О ВОЗМОЖНОСТЯХ ИСПОЛЬЗОВАНИЯ ПАКЕТА КВАЗАР ПРИКЛАДНЫХ ПРОГРАММ РАСПОЗНАВАНИЯ ОБРАЗОВ В РЕШЕНИИ ЗАДАЧ МЕДИЦИНЫ И ЗДРАВООХРАНЕНИЯ

УДК 004.931

DOI: 10.22138/2500-0918-2022-19-5-533-546

В.С. Казанцев

ГАУДПО «Уральский институт управления здравоохранением имени А. Б. Блохина»,
г. Екатеринбург, Российская Федерация

Резюме. Введение. Обсуждается актуальность применения современных методов обработки и анализа медицинских данных. Акцентируется внимание на необходимости системного подхода к анализу данных и использовании многофакторного анализа на основе методов распознавания образов (РО). Цель работы — ознакомить врачей и специалистов по анализу медицинских данных с возможностями применения методов распознавания образов и пакета программ КВАЗАР для решения практических задач диагностики, прогнозирования и поиска закономерностей в материалах исследований и данных статистической отчетности. Материалы и методы. Методы распознавания образов являются эффективным средством решения сложных, плохо формализуемых задач и успешно используются при решении задач классификации, диагностики, прогнозирования, управления. Одним из программных средств решения задач распознавания образов является пакет КВАЗАР, разработанный в Институте математики и механики УрО РАН. Подробно рассматриваются возможности пакета по решению основных задач РО: обучения по прецедентам и таксономии, а также вопросы контроля качества обрабатываемых данных и заполнения пропусков в них. Материалами для решения задач РО с помощью пакета КВАЗАР служили данные государственной статистики, а также массивы наблюдений, полученные при выполнении специальных исследований. В двух приведенных примерах использовались данные о состоянии здоровья населения, демографии и ресурсном обеспечении систем здравоохранения муниципальных образований (МО) Свердловской области за 2016–2019 годы. Результаты. Перечислены наиболее интересные исследования, выполненные с помощью пакета КВАЗАР. Кроме того, в статье рассматривается задача построения и практического использования модели классификации МО области по смертности трудоспособного населения от заболеваний острыми нарушениями мозгового кровообращения (ОНМК). Приводятся результаты «проигрывания» на модели управленческих сценариев, направленных на снижение смертности от ОНМК. Также приводится пример использования пакета КВАЗАР для кластерного анализа муниципальных образований области по девяти статистическим показателям. Выводы:
1. Опыт исследований, выполненных с использованием пакета КВАЗАР, показывает, что методы РО являются эффективным средством решения задач классификации, диагностики, прогнозирования и могут успешно применяться при анализе данных в медицине и здравоохранении.
2. Результаты математического моделирования свидетельствуют о том, что увеличение доли госпитализаций по СМП больных с артериальной гипертензией и хронической ишемической болезнью сердца способствует снижению смертности трудоспособного населения от заболеваний ОНМК.
3. Многомерный таксономический анализ МО области по девяти показателям показал наличие двух крупных кластеров, различающихся уровнями общей смертности населения и показателями оснащенности системы оказания медицинской помощи.

Ключевые слова: анализ медицинских данных, распознавание образов, обучение по прецедентам, моделирование, таксономия, заполнение пропусков

Конфликт интересов отсутствует.
Контактная информация автора, ответственного за переписку:
Казанцев Владимир Сергеевич
kvs222@yandex.ru
Дата поступления 16.11.2022 г.
Образец цитирования:
Казанцев В.С. О возможностях использования пакета КВАЗАР прикладных программ распознавания образов в решении задач медицины и здравоохранения. [Электронный ресурс] Вестник уральской медицинской академической науки. 2022, Том 19, №5, с. 533–546, DOI: 10.22138/2500-0918-2022-19-5-533-546

