ПРОГНОЗИРОВАНИЕ ПОСЛЕОПЕРАЦИОННЫХ ОСЛОЖНЕНИЙ НА ОСНОВЕ НЕЙРОСЕТЕВЫХ ТЕХНОЛОГИЙ
Аннотация и ключевые слова
Аннотация (русский):
В работе представлен анализ результатов хирургического лечения пациентов с хро‐ нической патологией легких. С целью прогнозирования вероятности возникновения послеопераци‐ онных осложнений, длительности лечения и заключительного исхода после хирургических вмеша‐ тельств на легких были использованы искусственные нейронные сети. На данный момент в торакальной хирургии практически нет общепризнанных прогностических систем, позволяющих с высокой степенью достоверности принимать правильное решение в лечебной тактике при различных заболеваниях легких. Сложность прогнозирования в данной ситуации обусловлена тем, что значительная часть ин‐ формации представляет собой субъективные экспертные оценки врача, основанные на его знаниях и опыте лечения больных с патологией легких. В результате исследования было определено, что метод моделирования на базе искусственных ней‐ ронных сетей, позволяющий решать задачи классификации, оптимизации и прогнозирования, дает более высокую точность прогноза по сравнению с многомерными статистическими методами анализа. В статье показано, что использование методов искусственных нейронных сетей дает возможность более точно прогнозировать риск возникновения послеоперационных осложнений, что позволяет ускорить работу специалистов, планировать работу клиник с высокой хирургической активностью.

Ключевые слова:
нейросетевоемоделирование, прогнозирование, послеоперационные осложне‐ ния, хирургическое лечение, хронические заболевания легких.
Текст

В настоящее время решающую роль в по‐

вышения эффективности и качества медицин‐

ского обслуживания играют информационные

технологии. Актуальные задачи практической

медицины являются идеальным полем для ис‐

пользования технологий нейронных сетей (НС),

и именно в этой области наблюдается наиболее

яркий практический успех нейроинформаци‐

онных методов, с развитием которых все чаще

предпринимаются попытки внедрения в лечеб‐

ную деятельность программированного про‐

гнозирования [2‐4,6,7]. Все больше ученых в по‐

следнее время приходят к выводу, что обычные

модели и алгоритмы не могут быть применены

к медицинским задачам из‐за низкой степени

надежности и эффективности. В то время как с

помощью интеллектуальных нейронных сетей

стало возможным принимать решения, осно‐

вываясь на выявлении ими скрытых закономер‐

ностях в многомерных данных, что способствует

определению наиболее важных симптомов за‐

болевания. В приложении к медицинской ди‐

агностике НС дают возможность значительно

повысить специфичность метода, не снижая его

чувствительность [1‐3].

Войти или Создать
* Забыли пароль?