электроники и автоматики (МИРЭА), Научно-исследовательском институте по биологическим испытаниям химических соединений, Московском научно-исследовательском онкологическом институте (МНИОИ) им. П.А. Герцена, Всесоюзном научно-исследовательском институте медицинской информатики, в сотрудничестве с Физическим институтом РАН им. П.Н.Лебедева, Институтом радиотехники и электроники РАН, Московской медицинской академией им. И.М.Сеченова, ЦНИИ Эпидемиологии МЗ РФ и др.

Автор являлась соисполнителем научных работ по Государственной научно-технической программе «Перспективные информационные технологии» (1994-98), Межвузовской научной программы «Университеты России» по разделу «Разработка научно-практических рекомендаций по диагностике и лечению наиболее распространенных заболеваний научно-педагогических работников высшей школы» (1995-96), в настоящее время является соисполнителем работ в рамках научной школы «Математическое моделирование биофизических процессов» (РФФИ Per. №96-1597-782). Автор является членом проблемной комиссии по хронобиологии и хрономедицине РАМН.

В диссертационной работе обобщается опыт проектирования, реализации и внедрения компьютерных СППР, ориентированных на медико-биологические задачи. Созданная автором компьютерная СППР «Консилиум» рекомендована АМН СССР для широко использования в медико-биологических исследованиях (№02-1/11 от 29.03.91) и используется, в частности, в МНИОИ им. П.А.Герцена и поликлинике Медицинского Центра Управления делами Президента РФ.

Разработанные автором прикладные компьютерные программы получили сертификаты качества программного средства, используемого в системе Минздрава РФ: информационно-поисковая система - справочник по антибактериальным препаратам «Антибак» - сертификат № 130 от 25.04.1994, а система микробиологического мониторинга «Журнал Микробиолога» - сертификат №131 от 25.04.1994. Указанные компьютерные системы, а также система идентификации микроорганизмов «IDENT», используются в нескольких десятках медицинских учреждений России и стран СНГ (в частности, ММА им. И.М. Сеченова, ЦНИИ Эпидемиологии МЗ РФ, Тушинская Городская детская больница, ГКБ №1, №15, №23, №40, №64 г. Москвы, ЦИТО, больнице УДП РФ, НИИ акушерства и педиатрии г.Ростов-на-Дону, Больница скорой помощи №1 г.Новосибирск, Областная клиническая больница г.Омск).

Консультационно-диагностическая система дифференциальной рентгенодиагностики «Консилиум-RL» применяется в Государственном медицинском институте пост-дипломного образования г. Санкт-Петербург и в рентгенодиагностическом отделении Московской медицинской академии им. И.М. Сеченова. Система прогнозирования осложнений при остром инфаркте миокарда «Сандида-ОИМ» внедрена в ЦКВГ ФСБ РФ. Компьютерная программа графического представления динамики изменения показателей (GRAPA) была внедрена в практику кафедры биологии Тюменского медицинского института и кафедры гистологии с цитологией I Ленинградского медицинского института им. И.П.Павлова.

Научные и практические результаты, полученные в диссертации, использованы при чтении курсов «Математические и вычислительные методы в медико-биологических исследованиях», «Применение компьютерной системы «Консилиум» для построения решающих правил классификации в задачах медицинской диагностики»; подготовке методических указаний и постановке лабораторных работ на кафедре кибернетики и кафедре математического обеспечения вычислительных систем Московского Государственного института радиотехники, электроники и автоматики (МИРЭА).

Апробация работы

Основные результаты диссертационной работы докладывались и обсуждались на международных и отечественных научных конференциях, конгрессах, съездах, симпозиумах и профильных выставках, в том числе на: III зимней школе по математическому программированию (1970); Всесоюзном симпозиуме по применению кибернетических методов и ЭВМ в диагностике (Ленинград, 1972); II и III Всесоюзных конференциях по биологической и медицинской кибернетике (Ленинград, 1974 и Тбилиси, 1978); II Всероссийском съезде кардиологов (Саратов, 1978); Всесоюзной конференции «Актуальные проблемы оценки фармакологической активности химических соединений» (Ногинск, 1981); Всесоюзной конференция «Адаптация человека к различным географическим, климатическим и производственным условиям» (Новосибирск, 1981); 18 Всесоюзном съезде терапевтов (Ленинград, 1981); Всесоюзной конференции «Хронобиология и хронопатология» (Москва, 1981); 4 Всесоюзном симпозиуме «Центральная регуляция кровообращения» (Тернополь, 1982); Всесоюзном симпозиуме «Применение математических методов и ЭВМ в медикобиологических исследованиях» (Ленинград, 1982); II симпозиуме СССР-ГДР «Хронобиология и хрономедицина» (Тюмень, 1982); Всесоюзной конференции «Использование моделей патологических состояний при поиске биологически активных препаратов» (Москва, 1983); III Научно-технической конференции «Естественные науки на службе здравоохранения» (Новосибирск, 1984); III Всесоюзном съезде гастроэнтерологов (Москва-Ленинград, 1984); Всесоюзном семинаре по математическим и вычислительным методам в биологии (Пущино, 1985); Всесоюзной конференции «Бионика и биомедкибернетика» (Ленинград, 1986); 3 Всесоюзном симпозиуме «Проблемы оценки и прогнозирования функциональных состояний организма в прикладной физиологии» (Фрунзе, 1988); III Всесоюзной конференции по хронобиологии и хроно-медицине (Ташкент, 1990); Международном симпозиуме «Миллиметровые волны нетепловой интенсивности в медицине» (Москва, 1991); Конференции «Интеллектуальные партнерские системы для решения актуальных задач медицины» (Терскол, 1992); Симпозиуме по нейроин-форматике и нейрокомпьютерам (Ростов-на-Дону, 1992); VII World Congress on Medical Informatics «Medinfo-92» (Geneva, 1992); Научной конференции «Вопросы теоретической и прикладной хронобиологии» (Бишкек, 1992); X Международной научной конференции по нейробионике (Ростов-на-Дону, 1992); Международная конференция «Менталитет и проблема мышления» (Берлин, 1993); Международном симпозиуме «Математические теории биологических процессов» (Калининград, 1993); Выставке «Перспективные российские технологии» (Лиллехаммер, 1994); Научно-практическом семинаре «Новые коипьютерные технологии для медицины» (Берлин, 1995); Выставках CEBIT-95, -96 (Ганновер, 1995 и 1996); 4th Scientific Meeting of the European Society of Chemotherapy (Афины, 1996), I Всероссийском конгрессе «Патофизиология органов и систем. Типовые патологические процессы» (Москва, 1996); Выставке SIMO-96 (Мадрид, 1996); Выставке Международной конференции «Новые информационные технологии в медицине и экологии» (IT-ME 96), (Гурзуф, 1996); III, IV, V Российских национальных конгрессах «Человек и лекарство» (Москва, 1996, 1997, 1998); International Conference on Informatics and Control Proceedings (1С1&С"97) (Санкт-Петербург, 1997); Научно-практической Конференции «Достижения науки и техники -развитию города Красноярска» (Красноярск, 1997); Международной конференции «Коммерциализация технологий: Российский и мировой опыт» (Санкт-Петербург, 1997); 7 Всероссийском съезде микробиологов, эпидемиологов и паразитологов (Москва, 1997); I Всероссийской конференции «Информатизация педиатрической науки и практики» (Екатеринбург, 1998); V Международной конференции «Математика. Компьютер. Образование» (Дубна, 1998); III European Workshop on Handwriting analysis and recognition (Брюссель, 1998); Выставке «Экспортные возможности Центра России» (Москва, 1999); Всероссийской научно-технической конференции «Нейроинформатика-99» (Москва, 1999).

