5 July 2023 in МОДЕЛИРОВАНИЕ, ОПТИМИЗАЦИЯ И ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ
В статье предложен решающий модуль для контроля функционального состояния системы дыхания, обеспечивающий интеллектуальную поддержку при принятии решений медицинским персоналом по госпитализации пациента. Для контроля степени тяжести внебольничной пневмонии на основе интернет-технологий разработан гибридный многоагентный классификатор со структурой, включающий сегменты факторов риска, связанные со «своей» системой нечеткого логического вывода, и метаклассификатор, предназначенный для агрегации решений этих систем, позволяющий осуществлять мониторинг функционального состояния системы дыхания пациента в удаленном интерактивном режиме. Разработана пятислойная нечеткая сеть, предназначенная для классификации степени тяжести внебольничной пневмонии по входному вектору, основанная на алгоритме Мамдани-Ларсена, позволяющая оценить степень тяжести внебольничной пневмонии на шкале 0–1 по сегменту факторов риска, используемому в традиционных шкалах риска пневмонии. Синтезирован нейронечеткий классификатор тяжести внебольничной пневмонии, построенный на основе шкалы риска пневмонии CRB-65. Сформирована база нечетких решающих правил системы нечеткого логического вывода и определены функции принадлежности для входных и выходных переменных в выбранном сегменте факторов риска. Апробация нейронечеткой модели гибридного классификатора степени тяжести внебольничной пневмонии проведена на экспериментальной группе из 200 пациентов, больных внебольничной пневмонией различной степени тяжести. Модель классификатора на контрольной выборке продемонстрировала диагностическую чувствительность 90 % и диагностическую специфичность 86 %. Осуществлено сопоставление результатов полученной модели риска внебольничной пневмонии с результатами экспертного оценивания и результатами, полученными на известных регрессионных моделях. Показатели качества классификации синтезированного нейронечеткого классификатора позволяют рекомендовать его для телекоммуникационных систем дистанционного мониторинга степени тяжести внебольничной пневмонии. The article proposes a decisive module for monitoring the functional state of the respiratory system, which provides intellectual support in making decisions by medical personnel regarding the hospitalization of a patient. To control the severity of community-acquired pneumonia, a hybrid multi-agent classifier has been developed based on Internet technologies with a structure that includes segments of risk factors associated with “its own” fuzzy inference system. A metaclassifier has been designed to aggregate the solutions of these systems, which allows monitoring the functional state of the patient breathing system in remote interactive mode. Based on the Mamdani-Larsen algorithm, a five-layer fuzzy network has been developed for classifying the severity of community-acquired pneumonia according to the input vector, which allows estimating the severity of community-acquired pneumonia on a 0–1 scale according to the segment of risk factors used in traditional pneumonia risk scales. A neuro-fuzzy classifier of community-acquired pneumonia severity based on the CRB-65 pneumonia risk scale was synthesized. The base of fuzzy decision rules of the fuzzy inference system is formed and the membership functions for input and output variables in the selected segment of risk factors are determined. The neuro-fuzzy model of a hybrid classifier of the severity of community-acquired pneumonia was tested using an experimental group of 200 patients with community-acquired pneumonia of varying severity. The classifier model on the control sample demonstrated a diagnostic sensitivity of 90 % and diagnostic specificity of 86 %. The results of the obtained risk model for community-acquired pneumonia were compared with the results of expert evaluation and the results obtained on known regression models. The quality indicators of the classification of the synthesized neuro-fuzzy classifier make it possible to recommend it for telecommunication systems for remote monitoring of community-acquired pneumonia severity.