350 rub
Journal Neurocomputers №4 for 2012 г.
Article in number:
Integrated decision support in diagnosis and treatment of acute respiratory viral infections by means of fuzzy-logic expert systems
Authors:
A.A. Uskov, M.V. Shipilov
Abstract:
In view of the widespread and nonspecific clinical symptoms of acute respiratory viral infections (ARVI), with a long time required for the specific diagnosis, as well as the frequent handling of these patients to doctors of various specialties, no doubt about the urgency of measures to improve the diagnosis and treatment ARVI. For this purpose, the authors suggested the following expert systems, «Express-diagnosis and prognosis of ARVI», «Violations of cytokine network functioning in patients with ARVI,» «Treatment guidelines for patients with ARVI». Considered expert systems are based on algorithms of deductive fuzzy inference using fuzzy base of production rules obtained by the expert. This model allows to represent both declarative and procedural knowledge. A distinctive feature of the developed expert system was given the concentration of cytokines in serum of patients, reflecting an immune response to the introduction of the virus. The authors first introduced the concept of «level of the cytokine storm» that indirectly reflects the activity of effector cells of blood, measured in points with 10-point scale (zero level corresponds to the healthy body). Experimental research has shown high efficiency of expert systems described among physicians of various specialties, regardless of seniority and medical experience. The developed expert system can be used individually, solving individual problems, and together, allowing the complex to support decision making in the diagnosis, treatment, and determine the favorable or unfavorable prognosis of ARVI. When combined expert system it is possible to exchange data between them, which significantly reduces the time for data entry. Currently, the knowledge base of expert systems are modified (to improve), and created their online versions as to work in a local network of major medical institutions, and through the Internet.
Pages: 30-38
References
  1. Инфекционные болезни: Национальное руководство / под ред. Н. Д. Ющука, Ю. Я. Венгерова. М.: ГЭОТАР-Медиа. 2009.
  2. Казанцев А. П., Зубик Т. М., Иванов К. С., Казанцев В. А. Дифференциальная диагностика инфекционных болезней: Руководство для врачей. М.: ООО «Медицинское информационное агентство». 1999.
  3. Manson`s Tropical Diseases: 22st ed. / Ed. G.C. Cook, A.I. Zumla. Lond.: Saunders Elsevier Ltd. 2009.
  4. Шипилов М. В., Волчкова Е. В., Кутарев Ф. Л. Цитокиновый профиль у больных гриппом pH1N1 // Материалы III Ежегодного Всероссийского Конгресса по инфекционным болезням (Москва, 28-30 марта 2011 года). Инфекционные болезни. 2011. Том 9. Приложение № 1. М. 2011. С.410-411.
  5. Малышев Н. Г., Берштейн Л. С., Боженюк А. В. Нечеткие модели для экспертных систем в САПР. М.: Энергоатомиздат. 1991.
  6. Усков А. А., Кузьмин А. В. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логика. М.: Горячая Линия - Телеком. 2004.
  7. Круглов В. В., Дли М. И. Интеллектуальные информационные системы: компьютерная поддержка систем нечеткой логики и нечеткого вывода. М.: Физматлит. 2002.
  8. Трильяс Э., Альсина К., Вальверде А. Нужны ли в теории нечетких множеств операции max, min и 1-j - / В кн. Нечеткие множества и теория возможностей. Последние достижения. Под. ред. Р. Р. Ягера. М.: Радио и связь. 1986. С. 199-228.
  9. Усков А. А., Шипилов М. В. Экспертная система «Экспресс-диагностика и прогноз течения ОРВИ» // Сборник научных статей по итогам Междунар. науч.-практич. конф. Информатика, математическое моделирование, экономика: (Смоленск, 22 апреля 2011 г.). 2011. Т.1. С.185-188.