Публикации. По теме диссертации опубликовано 98 печатных работ, включая 5 монографий (в соавторстве), 39 статей, 45 тезисов, 7 авторских свидетельств и 2 методические рекомендации.

Структура и объем диссертации. Диссертация состоит из введения, четырех разделов, заключения, списка литературы из 273 наименований и приложений. Общий объем работы включает 298 страниц основного текста, 42 рисунка и 21 таблицу.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Карп, Виктория Павловна

ВЫВОДЫ РАЗДЕЛА 4

1. Приведены результаты практической реализации разработанных автором методов и программных средств.

2. МСПР «Консилиум» была использована для решения ряда медицинских проблем (теоретического и практического плана), таких как: альтернативная дифференциальная диагностика онкологических заболеваний легких; оптимизация диагностики узловых образований щитовидной железы; дифференциальная диагностика воспалительных заболеваний кишечника; дифференциальная диагностика воспалительных процессов брюшной полости; прогнозированием состояния больных острым инфарктом миокарда по данным холтеровского мониторирования; прогнозирование развития сердечной недостаточности у больных ИБС по данным изучения суточной динамики показателей функции внешнего дыхания; оценка влияния сердечных гликозидов в остром периоде инфаркта миокарда на исход заболевания; прогнозирование эффекта курсового лечения больных гипертонической болезнью по результату одноразовой терапевтической дозы; исследование эффективности некоторых вариантов лучевой терапии в плане комбинированного лечения рака молочной железы; формулирование показаний к применению органосохраняющих и функционально-щадящих операций при различных формах рака молочной железы.

3. Дается описание созданных автором проблемно-ориентированных компьютерных систем, основу которых составили «базы знаний», полученные в процессе решения конкретных практических задач: консультационно-диагностическая система «Консилиум-ЛЬ» для дифферен

293 циальной рентгенодиагностики онкологической патологии легких; система прогнозирования осложнений при остром инфаркте миокарда -«Сандида-ОИМ»; информационно-поисковая система - справочник по антибактериальным препаратам «Антибак»; система микробиологического мониторинга «Журнал Микробиолога»; система идентификации микроорганизмов «ЫепЪ) и др.

4. Суммирован опыт использования МСПР в учебном процессе при подготовке специалистов- разработчиков компьютерных систем поддержки принятия решений.

5. Сопоставление принципов управления в технических и биологических системах позволило сформулировать концепцию функции гомео-стаза, позволяющую моделировать ключевые процессы в организме. Сформулирована гипотеза о существовании аутодиагностической системы человека. Есть основания предполагать, что некоторые системные заболевания, в том числе, хронические, являются следствием дефектов в работе аутодиагностической системы.

ЗАКЛЮЧЕНИЕ

В связи с повышением требований к современным технологическим системам (их надежности, эффективности, безопасности, автономности и др.), ведущее место заняла проблема выявления аналогий в принципах управления, существующих между системами различной природы. Подходы, развиваемые в современной теории управления и теории систем принятия решений, позволяют дать анализ некоторых общих явлений, свойственных таким системам вне зависимости от их природы и особенностей, хотя для каждого класса систем характерны свои специфические черты.

Сопоставление систем различной природы (технологических, биологических и др.) позволяет выявить общие принципы их структурной и функциональной организации и разработать общие подходы и методы оптимизации управления в сложно-организованных системах.

Одним из перспективных направлений повышения качества функционирования систем управления может служить использования алгоритмов искусственного интеллекта.

Обсуждаются возможности использования способов иерархической организации управления в биологических системах как основы для создания аналогичных алгоритмов высшего уровня управления в технических системах. Делаются попытки алгоритмически перенести на задачи управления сложными системами принципы гомеостатического управления в живой природе. Идея такого подхода опирается на положение о разделении двух основных функций (информационной и исполнительной) системы управления, которые выполняются разными структурами: диагностической системой и системой, принимающей решения. В рамках этого положения система, принимающая решения, использует результат работы узнающей системы и, следовательно, качество принятия решения зависит, в основном, от качества функционирования узнающей системы.

Диссертационная работа направлена на развитие теории проектирования систем поддержки принятия решений для класса медико-биологических задач, таких как ранняя дифференциальная диагностика схожих по симптоматике заболеваний, прогнозирование течения патологического процесса, оценка, сравнение и выбор наиболее эффективных медицинских методик, подбор индивидуальной терапии и многие другие.

Решение этого круга проблем современной науки до настоящего времени представляет значительные трудности. Это связано, в первую очередь, с основными специфическими особенностями медицинских данных. Сюда относятся и многообразие и сложность форм клинического проявления заболеваний, и трудности в получении представительных выборок для обучения, и обилие «шумов», связанных с индивидуальными особенностями разных людей, и, зачастую, недопустимость выделения контрольной группы, например, для сравнения лечебных (фармакологических или других) воздействий и многое другое.

Попытки непосредственного переноса принципов проектирования технических систем поддержки принятия решений в условиях неопределенности на класс медико-биологических задач без учета перечисленных особенностей не привели к ожидаемому результату.

Поэтому несмотря на достигнутые успехи в использовании вычислительной техники в этом классе задач, развитие теории проектирования систем, ориентированных не на автоматизацию функций лица, принимающего решение, а на предоставление ему помощи в поиске оптимального варианта, представляет собой актуальную научную проблему, решение которой имеет важное народохозяйственное значение.

Научная новизна исследования состоит в развитии теории проектирования систем поддержки принятия решений, ориентированных на медико-биологические исследования. Общим научным вкладом следует считать предложенную совокупность математических методов и вычислительных алгоритмов выявления закономерностей при решении задач в ситуации неопределенности. Сформулированные принципы и подходы к проектированию модульных систем поддержки принятия решений реализованы в компьютерной системе «Консилиум» — инструменте для извлечения знаний в медико-биологических исследованиях. Практическую ценность диссертационной работы составляют прикладные компьютерные системы, успешно используемые для решения ряда конкретных медицинских задач.

В диссертационной работе достигнуты следующие научные результаты:

1. Сформулированы основные принципы и подходы к проектированию систем поддержки принятия решений, ориентированных на извлечение знаний в медико-биологических исследованиях. Выявлены общие структурные и функциональные принципы организации таких систем. Проектирование систем поддержки принятия решений рассматривается в двух аспектах: создание аппарата, обеспечивающего качественное формирование правил заключений, и создание гибкого компьютерного продукта диалогового взаимодействия пользователя с правилами заключений. Сформулированы критерии целесообразности и эффективности компьютерных разработок для здравоохранения.

2. Разработаны математические методы построения решающих правил классификации сложно-организованных объектов, построенные на модифицированной схеме перебора конъюнкций с универсальным обучением. Предложены эвристические приемы, позволившие эффективно использовать ресурсы вычислительной техники.

3. Разработан метод направленного обучения, обеспечивающий повышение качества решения задач альтернативной классификации путем максимально полного использования материала обучения и направленного формирования решающего правила для каждого экзаменуемого объекта. Предложен алгоритм учета корреляций на множестве конъюнкций решающего набора. Показано, что применение принципа направленного обучения более эффективно по сравнению с традиционным подходом универсального обучения.

4. Разработаны методы целенаправленного формирования и оптимизации пространства признаков, включающие построение производных характеристик, условно-оптимальное ранжирование непрерывных признаков, логическое преобразование признаков и симптомов. Перечисленные методы позволяют повысить разрешающую способность методов альтернативной классификации.

5. Разработан математический метод структурного анализа групп объектов на заданном пространстве признаков и вычислительный алгоритм «А1о81» для поиска инвариантных и вариабельных связей признаков в группах объектов, что позволяет оценивать однородность групп объектов и выявлять логические связи признаков в группах.

