ISSN 2071-8594

Российская академия наук

 

М. И. Забежайло, Ю. Ю. Трунин "К проблеме надежности медицинского диагноза, формируемого на основе эмпирических данных"

Аннотация.

Рассмотрены возможности использования средств интеллектуального анализа данных и поддержки принятия врачебных решений для повышения надежности медицинских диагностических заключений. Предложен механизм идентификации и отсечения артефактов компьютерного анализа данных, работоспособность которого демонстрируется на примере задач диагностики псевдопрогрессии опухолей головного мозга человека.

Ключевые слова:

искусственный интеллект, принятие решений, медицинская диагностика, интеллектуальный анализ данных, формализация рассуждений, анализ сходства, псевдопрогрессия опухолей головного мозга человека.

Стр. 3-13.

DOI 10.14357/20718594200401

Литература

1. Федосеев Г.Б. Врачебные ошибки: характер, причины, последствия, пути преодоления // Терапия. 2018. №5. С. 109-115.
2. Забежайло М.И., Трунин Ю.Ю. О доказательности медицинского диагноза: интеллектуальный анализ эмпирических данных о пациентах в выборках ограниченного размера //Цифровое здравоохранение: Труды XX Международного конгресса «Информационные технологии в медицине». М.: Консэф. 2019. С. 6-9. https://itmcongress.ru/itm2019/proceedings/1.1.Zabezhailo_ITM2019.pdf
3. Забежайло М.И., Трунин Ю.Ю. К проблеме доказательности медицинского диагноза: интеллектуальный анализ эмпирических данных о пациентах в выборках ограниченного размера // Научно-техническая информация. Серия 2. 2019. № 12. С. 12 – 18.
4. Забежайло М. И. О емкости семейств характеристических функций, обеспечивающих корректное решение задач диагностического типа // 19 Всероссийская конференция «Математические методы распознавания образов» (ММРО-2019), 25-28 октября 2019 г. М. С.305-306.
5. Забежайло М.И. Об оценках размеров семейств характеристических функций, обеспечивающих корректное решение задач диагностического типа // ЖВМ и МФ. 2021. Т.61. №5 (в печати).
6. Забежайло М.И. О некоторых оценках сложности вычислений при прогнозировании свойств новых объектов средствами характеристических функций //НТИ. Сер.2. 2020. №12 (в печати).
7. Грушо А.А., Забежайло М.И., Тимонина Е.Е. О каузальной репрезентативности обучающих выборок прецедентов в задачах диагностического типа // Информатика и ее применения. 2020. № 1. С. 80-86.
8. Воронцов К.В. Комбинаторная теория надёжности обучения по прецедентам // Диссертация … д.ф-м.н. по специальности 05.13.17 Теоретические основы информатики. М.: ВЦ РАН. 2010. 273 С. URL: https://www.dissercat.com/content/kombinatornaya-teoriya-nadezhnosti-obucheniya-po-pretsedentam
9. Виноградов Д.В. Вероятностно-комбинаторный формальный метод обучения, основанный на теории решеток // Диссертация … д.ф-м.н. по специальности 05.13.17 Теоретические основы информатики. М.: ФИЦ ИУ РАН. 2018. 131с. URL: http://www.frccsc.ru/diss-council/00207305/diss/list/vinogradov_dv
10. Финн В.К. Индуктивные методы Д. С.Милля в системах искусственного интеллекта // Искусственный интеллект и принятие решений. 2010. Ч. I. № 3. С. 3–21; Ч. II. № 4. С. 14–40.
11. Ландау Л.Д. Фундаментальные проблемы. В сб.: Смородинский Я.А. Теоретическая физика 20 века. М.: Иностранная литература. 1962. С. 285-291.
12. Абрикосов А.А. Академик Л.Д.Ландау. М.: Наука. 1965. 48 с.
13. Забежайло М.И. О некоторых возможностях управления перебором в ДСМ-методе // Искусственный интеллект и принятие решений. 2014. Ч.I: № 1. С.95 -110. Ч.II. № 3. С.3-21.