К проблеме доказательности медицинского диагноза: интеллектуальный анализ эмпирических данных o пациентах в выборках ограниченного размера

Научно-техническая информация. Серия 2: Информационные процессы и системы Pub Date : 2019-01-01 DOI:10.36535/0548-0027-2019-12-2

М.И. Забежайло, М.I. Zabezhailo, Ю. Ю. Трунин, Y. Y. Trunin

{"title":"К проблеме доказательности медицинского диагноза: интеллектуальный анализ эмпирических данных o пациентах в выборках ограниченного размера","authors":"М.И. Забежайло, М.I. Zabezhailo, Ю. Ю. Трунин, Y. Y. Trunin","doi":"10.36535/0548-0027-2019-12-2","DOIUrl":null,"url":null,"abstract":"Обсуждается возможность расширения представлений об обоснованности врачебных решений диагностического характера, принимаемых в рамках так называемой доказательной медицины. Предложен подход, позволяющий строить в процессе интеллектуального анализа накапливаемых эмпирических данных специальные - характеризующие каузальность возникновения диагностируемого эффекта - логические условия (характеристические функции), которые принимают значение «истина» на всех случаях наличия целевого эффекта и значение «ложь» на всех случаях его отсутствия в обучающей выборке прецедентов. Для решения этой задачи на расширяющихся последовательностях обучающих выборок используются: а) формальное уточнение понятия сходства описаний прецедентов как бинарной алгебраической операции и b) математическая техника порождения эмпирических зависимостей в стиле ДСМ-метода автоматизированной поддержки научных исследований. Особенности и возможности развиваемого подхода детализированы на примере решения задачи анализа причин и прогнозирования псевдопрогрессии опухолей головного мозга.","PeriodicalId":24076,"journal":{"name":"Научно-техническая информация. Серия 2: Информационные процессы и системы","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2019-01-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Научно-техническая информация. Серия 2: Информационные процессы и системы","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36535/0548-0027-2019-12-2","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 3

Abstract

Обсуждается возможность расширения представлений об обоснованности врачебных решений диагностического характера, принимаемых в рамках так называемой доказательной медицины. Предложен подход, позволяющий строить в процессе интеллектуального анализа накапливаемых эмпирических данных специальные - характеризующие каузальность возникновения диагностируемого эффекта - логические условия (характеристические функции), которые принимают значение «истина» на всех случаях наличия целевого эффекта и значение «ложь» на всех случаях его отсутствия в обучающей выборке прецедентов. Для решения этой задачи на расширяющихся последовательностях обучающих выборок используются: а) формальное уточнение понятия сходства описаний прецедентов как бинарной алгебраической операции и b) математическая техника порождения эмпирических зависимостей в стиле ДСМ-метода автоматизированной поддержки научных исследований. Особенности и возможности развиваемого подхода детализированы на примере решения задачи анализа причин и прогнозирования псевдопрогрессии опухолей головного мозга.

查看原文本刊更多论文

对于医学诊断的证据问题:在有限的样本中对病人的经验数据的智力分析

关于在所谓的证明医学中所做的诊断决定的有效性的观点有更多的讨论。提供了一种方法，可以在知识分析经验积累的经验数据时建立特定的——诊断效果的特征——逻辑条件(特征函数)，将“真理”的意义(在所有有针对性的情况下)和“谎言”的意义(在没有先例的情况下)。在不断扩大的学习抽样序列中，使用:a)正式澄清先例描述为二元代数操作和b)以自动支持科学研究的方式产生经验依赖的数学技巧。发展方法的特性和能力是通过分析病因和预测脑瘤假退化的任务来详细说明的。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Научно-техническая информация. Серия 2: Информационные процессы и системы

自引率

0.00%

发文量