6. Разработана методика структурного прогнозирования состояний сложно-организованных динамических объектов на множестве неоднородных данных. Предложенные непараметрические методы определения параметров релаксационных колебаний могут быть рекомендованы для анализа биоритмологических процессов.

7. Разработан метод ретроспективной рандомизации, моделирующий «слепой отбор» для формирования сопоставимых групп объектов, обеспечивающий корректную оценку сравнительной эффективности методов лечения в клинической практике.

8. Разработаны принципы унификации и стандартизации клинических наблюдений, обеспечивающие корректное использование вычислительных методов анализов. Предложена концепция унифицированного машинно-ориентированного документа, который обеспечивает унификацию и объективизацию сбора данных и рационализацию процесса формирования проблемно-ориентированной базы данных.

9. Показано, что компьютерные системы поддержки принятия решений целесообразно строить таким образом, чтобы располагать пакетом

298 программ идейно, информационно и технологически согласованных между собой. Это достигается при соблюдении принципов «модульности» и «открытости» организационной структуры системы. Предложена концепция модульных систем принятия решений, отвечающих вышеперечисленным требованиям. Создана технология проектирования модульных СППР для решения актуальных медицинских задач.

10.Реализована компьютерная система «Консилиум», организованная по модульного принципу, для извлечения новых знаний по исследуемой проблеме и поддержки принятия решений (генерация и проверка гипотез, построение решающих правил классификации и прогнозирования, моделирование слепого отбора, структурный анализ групп объектов и др.). Продемонстрирована конструктивность и эффективность найденных решений на конкретных медицинских задачах. Предложены эффективные способы внедрения новых компьютерных технологий в медицинскую практику.

11.Развитые в диссертации методы и подходы имеют практический выход, реализованы в виде действующих программных средств и могут быть рекомендованы для оптимизации управления в системах различного типа.

Список литературы диссертационного исследования доктор технических наук Карп, Виктория Павловна, 1999 год

1. Аверкин А.Н., Батыршин И.З., Блшпун А.Ф., Силов В.Б., Тарасов В.Б. Нечеткие множества в моделях управления и искусственного интеллекта. Под. ред. Д.А. Поспелова. М.:Наука, 1986.-312 с.

2. Айвазян С.А., Бухштабер В.М. Анализ данных, прикладная статистика и построение общей теории автоматической классификации // Методы анализа данных / Пер. с фр. М.: Финансы и статистика, 1985. - Вступ. ст. - С. 5-22.

3. Айвазян С.А., Бухштабер В.М., Енюков И.С., Мешалкин Л.Д. Прикладная статистика: Классификация и снижение размерности. М.: Финансы и статистика, 1989. - 607с.

4. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Исследование зависимостей. М.: Финансы и статистика, 1985. - 488 с.

5. Айвазян С.А., Енюков И.С., Мешалкин Л.Д. Прикладная статистика. Основы моделирования и первичная обработка данных. -М.: Финансы и статистика, 1983. 472 с.

6. Айзерман М.А., Браверман Э.М., Розоноэр Л.И. Метод потенциальных функций в теории обучения машин. М.: Наука, 1970. - 384 с.

7. Алгоритмы и программы восстановления зависимостей / Под ред. В.Н. Вапника. М.: Наука, 1984. - 816 с.

8. Александров В.В., Горский Н.Д. Алгоритмы и программы структурного метода обработки данных. Л.: Наука, - 1983, - 208с.

9. Александров Е. А. Основы теории эвристических решений. Подход к изучению естественного и построению искусственного интеллекта. М.: Радио и связь, 1975.

10. Алпатов A.M., Климовицкий В.Я. Расщепление циркадианного ритма температуры тела у обезьян в условиях антиортостатической гипокинезии // Космич. биология и авиакосмич. медицина. 1986. - 20. - 5. - С. 37-41.

11. Алякринский Б.С. Биологические ритмы и организация жизни человека в космосе. М.: Наука, 1983. - 284 с.

12. Ашкинузе В.Г., Кацева В.П., Карп В.П., Левинская М.М. Некоторые принципы составления машинноориентированной медицинской карты: Сб. науч. тр. П1 Всесоюзной конференции по биологической и медицинской кибернетике. -Тбилиси, 1978. т. 4. - с. 51-55.

13. Багдасарян P.A. Частотно-индивидуальный косинор-анализ. Частота биоритмов критерий раннего выявления патологии. Методические рекомендации. -Ереван, 1980 - 28 с.

14. Балантер Б. И., Ханин М.А., Чернавский Д.С. Введение в математическое моделирование патологических процессов. М.: Медицина, 1980. - 268 с.

15. Беляева Н.Е., Ризниченко Г.Ю. Электронная обучающая среда (ЭОС) «Математическое моделирование в биологии»: процессы и потоки: Тез. докл. V Межд. Конф. «Математика. Компьютер. Образование». М., 1998, с.27

16. Бецкий О.В. Механизмы биологических эффектов взаимодействия ММ-волн с живыми организмами: Тез. докл. конф. «Миллиметровые волны нетепловой интенсивности в медицине».- 1991. т. 3. - с. 521.

17. Бишоп Б. Колебания. М.: Наука, 1986. - 192 с.

18. Бонгард М.М. Проблемы узнавания. М.: Наука, 1967. - 320 с.

19. Браверман Э.М., Мучник И.Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. - 464 с.

20. Брудно А.Л. Грани и оценки для сокращения перебора вариантов // Проблемы кибернетики- 1963.-вып. 10,-с.141 150.

21. Бухштабер В.М., Маслов В.К., Зеленюк Е.А. Методы анализа и построение алгоритмов автоматической классификации на основе математических моделей // Прикладная статистика: Ученые записки по статистике. М.: Наука, 1983. - т. 45. - с. 126-144.

22. Вайнцвайг М.Н. Алгоритм обучения распознаванию образов «Кора» // Алгоритмы обучения распознаванию образов. М.: Сов. радио, 1973. - С. 8-12.

23. Вайсбурд И.Ф. Способ оценки изменений биоритмологической структуры физиологических функций человека // Космич. биология и авиакосмич. медицина. 1988. - т. 22. - №1. - с. 71-73.

24. Вапник В.Н., Червоненкис А.Я. Теория распознавания образов. М.: Наука, 1973.-416с.

25. Васильев В.И. Распознающие системы,- Киев: Наукова думка, 1983.- 422 с.

26. Владимирский Б.М. Математические методы в биологии. Ростов: изд-во Рост, ун-та, - 1983, - 304 с.

27. Волынский Ю.Д. Информатика и медицина // Вестник Всесоюзного общества информатики и вычислительной техники Москва, 1991. - вып. 1. - С. 3-7.

28. Волынский Ю.Д., Курочкина А.И. Анализ данных как инструмент формирования баз знаний для медицинских консультационных и экспертных систем // Вестник Всесоюзного общества информатики и вычислительной техники. -Москва, 1991. вып.1. - с. 41-46.

29. Воронин Ю.А. Теория классифицирования и ее приложения. Новосибирск: Наука, 1985.-232 с.

30. Гаспарян С.А. О приоритете здоровья матери и ребенка в системе охраны здоровья популяции: Сб. Информатизация педиатрической науки и практики-Екатеринбург-Москва, 1998.-е. 51-55.

31. Гельфанд И.М., Старкова М.Н., Сыркин A.J1. Классификация больных и прогноз осложнений при инфаркте миокарда // АН СССР: Научный совет по комплексной проблеме «Кибернетика». Москва, 1982.

32. Глушков В.М., Иванов В.В., Яненко В.М. Моделирование развивающихся систем-М.: Наука, 1983.

