С.Ю. Жулева1, А.В. Крошилин2, С.В Крошилина3

1–3 Рязанский государственный радиотехнический университет им. В.Ф. Уткина (г. Рязань, Россия)

Постановка проблемы. Для поддержки принятия медицинского решения необходимо наличие информации по проблемной ситуации, для чего в медицинской предметной области можно выделить три основных информационных потока: овеществленные знания, профессиональные знания медицинских сотрудников (всех категорий), сведения о практическом решении задач. Универсальным и хорошо реализуемым методом получения исходной информации является опросная анкета, которая позволяет эффективно реализовать формализацию и представление полученных данных в системе.

Цель работы – определение и обоснование алгоритма формирования управленческого медицинского решения, который должен быть ориентирован на медицинскую предметную область и учитывать ее особенности и предъявляемые дополнительные требования.

Результаты. Представление знаний на основе теории нечетких множеств в медицинских предметных областях возможно на основе построения семантической сети. Классическое построение семантической сети, реализующей модель медицинской предметной области, требует дополнительной детализации и проработки. Выделено два типа нечеткой информации в медицинских предметных областях: первый тип - это множества, которые определены на числовом множестве (интервале вещественных чисел); второй тип - нечеткие множества, заданные на нечисловой шкале, при таком подходе нечеткое множество - множество «нечетких объектов». Показано, что элемент неопределенности и риска носит значительный характер в момент принятия управленческого медицинского решения. Приведены основные методы получения информации об исследуемых объектах медицинской предметной области. Освещены основные методы получения информации в медицинских системах и информационные средства обеспечения поддержки принятия медицинских решений.

Практическая значимость. Приведены особенности разработки управленческих медицинских решений в условиях неполноты и неопределенности, а также проблемы, возникающие при их реализации в информационных системах. Рассмотрены алгоритм формирования управленческого медицинского решения, и подходы к решению задач искусственного интеллекта с помощью нечетких объектов. Обозначены понятия «неточность», «неопределенность», «нечеткость» и подходы к пониманию нечетких множеств. Приведены основные виды моделей построения знаний, пригодные для реализации медицинских предметных областей.

Жулева С.Ю., Крошилин А.В., Крошилина С.В. Представление знаний на основе теории нечетких множеств в медицинских предметных областях // Биомедицинская радиоэлектроника. 2022. T. 25. № 4. С. 62-70. DOI: https://doi.org/10.18127/ j15604136-202204-08

1. Жулёва С.Ю., Крошилин А.В., Крошилина С.В. Поддержка принятия управленческих медицинских решений и природа неопределенности в них // Биомедицинская радиоэлектроника. 2021. Т. 24. № 4. С. 89–96.
2. Заде Л. Понятие лингвистической переменной и ее применение к принятию приближенных решений: пер. с англ. Н.И. Ринго. М.: Мир. 1976. 168 с.
3. Крошилина С.В., Жулева С.Ю., Крошилин А.В. Реализация модели динамики распределения материальных потоков в медицинском учреждении // Биомедицинская радиоэлектроника. 2020. Т. 23. № 3. С. 53–60.
4. Крошилин А.В., Крошилина С.В. Использование методов математического моделирования для построения системы информационной безопасности // Проблемы и методы управления экономической безопасностью регионов: Материалы межвуз. науч. конф. проф.-препод. состава. Коломна: КГПИ. 2006. 256 с.
5. Kroshilin A., Kroshilina S., Pylkin A., Ovechkin G. Managerial medical decisions and methods of obtaining medical information in conditionsof uncertainty // 2021 10th Mediterranean Conference On Embedded Computing (Meco2021), 7-10 June 2021, Budva, Montenegro, 864 p, P. 500-503 (Управленческие медицинские решения и методы получения медицинской информации в условиях неопределенности).
6. Пылькин А.Н., Крошилин А.В., Крошилина С.В. Применения нечеткой логики для поддержки принятия управленческих решений в медицинских экспертных системах / под науч. ред. В.И. Левина // Математические и компьютерные методы в медицине, биологии и экологии: Коллективная монография. Пенза: Приволжский дом знаний; М.: МИЭМП. 2012. С. 29–44.
7. Алексеев А.В., Борисов А.Н., Вилюмс Э.Р., Слядзь Н.Н., Фомин С.А. Интеллектуальные системы принятия проектных решений. Рига: Зинатне. 1997. 320 с.
8. Городецкий В.И., Тулупьев А.Л. Непротиворечивость баз знаний с количественными мерами неопределенности // Шестая национальная конференция по искусственному интеллекту с международным участием КИИ’98: cб. науч. тр. в 3-х томах. Т. 1. Пущино. 1998. С. 100–107.
9. Козлов В.Н. Системный анализ, оптимизация и принятие решений. М.: Проспект. 2010. 176 с.