Иващук Ольга Александровна, доктор технических наук, профессор, кафедра информационных и робототехнических систем,
ул. Студенческая, д. 14, г. Белгород 308007.
Olga A. Ivashchuk, Dr. of Sci. (Engineering), Professor, Information and Robotic Systems Department,
14, Studencheskaya str., Belgorod 308007.
Иващук Орест Дмитриевич, кандидат технических наук, доцент, кафедра прикладной математики и компьютерного моделирования,
ул. Студенческая, д. 14, г. Белгород 308007.
Orest D. Ivashchuk, Cand. of Sci. (Engineering), Associate Professor, Information and Robotic Systems Department,
14, Studencheskaya str., Belgorod 308007.
Игрунова Светлана Васильевна, кандидат социологических наук, доцент, доцент кафедры математического моделирования,
Университетская пл., д. 1, г. Воронеж 394018.
Svetlana V. Igrunova, Cand. of Sci. (Sociological), Associate Professor, Information and Robotic Systems Department,
Universitetskaya sq., 1, Voronezh, 394018.
Нестерова Елена Викторовна, кандидат экономических наук, доцент, кафедра информационных и робототехнических систем,
ул. Студенческая, д. 14, г. Белгород 308007.
Elena V. Nesterova, Cand. of Sci. (Economic), Associate Professor Information and Robotic Systems Department,
14, Studencheskaya str., Belgorod 308007.
Маматов Александр Васильевич, доктор технических наук, доцент, кафедра информационных и робототехнических систем,
ул. Студенческая, д. 14, г. Белгород 308007.
Alexander V. Mamatov, Dr. of Sci. (Engineering), Associate Professor, Information and Robotic Systems Department,
14, Studencheskaya str., Belgorod 308007.
Цель исследования. Непрерывная модернизация, улучшение методик диагностики требует внедрения инновационных программных решений, современного инструментария, медицинского оснащения и усовершенствованных протоколов обследования, направленных на сбор, хранение, обработку и применение показателей состояния организма, и достоверность медицинской информации. Цель исследования состоит в повышении точности прогнозирования путём разработки оптимальных прогнозных моделей, повышающих надёжность выявленных оценок при диагностике остеопороза с использованием экспертной системы.
Методы. Для достижения поставленных целей использовались параметрические статистические методы для подтверждения обоснованности предположения о нормальной форме распределения всех исследуемых выборочных совокупностей. Основываясь на полученных результатах в качестве наилучшего подхода методики изучения взаимосвязей – корреляционный и регрессионный анализы, для разработки прогностических моделей с определением доверительного интервала предсказания и сопоставления диапазона итогового показателя с вероятностью возникновения болезни.
Результаты. В ходе исследования построены прогнозирующие модели для каждой выделенной группы пациентов совместно с пределами доверительных интервалов прогнозируемых величин ключевых показателей. Определены закономерности взаимозависимости конкретных промежутков целевых факторов и степеней вероятности прогрессирования патологий заболевания. Разработана экспертная система, реализующая полную систему информационного сопровождения, предназначенную для идентификации рисков возникновения заболеваний у пациентов, по предоставленным сведениям, о плотности тканей грудной полости.
Заключение. Разработанная информационная система позволяет осуществлять прогнозирование вероятности болезни для пациентов (мужчин и женщин), возрастные показатели которых выходят за пределы указанного диапазона (10-70 лет), однако достоверность подобных прогнозов неоднозначна, поскольку прогностические модели, составляющие основу функционирования системы, разработаны на базе чей возраст ограничен периодом от 10 до примерно 72 лет.
Purpose of research. To increase the accuracy of forecasting by developing optimal predictive models that increase the reliability of the identified estimates in the diagnosis of osteoporosis using an expert system.
Methods. In this work, parametric statistical methods were used to confirm the validity of the assumption of the normal distribution of all studied sample populations. Based on the results obtained, correlation and regression analyses are considered as the best approach for studying interrelations, for developing predictive models with determining the confidence interval of prediction and comparing the range of the final indicator with the probability of disease occurrence.
Result. During the study, predictive models were constructed for each identified patient group along with limits of confidence intervals for predicted values of key parameters. Regularities in the mutual dependence between specific target factor ranges and degrees of pathology progression probabilities have been established. An expert information system has been developed, implementing a complete informational support system designed to identify risks of diseases development in patients based on provided data regarding chest tissue density.
Conclusion. The developed information system enables predicting the likelihood of illness for patients (both men and women) whose age exceeds the specified range (10–70 years); however, the reliability of such predictions remains ambiguous since the prognostic models underlying the system's operation are built upon data from individuals aged within the period of approximately 10 to 72 years.
The authors declare that there are no conflicts of interest present.