33. Гольдберг С.И., Маханек А.О., Новиков И.Д. Диспетчерско-консультативные экспертные системы. Основные свойство и пример реализации // Вестник Всесоюзного общества информатики и вычислительной техники. Москва 1991. -вып.1. - с. 46-52.

34. Гомеостатика живых, технических, социальных и экологических систем /Отв. ред. Ю.М.Горский.- Новосибирск: Наука, 1990- 350 с.

35. Гринченко С.Н., Загускин С.Л. Механизмы живой клетки: алгоритмическая модель. М.: Наука, 1989. - 232 с.

36. Губерман Ш.А. Неформальный анализ данных в геологии и геофизике. М., 1991.

37. Гублер Е.В. Вычислительные методы анализа и распознавания патологических процессов. Л.: Медицина, 1978.- 296 с.

38. Девятков Н.Д., Голант М.Б., Бецкий О.В. Миллиметровые волны и их роль в процессах жизнедеятельности. М.: Радио и связь, 1991. - 168 с.

39. Джонсон Н., Лион Ф. Статистика и планирование эксперимента в технике и науке. Методы обработки данных. М.: Мир, - 1980, - 616с.

40. Дмитриева Н.В., Карп В.П., Фарбер М.Ф. Изучение эффекта действия некоторых препаратов рецепторного типа с использованием методов принятия решений: Тез. докл. Всесоюзной конференции «Бионика и биомедкибернетика». Ленинград, 1986. - ч. 5. - с. 61-62.

41. Дракин В.И., Попов Э.В., Преображенский А.Б. Общение конечных пользователей с системами обработки данных. М.: Радио и связь, 1988 - 288с.

42. Дэйвисон М. Многомерное шкалирование: Методы наглядного представления данных/ Пер с англ. М.: Финансы и статистика, 1988. - 254с.

43. Евсюков К.Н., Колин К.К. Основы проектирования информационно-вычислительных систем М.:Статистика, 1977 - 214 с.

44. Евтихиев H.H., Карп В.П., Пудова Н.В. Интеллектуальные системы поддержки принятия решений для оптимизации управления в сложноорганизованных динамических объектах // Приборы и системы управления. № 3. - 1997. - с. 35-40.

45. Евтихиев H.H., Карп В.П., Пудова Н.В., Артемьева O.A., Комаров Ф.И., Рапопорт С.И. Алгоритм построения многоуровневой диагностической системы для оценки и прогнозирования состояния сложных динамических объектов: Сб. науч. тр. МИРЭА. М., 1998. — с. 6-12

46. Елисеева И.И., Рукавишников В.О. Группировка, корреляция, распознавание образов: Статистические методы классификации и измерения связей. М.: Статистика, 1977. - 143с.

47. Емельянов И.П. Формы колебаний в биоритмологии. Новосибирск: Наука, 1976. - 127 с.

48. Енюков И.С. Дискриминантный анализ в системе математического обеспечения обработки данных / Статистика. Вероятность. Экономика. М.: Наука, 1985. - с. 39-58.

49. Енюков И.С. Методы оцифровки неколичественных признаков // Алгоритмическое и программное обеспечение прикладного статистического анализа: Ученые записки по статистике. М.: Наука, 1980. - т. 36. - с. 309-316.

50. Енюков И.С. Методы, алгоритмы, программы многомерного статистического анализа: пакет ППСА. М.: Финансы и статистика, 1986. - 232с.

51. Жамбю М. Иерархический кластер-анализ и соответствия: Пер. с фр- М.: Финансы и статистика, 1988. 342с.

52. Журавлев Ю.И., Дмитриев А.Н., Кренделев Ф.Н. О математических принципах классификации предметов и явлений В кн.: Дискретный анализ - №7, Новосибирск: ИМ СО АН СССР, 1966.

53. Журавлев Ю.И. Об алгебраическом подходе к решению задач распознавания или классификации // Проблемы кибернетики 1978 - вып. 33.- с.5-68.

54. Загускин С.Л. Биоритмы: энергетика и управление // Препринт ИОФАН -, 1986.-N236.-56 с.

55. Заде Л.Л. Размытые множества и их применение в распознавании образов и кластер-анализе // Классификация и кластер / Пер. с англ. М.: Мир, 1980. -С. 208-247.

56. Заславская P.M., Левинская М.М., Казарян А.Б., Кацева В.П., Карп В.П.,

57. Иберла К. Факторный анализ. М.: Статистика, 1980. - 398с.

58. Ивашко В.Г., Финн В.К. Экспертные системы и некоторые проблемы их интеллектуализации // Семиотика и информатика- М.: ВИНИТИ, 1986-№27.- с. 25-61.

59. Карп В.П. Алгоритмизация машинно-математического решения хронобиоло-гических проблем: Тез. докл. научной конференции «Вопросы теоретической и прикладной хронобиологии», Бишкек, 1992. с. 47-48

60. Карп В.П. Комплексный подход к выявлению закономерностей, отличающих колебательные процессы в различных группах состояний: Тез. докл. III Всесоюзной конференции по хронобиологии и хрономедицине. Ташкент, 1990. - с. 162-163.

61. Карп В.П. Компьютерная программа для рентгенодиагностики онкологических заболеваний легких (Консилиум- RL). Всероссийский фонд алгоритмов и программ (РосАПО), М., 1994. - № 940207. - 29 с.

62. Карп В.П. Математические и вычислительные методы в медико-биологических исследованиях. Методические рекомендации, МИРЭА, 1997. 24 с.

63. Карп В.П. Метод ретроспективной рандомизации в проблеме сравнения эффективности различных методов лечения: Тез. докл. V Российского национального конгресса «Человек и лекарство». М., 1998. - с. 492.

64. Карп В.П. Моделирование слепого отбора при оценке сравнительной эффективности методов лечения в клинической практике // Вестник АМН СССР. -Москва, 1988. № 4. - с. 90-96.

65. Карп В.П. Модульная система МСПР в рентгенодиагностике онкологических заболеваний легких: Сб. науч. тр. «Экспертные системы и экспертная оценка в лучевой диагностике». Самара, 1991. - с. 10-12.

66. Карп В.П. О принципах построения компьютерных систем поддержки принятия решений в медицине: Сб. науч. тр. «Новые информационные технологии в медицине и экологии» (IT-ME 96), 1996, Украина, Гурзуф. с. 17-20.

67. Карп В.П. Применение компьютерной системы «Консилиум» для построения решающих правил классификации в задачах медицинской диагностики. Методические рекомендации, МИРЭА, 1997. 16 с.

68. Карп В.П. Программа для ЭВМ для построения решающих правил классификации (Консилиум-1). Всероссийский фонд алгоритмов и программ (РосАПО), М„ 1994. - № 940206. - 28 с.

69. Карп В.П. Технология разработки модульной системы математического обеспечения принятия решений в медицине // Вестник ВОИВТ. Москва, 1991 -вып. 1-е. 73-81.

70. Карп В.П. Требования к математическому анализу данных хронобиологичес-ких исследований: Сб. науч. тр. «Проблемы хронобиологии, хронопатологии, хронофармакологии и хрономедицины». Уфа, 1985. - т. 1. - с. 33-34.

71. Карп В.П. Формирование рынка медицинских компьютерных технологий с использованием «Show-room»: Сб. тр. международной конференции «Коммерциализация технологий: Российский и мировой опыт».- С-Пб., 1997. с. 55-59.

72. Карп В.П., Катинас Г.С. Вычислительные методы анализа в хронобиологии и хрономедицине. С-Пб., 1997. - 116 с.

73. Карп В.П., Катинас Г.С. Математические методы исследования биологических ритмов. Руководство по хронобиологии. Москва, 1988. - с. 1-25.