ЛИТЕРАТУРА
1. Тучкова А.С., Кондрашева П.П. Термин «Data mining». Задачи, решаемые методами data mining // Тенденции развития науки и образования. – 2019. – №55-2. – С.27-30. DOI: 10.18411/lj10-2019-26
2. Гасников В.К. Основы научного управления и информатизации в здравоохранении (учебное пособие). Ижевск: изд-во «Вектор», 1997. — 169с.
3. Мазуров Вл.Д. Метод комитетов в задачах оптимизации и классификации. — М.: Наука. — 1990. — 245 с.
4. Mazurov V.D., Polyakova E.Y. Committees: history and applications in machine learning. Communications in Computer and Information Science. 2019. V. 1090. pp. 3-16. DOI: 10.1007/978-3-030-33394-2_1
5. Аркадьев А.Г, Браверман Э.М. Обучение машин классификации объектов. — М.: Наука. — 1971. — 192 с.
6. Загоруйко Н.Г. Прикладные методы анализа данных и знаний. Новосибирск, Изд-во Ин-та математики, 1999. — 270 с.
7. Казанцев В.С. Задачи классификации и их программное обеспечение. — М.: Наука. — 1990. — 135 с.
8. Тягунов Л. И. Алгоритмы комитетного распознавания и их применение для решения практических задач класси¬фикации: Автореф. дис. … канд. техн. наук. Свердловск, 1973. 24 с.
9. Osborne W.L. The seniority logic – a logic for committee machine // IEEE Trans. Comput.- 1977.- V. C-26, N 12.- P.1302 – 1306.
10. Козинец В. Н. Рекуррентный алгоритм разделения вы¬пуклых оболочек двух множеств // Алгоритмы обучения распознаванию образов/Под ред. В. Н. Вапника. М.: Сов. радио, 1972. С. 43-50.
11. Терентьев П. В. Метод корреляционных плеяд // Вестн. ЛГУ. Биология. 1959. № 9. С. 137-141.
12. Казанцев В.С., Михайлова Д.О., Погосян В.А. Использование метода таксономии для анализа медико-социальных характеристик пациентов с хроническими облитерирующими заболеваниями артерий нижних конечностей в Свердловской области // Современные проблемы здравоохранения и медицинской статистики. 2019. № 5. С. 73-74.
13. Липанова Л.Л., Насыбуллина Г.М., Казанцев В.С. Распространенность потребления школьниками психоактивных веществ и многофакторный анализ причин приобщения к алкоголю и табаку // Профилактическая и клиническая медицина. 2019. № 1 (70). С. 4-9.
14. Липанова Л.Л., Насыбуллина Г.М., Бабикова А.С., Казанцев В.С. Взаимосвязь здоровья и образа жизни родителей со здоровьем и образом жизни их детей // В книге: Актуальные проблемы образования и здоровья обучающихся. Монография. Под редакцией В.И. Стародубова, В.А. Тутельяна. Москва, 2020. С. 429-446.
15. Алленов А.М., Соловьев И.Р., Казанцев В.С. Оценка влияния кадровых ресурсов муниципального здравоохранения на уровень смертности населения // сб. ст. по материалам XIV Международной научно-практической конференции «Современная медицина: новые подходы и актуальные исследования». – № 8(12). – М., Изд. «Интернаука», 2018. – С. 32-38.
16. Мальков Н.А., Казанцев В.С., Столбиков С.А. Оценка влияния деятельности межмуниципальных медицинских центров на смертности населения от болезней системы кровообращения // Естественные науки и медицина: теория и практика: сб. ст. по матер. VII-VIII междунар. науч.-практ. конф. № 2-3(5). – Новосибирск: СибАК, 2019. – С. 36-41.

Автор:
Казанцев Владимир Сергеевич
ГАУДПО «Уральский институт управления здравоохранением имени А.Б. Блохина»
Кандидат технических наук, старший научный сотрудник, ведущий научный сотрудник
Российская Федерация, 620075, г. Екатеринбург, ул. Карла Либкнехта, 8б
kvs222@yandex.ru