74. Карп В.П., Катинас Г.С. Проблемы использования математических методов в хронобиологии и хрономедицине // Проблемы хронобиологии и хрономедицины. Ереван, 1990. - № 1. - с. 27-38.

75. Карп В.П., Лукин И.Н., Скала Л.З., Нехорошева А.Г. База данных химиотера-певтических средств Всероссийский фонд алгоритмов и программ (РосАПО), М., 1994. - № 940020. - 26 с.

76. Карп В.П., Минаева E.H. Программа графического представления динамики показателей (GRAPA) // Отраслевой фонд алгоритмов и программ (ОФАП). -№ регистрации 589.1897540.00920. Москва, 1988. - 26 с.

77. Карп В.П., Москаленко Л.И. Пакет программ для поиска логических закономерностей в выделенных группах // Гос. фонд алгоритмов и программ. № Гос. регистрации 50.88.0000132. - Москва, 1987. - 101 с.

78. Карп В.П., Никитин А.П., Родштат И.В., Чернавский Д.С. Моделирование аутодиагностической системы человека с позиций нейрокомпьютинга: Сб. науч. тр. Всероссийской научно-технической конференции «Нейроинформа-тика-99»-Москва-1999-ч. 1., с. 192-198

79. Карп В.П., Никитин А.П., Скала Л.З. Система комплексного санитарно-эпидемиологического и микробиологического мониторинга: Тез. докл. научно-практической Конференции «Достижения науки и техники развитию города Красноярска», - Красноярск, 1997 - с. 201

80. Карп В.П., Скала Л.З. Мониторинг микробиологического пейзажа для выбора рациональной антибактериальной терапии. ГЦНМБ. - Москва, 1994. - № Д-24416.-26 с.

81. Карп В.П., Скала Л.З., Нехорошева А.Г. Компьютерная программа «Журнал микробиолога». Всероссийский фонд алгоритмов и программ (РосАПО), М., 1994.-№940020.-38 с.

82. Карп В.П., Скала Л.З., Нехорошева А.Г., Лукин И.Н., Седова Т.Н. Рациональный выбор антибактериальных препаратов // Клинический вестник. Москва, 1996.-№4.-с.34-35

83. Карп В.П., Скала Л.З., Нехорошева А.Г., Никитин А.П. Компьютерная программа для идентификации микроорганизмов по показателям их биохимической активности (M-IDENT). Всероссийский фонд алгоритмов и программ (РосАПО) № 960550, М., 1996. - 26 с.

84. Карп В.П., Скала Л.З., Нехорошева А.Г., Никитин А.П., Седова Т.Н. Современная клиническая микробиологическая служба в проблеме выбора рациональной антибактериальной терапии. // Клинический вестник. Москва, 1996. -№4. - с.35-36

85. Карп В.П., Скала JI.3., Никитин А.П., Нехорошева А.Г. Компьютерная система мониторинга внутриклинической эпидемиологической обстановки: Сб. науч. тр. «Новые информационные технологии в медицине и экологии» (IT-ME 96), 1996, Украина, Гурзуф. с. 85-86.

86. Кендалл М., Стьюарт А. Многомерный статистический анализ и временные ряды. М.: Наука, 1976. - 736с.

87. Кнорринг В.Г., Кнорринг Л.Н., Мартынов В.А., Сальников В.Ю. Функциональные возможности автоматизированных комплексов для биологических и медицинских исследований// Приборы и системы управления 1995. - №6. -с. 24-26.

88. Кобринский Б.А. Концепция единого информационного медицинского пространства: Новые технология интеграции данных о состоянии здоровья // Вестник РАМН.- 1994.-№1.- с. 53-56.

89. Комаров Ф.И. Хронобиология и хрономедицина.- М.: Медицина, 1989 с. 34.

90. Компьютерная биометрика /под ред. В.Н.Носова. МГУ. - 1990. - 232с.

91. Крейнес М.Г. Компьютерные моделирующие системы представления знаний для врача и больного // Вестник Всесоюзного общества информатики и вычислительной техники М., 1991. - вып.1. - с. 52-63.

92. Кунин П.Е., Бояджан В.А., Карп В.П. Выделение сопоставимых групп для сравнения эффективности методов лечения: Сб. науч. тр. II Всесоюзной конференции по биологической и медицинской кибернетике. 1974. - с. 117-121.

93. Кунин П.Е., Карп В.П. Метод направленного обучения в переборной схеме Бонгарда и онкологическая диагностика. Моделирование обучения и поведения. М.: Наука, 1975. - с.3-6.

94. Кунин П.Е., Карп В.П. Метод направленного обучения в проблеме узнавания: Сб. Автоматизация, организация, диагностика. М.: Наука, 1971. - с.333-339.

95. Кунин П.Е., Карп В.П. Метод ретроспективной рандомизации для выбора сопоставимых групп. Описание и распознавание объектов в системах искусственного интеллекта. М.: Наука, 1980. - с.85-88.

96. Кунин П.Е., Карп В.П., Марморштейн С.Я. Метод направленного обучения в медицинской альтернативной диагностике: Сб. науч. тр. III зимней школы по математическому программированию. 1970. - с. 348-356.

97. Кунин П.Е., Карп В.П. О построении решающего правила при решении задач альтернативной диагностики методом перебора конъюнкций с направленным обучением: Сб. Автоматизация, организация, диагностика. М.: Наука, 1971. -с.339-344.

98. Ларченко И.А. Оптимизация диагностики и врачебная тактика при узловых образованиях щитовидной железы. Автореферат докторской диссертации. М,- 1999.

99. Ларченко И.А., Карп В.П., Седова Т.Н. Диагностика и медикаментозное лечение узловых образований щитовидной железы: Тез. докл. V Российскогонационального конгресса «Человек и лекарство». М., 1998. - с. 117.

100. Ларченко И.А., Карп В.П., Седова Т.Н. Оптимизация диагностики и медикаментозного лечения узловых образований щитовидной железы: Тез. докл. IV Российского национального конгресса «Человек и лекарство». М., 1997. - с. 167.

101. Лбов Г.С. Методы обработки разнотипных экспериментальных данных. -Новосибирск: Наука, 1981. 160 с.

102. Левит В.Е., Переверзев-Орлов B.C. Структура и поле данных при распознавании образов М.: Наука, 1984. - 120 с.

103. Леман ЭЛ. Проверка статистических гипотез. М.: Наука, - 1979, - 408 с.

104. Леонов В.П., Ижевский П.В. Применение статистики в статьях и диссертациях по медицине и биологии. Часть 1. Описание методов статистического анализа в статьях и диссертациях // Международный журнал медицинской практики 1998 - № 4 - с.7-12.

105. Лисенков А.Н. Математические методы планирования многофакторных медико-биологических экспериментов М.: Медицина, 1979.- 344 с.

106. Лорьер Ж.-Л. Системы искусственного интеллекта М.: Мир, 1991- 568 с.

107. Мандель И.Д. Кластерный анализ. М.: Финансы и статистика, 1988. - 176с.

108. Маркова Е.В., Маслак A.A. Рандомизация и статистический вывод. М.: Финансы и статистика, 1986. - 208 с.

109. Методы анализа данных: Подход, основанный на методе динамических сгущений: Пер. с фр./Кол. Авт. Под рук. Э.Дидэ; Под ред. С.А. Айвазяна и В.М. Бухштабера. М.: Финансы и статистика, 1985. - 357с.

110. Мешалкин Л.Д., Тарасов В.В., Эльчиян P.A. Современная концепция информационной системы лечебного учреждения // Вестник Всесоюзного общества информатики и вычислительной техники.- М., 1991. вып. 1. - с. 8-12.

111. Мусин М.М., Журбенко И.Г., Бреус Т.К. Комплексный математический подход к исследованию квазипериодических процессов в хронобиологии и геофизике.- М.: ИКИАН, 1985,- 72 с.

112. Мэйндоналд Дж. Вычислительные алгоритмы в прикладной статистике. Пер. с англ.- М.: Финансы и статистика, 1988. 350с.

113. Назаров В.А., Сычев В.А., Чернышов М.К. Вычислительная ритмография -подход к анализу иерархии управления в организме: Тез. докл. 4 симпозиума по применению математических методов и ЭВМ в медико-биологических исследованиях. М., 1985. - с. 80 -82.

114. Новосельцев В.Н. Анализ целей управления в технологических системах и в системах естественной технологии: Технологические системы и управление в организме: общие принципы и аналогии. Сборник трудов ИПУ- М., 1996-№3-с. 5-14.

115. Новосельцев В.Н. Моделирование естественных технологий организма для исследования процессов управления его жизнедеятельностью // Автоматика и телемеханика 1992 - №12 - с.96-105.

116. Орлов А. И. О современных проблемах внедрения прикладной статистики и других статистических методов// Заводская лаборатория.- 1992.- №1. с.67-74

117. Пак Д.Д. Органосохраняющие, функционально-щадящие и реконструктивно-пластические операции при комбинированном лечении больных раком молочной железы. Автореферат докторской диссертации.- М.,1998.

118. Патрик Э. Основы теории распознавания образов: Пер с англ./ Под ред. Б.Р.Левина. -М.: Сов. Радио, 1980. -408с.

119. Переверзев-Орлов B.C. Советчик специалиста.Опыт разработки партнерской системы. М., Наука, 1990.

120. Показеева З.Т., Заславская P.M., Левинская М.М., Карп В.П. Методические подходы к комплексной оценке эффективности лечения сердечными гликози-дами больных в остром периоде инфаркта миокарда // Советская медицина. -№ 2. 1982. - с. 86-94.

121. Поляк Б.Т. Введение в оптимизацию М.: Наука, 1983 - 384 с.

122. Поспелов Г.С. Искусственный интеллект- основа новой информационной технологии. М.: Наука, 1988.

123. Поспелов Г.С., Поспелов Д.А. Искусственный интеллект- прикладные системы. М.: Знание 1985.-48 с.

124. Поспелов Д. А. История искусственного интеллекта до середины 80-х годов // Новости искусственного интеллекта.- 1994.- №4.- с.74 95.

125. Поспелов Д.А. Новые информационные технологии это те ключи, которые откроют нам путь в новое общество // Новости искусственного интеллекта.-1994,-№2.- с.57-76.

126. Поспелов Д.А. Ситуационное управление. Теория и практика- М.: Наука, 1986.

127. РайфаГ. Анализ решений. М.: Наука, 1977.-408 с.

128. Распознавание образов и медицинская диагностика./Под ред. Ю.И.Неймарка. М.: Наука. - 1972. - 328 с.

129. Растригин Л.А., Эренштейн Р.Х. Метод коллективного распознавания. М.: Энергоиздат, 1981. - с. 1-78.

130. Раудис Ш. Ограниченность выборки в задачах классификации // Статистические проблемы управления. Вильнюс. - 1976. - № 8. - с. 6-185.

131. Раушенбах Г.В. Проблемы измерения близости в задачах анализа данных // Программно-алгоритмическое обеспечение анализа данных в медико-биологических исследованиях. М.: Наука, 1987. - С. 41-54.

132. Розова С.С. Классификационная проблема в современной науке. -Новосибирск: Наука, 1986 224 с.

133. Романов Ю.А. Теория биологических систем и проблема их временной организации // Проблемы хронобиологии. Ереван, 1990. - № 3-4. - С. 105-123.

134. Романовский Ю.М., Степанова Н.В., Чернавский Д.С. Математическая биофизика. М.: Наука, 1984. - 304 с.

135. Свирежев Ю.М. О математических моделях биологических сообществ и связанных с ними задачах управления и оптимизации,- В кн.: Математическое моделирование в биологии./ Под. ред. A.M. Молчанова М.: Наука, 1975,- с. 30-52.

136. Сергиевская А.Л., Лосев С.А., Ковач Э.А. Компьютерная поддержка обучения моделированию и исследованию физико-химических процессов. Тез. докл. УКонф. «Математика. Компьютер. Образование».-М., 1998.-с. 181

137. Сердобольский В.И. Дискриминантный анализ при большом числе переменных // Доклады АН СССР. 1980. - т.254. - № 1. - с. 39-44.

138. Симонян К.С., Гальперин Ю.М., Баринов В.Г., Карп В.П. Критерии тяжести метаболических расстройств при раке и роль парентерального и энтерального питания в их коррекции // Вестник АМН СССР. М.: Медицина. - № 2. -1980. - с. 50-54.

139. Скала Л.З., Карп В.П., Нехорошева А.Г., Лукин И.Н. Компьютерный справочник химиотерапевтических средств: Тез. докл. III Российского национального конгресса. «Человек и лекарство». Москва, 1996. - с 308.

140. Скала Л.З., Карп В.П., Нехорошева А.Г., Поликарпова C.B., Никитин А.П. Мониторинг возбудителей бактериальных инфекций и их антибиотикочувстви-тельности: Тез. докл. III Российского национального конгресса «Человек и лекарство». Москва, 1996. - с 206.

141. Скала Л.З., Сидоренко C.B., Нехорошева А.Г., Резван С.П., Карп В.П. Практические аспекты современной клинической микробиологии. М., Лабинформ, 1997. - 124 с.

142. Смоляк С.А., Титаренко Б.П. Устойчивые методы оценивания: Статистическая обработка неоднородных совокупностей. М.: Статистика, 1980 - 208 с.

143. Сыркин А.Л. Инфаркт миокарда. М., Медицина, 1991.

144. Тейблюм М.М., Карп В.П. К вопросу о выделении типов ритмов в хронобиологии: Тез. докл. Всесоюзной конференции «Хронобиология и хронопатология». -Москва, 1981.-с. 120-121.

145. Тейблюм М.М., Левинская М.М., Карп В.П. О новом подходе к методу ретроспективной рандомизации: Тез. докл. Всесоюзной конференции «Использование моделей патологических состояний при поиске биологически активных препаратов». Москва, 1983. - с. 113-114

146. Тейблюм М.М., Суслов М.Г., Заславская P.M., Карп В.П. К анализу соотносительной роли генетической и внешнесредовой компонент в формировании суточного ритма показателей гемодинамики // Кровообращение.- № 3. 1983. - с. 60-68.

147. Ту Дж., Гонсалес Р. Принципы распознавания образов М.:Мир, 1978 - 416с.

148. Уголев A.M. Естественные технологии биологических систем- Л.: Наука, 1987-318 с.

149. Уотерман Д. Руководство по экспертным системам М.: Мир, 1989 - 388 с.

150. Фарбер М.Ф., Карп В.П., Дмитриева Н.В. Принятие решений, основанных на МПК, в задаче изучения фармакологического действия лекарств рецепторного типа // Вычислительная математика и математическая физика АН СССР. № 11.- 1988.-с. 1744-1747.

151. Фарбер М.Ф., Карп В.П., Полонский В.И. Разработка модульной системыпрограмм в проблеме оценки эффективности лекарственных средств: Тез. докл. Всесоюзного семинара по математическим и вычислительным методам в биологии. Пущино, 1985. - с. 194-196.

152. Фомин C.B., Беркинблит М.Б. Математические проблемы в биологии. М.: Наука, - 1973, - 199 с.

153. Фомин Я.А., Тарловский Г.Р. Статистическая теория распознавания образов. М.: Радио и связь, 1986. - 264с.

154. Форсайт Р. Экспертные системы. Принципы работы и примеры М.: Радио и связь,- 1987 - 224 с.

155. Фукунага К. Введение в статистическую теорию распознавания образов / Пер. с англ. М.: Наука, 1979. - 367 с.

156. Хай Г.А. Системный подход к формализации представлений о мире: Тез. докл. Всесоюз. конф. «Проблемы разработки и внедрения экспертных систем»,- М., 1989. с. 29-30

157. Холлендер М., Вулф Д. Непараметрические методы статистики. /Пер. с англ. Д.С.Шмерлинга. М.: Финансы и статистика, - 1983, - 518 с.

158. Чернавский Д.С., Карп В.П., Родштат И.В. Аутодиагностическая система человека и концепция гомеостаза: Сб. науч. тр. «Новые информационные технологии в медицине и экологии» (IT-ME 96), 1996, Украина, Гурзуф. с. 55-57.

159. Чернавский Д.С., Карп В.П., Родштат И.В. Возможный механизм КВЧ воздействия, основанный на нейрофизиологических процессах: Сб. науч. тр. Международного симпозиума «Миллиметровые волны нетепловой интенсивности в медицине». Москва, 1991.-е. 554-559.

160. Чернавский Д.С., Карп В.П., Родштат И.В. Нейрохимия спинальной регуляции и нейрокомпыотинг // Вестник новых медицинских технологий. 1996. — т.Ш. — №4. — с. 67-73

161. Чернавский Д.С., Карп В.П., Родштат И.В. О нейрофизиологическом механизме КВЧ-пунктурной терапии. Препринт ФИ АН. Москва, 1991. - 50 с.

162. Чернавский Д.С., Карп В.П., Родштат И.В. О нейрофизиологическом механизме пунктурной терапии: Тез. докл. X международной научной конференциипо нейробионике. Ростов-на Дону, 1992. - с. 176-177.

163. Чернавский Д.С., Карп В.П., Родштат И.В. Об аутодиагностической системе человека и ее роли при пунктурной КВЧ-терапии (Пластины Рекседа как диагностический нейропроцессор) // Радиофизика. Н. Новгород, 1994. - том ХХХУП. - № 1.-с. 57-78.

164. Чернавский Д.С., Фарбер М.Ф., Карп В.П., Дмитриева Н.В. Моделирование эффекта действия препаратов рецепторного типа на основе методов принятия решений (часть 1): Межвузовский сб. трудов «Математическая физика». -1989. с. 1-9.

165. Шеннон К.Э. Работы по теории информации и кибернетике.- М.- 1963.

166. Шорников Б. С. Классификация и диагностика в биологическом эксперименте. М.: Наука, 1979.

167. Шрейдер Ю. А. Систематика, типология, классификация: Теория и методология биологических классификаций. М.: Наука, 1983.- С. 90-100.

168. Шурыгин A.M. Пути улучшения линейной дискриминации в нормальном случае: Статистика, вероятность, экономика. М.: Наука, 1985- С. 379-382.

169. Эфрон Б. Нетрадиционные методы многомерного статистического анализа: Сб. статей: Пер. с англ./ Предисловие Ю.П.Адлера, Ю.В.Кошевника. М.: Финансы и статистика, 1988. - 263с.

170. Яхно В.П., Новосельцев В.Н., Бахур А.Б. Моделирование приоритетных способов иерархической интеграции сложных систем: Технологические системы и управление в организме: общие принципы и аналогии. Сборник трудов ИПУ М., 1996 - №3- с. 30-39.

171. Ackerman M., Ball M., Clayton P. D., Frisse M. E., Gardner R. M et al. Standards for medical identifiers, codes and messages needed to create an efficient computerstored medical record // JAMIA- 1994 v. 1- p. 1-7

172. Antman E., Lau J., Kupelnick B., Mosteller F., Chalmers T. A comparison of the results of meta-analysis of randomised controlled trials and recommendations of clinical experts// JAMA.- 1992 v.268.- p.240-248

173. Bailey K.R. Generalizing the results of randomized clinical trials // Controlled Clinical Trials.- 1994,- v. 15.- p. 15-23

174. Barnett G.O., Cimino J.J., Huppa J.A. et al. Dxplain: an evolving diagnostic decision-support system // JAMA 1987 - v.258- p.69-76

175. Benn D.K., Dankel D.D., Clark D., Lesser R.B., Bridgwater A.B. Standardizing data collection and decision making with an expert system // J Dent Educ 1997-v.61.- No. 11- p.885-894

176. Bezdek J.C., Pal S.K. Fuzzy models for pattern recognition IEEE Press, New York, 1992

177. Bradley E., Easley M. Reasoning about sensor data for automated system identification // Intelligent Data Analysis 1998 - v.2- No.2

178. Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and regression trees Wadsworth International Group, 1984.

179. Bruning J, Becker R, Entezami M, Loy V, Vohk R, Weitzel H, Tolxdorff T Knowledge-based system ADNEXPERT to assist the sonographic diagnosis of adnexal tumors. Methods Inf Med 1997 v.36.-No.3.-p.201-206

180. Chernavski D.S., Karp V.P., Rodstat I.V. On neurophisiological mechanism of EHF-punctural therapy: Biological Aspects of Low Intensity Millimeter Waves/ Edited by Academican N.D. Devyatkov. Moscow, 1994. - p. 164 207.

181. Chernavski D.S., Karp V.P., Rodstat I.V. On neurophysiological mechanism of the punctural therapy: Symposium on Neuroinformatics and Neurocomputers. Rostov-on-Don, 1992. - p. 635-637.

182. Coiera E. Intelligent monitoring and control of dynamic physiological systems // Artificial Intelligence in Medicine 1993.- v.5 - p. 1-8

183. Coiera E. Medical Informatics//BMJ 1995.-v.310.-p. 1381-1387

184. Compton P., Edwards G., Kang B., Lazarus L., Malor R. et al. Ripple down rules: Turning knowledge acquisition into knowledge maintenance // Artificial Intelligence in Medicine. 1992- v.4.-p.463-475

185. Dash M., Liu H. Feature selection for classification // Intelligent Data Analysis-1997.- v.l- No.3

186. Detrano R. et al. The diagnostic accuracy of the exercise electrocardiogramm: a meta-analysis of 22 years of research // Progress in Cardiovascular Diseases. -1989. v.32. - №3. - P. 173-206.

187. Dick R. S., Steen E. B. The computer-based patient record an essential technology for health care - National Academy Press, Washington, 1991.

188. Diez F.J., Mira J., Iturralde E., Zubillaga S. DIAVAL, a Bayesian expert system for echocardiography // Artif Intell Med.- 1997 v. 10 - No. 1- p.59-73

189. Doraiswami R., Jiang J. Performance monitoring in expert control systems// Automatica, 1990,-v. 266-No.3-p.799-811.

190. Durinck J., Coiera E., Baud R. et al. The role of knowledge based systems in clinical practice, in P. Barahona, J.P. Christensen (eds), Knowledge and Decisions in Health Telematics The Next Decade, IOS Press, Amsterdam, 1994 - p. 199203.

191. East T. D., Morris A. H., Wallace C. J., Clemmer T. P. et al., A strategy for development of computerized critical care decision support systems// International Journal of Clinical Monitoring and Computing. 1992,- v.8. p. 263-269

192. Efron B. Bootstrap methods another at the jackknife // Ann. Statist. 1979. -7. -No. 1.-P. 1-26.

193. Famili A., Shen W.-M., Weber R., Simoudis E. Data preprocessing and intelligent data analysis // Intelligent Data Analysis 1997 - v. 1- No. 1

194. Fayyad U., Piatetsky-Shapiro G., Smyth P., From data mining to knowledge discovery, In U. Fayyad etal, eds., Advances in Knowledge Discovery and Data Mining, AAAI/MIT Press, Menlo Park, CA, 1996 1-34.

195. Finkelstein L. Intelligent find knowledge based instrumentation An examination of basic concepts// Measurement. - 1994. - Vol.14. - No. 1. - P. 23-29.

196. Freidman C. P., Wyatt J. C. Evaluation methods in medical informatics SpringerVerlag, New York.- 1997.

197. Grasela T.H., Walawander C.A., Kennedy D.L., Jolson H.M. Capability of hospital computer systems in performing drug-use evaluations and adverse drug event monitoring // Am J Hosp Pharm 1993 - v.50.- No. 9. p. 1889-1895

198. Guberman S., Karp V. Reflexive control of behavior by handwriting in the case of chaos: Third European Workshop on Handwriting analysis and recognition, Brussels, 14-15 July 1998. -p.25/1-25/2.

199. Hand D.J. Construction and assessment of classification rules Wiley, Chichester,1997.

200. Hand D.J. Intelligent data analysis: issues and opportunities // Intelligent Data Analysis.- 1998.-v.2.-No.2

201. Haux R. Aims and tasks of medical informatics// Int J Med Inf.- 1997 v.44-No.l.- p.9-20.

202. Heathfield H, Kirkham N. A cooperative approach to decision support in the differential diagnosis of breast disease// Med Inform (Lond).- 1992- v. 17 No.l-p.21-33

203. Humphrey M., Cunningham S.J., Witten I.H. Knowledge visualization techniques for machine learning // Intelligent Data Analysis 1998 - v.2 - No.4

204. Innis M.D. Clinical problem solving the role of expert laboratory systems // Med Inform (Lond).- 1997.-v.22.-No.3. p.251-261

205. Karp V.P. Partner system «Consilium-1» as a tool for making decision in medicine: The VII World Congress on Medical Informatics «Medinfo-92», Geneva. 1992. -p. 114-118

206. Karp V.P., Skala L.Z., Nekhorosheva A.G., Nikitin A.P. Microbiological monitoring for choosing rational antibacterial therapy // Medical Microbilogy Letters. 1996. -Suppl.l. - p. 101

207. Kawamata F, Kondoh M, Mori C, Endoh J, Takahashi T Computer-aided clinical laboratory diagnosis in conjunction with the electronic medical textbook// Medinfo.- 1995.- 8 Pt 2:955

208. Kellogg J.A., Bankert D.A., Chaturvedi V. Limitations of the current microbial identification system for identification of clinical yeast isolates // J Clin Microbiol.- 1998.- v.36- No.5.- p. 1197-200

209. Klein G. A., Calderwood R. Decision models: some lessons from the field // IEEE Transactions on Systems, Man and Cybernetics- 1991- v.21.- No.5.- p. 10181026.

210. Langer I., Schewe S., Haedecke C., Puppe F., Rheinhardt T. Learning at the computer: evaluation of an intelligent tutoring system // Eur J Med Res. —1998. — v.3. — №1-2. — p. 19-26

211. Ledley R. S., Lusted L. B. Reasoning foundations of medical diagnosis // Science-1959.-v. 130,- p. 9-21

212. Loo van der R.P., Gennip van E.M., Bakker A.R., Hasman A., Rutten F.F. Evaluation of automated information systems in health care: an approach to classifying evaluative studies// Comp Meth and Progr in Biomed 1995,- v.48 - p.45-52

213. Lukashevitch I.P., Machinskaya R.I., Fishman M.N. Principles of structural organization of professional knowledge. Diagnostic automated system «EEG-Expert». Proceeding of ICI@C'97.- St.Petersburg, 1997,-v.2-p.478-479.

214. Miller R.A. Medical diagnostic decision support systems past, present, and future: A threaded bibliography and brief commentary// JAMIA.- 1994 - v.l,- p.8-27

215. Moritz VA, McMaster R, Dillon T, Mayall B Selection and implementation of a laboratory computer system// Pathology.- 1995- v.27 No.3- p.260-267

216. Morrell R, Wasilauskas B, Winslow R Personal computer-based expert system for quality assurance of antimicrobial therapy // Am J Hosp Pharm- 1993- v.50-No. 10.- p.2067-2073

217. Nguyen S.H., Skowron A. Quantization of real value attributes: rough set and boolean reasoning approach. In: Proceedings of the 2nd Annual Conference on Information Sciences Wrightsville Beach, North Carolina, 1995- p. 34-37.

218. Papaconstantinou C., Theocharous G., Mahadevan S. An expert system for assigning patients into clinical trials based on Bayesian networks // J Med Syst-1998.- v.22- No.3.- p. 189-202

219. Pascual M., Gonzalez M.A., Marquez M.J., Lozano I., Salvador C.H. Ambulatory system to aid in decision making and risk stratification in postinfarction patients // Front Med Biol Eng.- 1997 v.8 - No.4.- p.269-286

220. Patil R.S. Artificial intelligence techniques for diagnostic reasoning in medicine, in: Exploring Artificial Intelligence: Survey Talks from the National Conferences on

221. Artificial Intelligence Morgan Kaufmann, San Mateo, 1988 - p. 347-380.

222. Pietka E. Feature extraction in computerized approach to the ECG analysis // Pattern Recognition. 1991. - v. 24. - No. 2. - p. 139-146.

223. Quinlan J.R. C4.5 Programs for Machine Learning Morgan Kaufmann Publishers, San Mateo, California, 1993.

224. Ridderikhoff J., van Herk E. A diagnostic support system in general practice: is it feasible? // Int J Med Inf.- 1997.- v.45 No.3:133-43

225. Romanski S. Operations on families of sets for exhaustive search, given a monotonic function. Proceedings of the 3rd International Conference on Data and Knowledge Bases Jerusalem, Israel, 1988 - p. 28-30.

226. Schiffers J. A Classification approach incorporating misclassification costs // Intelligent Data Analysis 1997 - v. 1- No. 1

227. Shortliffe E. H. Computer programs to support clinical decision making // JAMA-1987 v. 258,- p. 61-66.

228. Slowinski R., Stefanowski J., Susmaga R. Rough set analysis of attribute dependencies in technical diagnostics. Proceedings of the 4th International Workshop on Rough Sets, Fuzzy Sets and Machine Discovery Tokyo, 1996 - p. 437-440.

229. Stefik M. Introduction to knowledge systems Morgan Kauffman, San Francisco, 1995.

230. Susmaga R.Analyzing discretizations of continuous attributes given a monotonic discrimination function // Intelligent Data Analysis 1997 - v. 1.- No.3

231. Tsumoto S. Extraction of experts' decision rules from clinical databases using rough set model // Intelligent Data Analysis 1998 - v.2 - No.3

232. Wells D.M., Niederer J. A medical expert system approach using artificial neural networks for standardized treatment planning // Int J Radiat Oncol Biol Phys-1998.- v. 41- No. 1- p. 173-182

233. Wong A.K.C., Chiu D.K.Y. Synthesizing statistical knowledge from incomplete mixed-mode data // IEEE Transactions on Pattern Analysis and Machine Intelligence.- 1987.-v. PAMI-9 No. 6,-p. 796-805.

234. Wyatt J. Use and sources of medical knowledge // Lancet.- 1991- v.338 p. 13681373

235. Xu L., Yan P., Chang T. Best first strategy for feature selection. In: Ninth International Conference on Pattern Recognition IEEE Computer Society Press, 1989.-p. 706-708.322

236. Zorman M., Stiglic M.M., Kokol P., Malcic I. The limitations of decision trees and automatic learning in real world medical decision making // J Med Syst- 1997 v. 21- No.6 - p.403-15