Лекция №1.

• Посещение лекций (5 баллов) - допускается пропуск 1 лекции по математике и информатике и двух лекций по физике. Замечание преподавателей по поводу дисциплины на лекции или нецелевому использованию лекционного времени лишает студента права на 5 бальную надбавку.

• Активность на занятиях (10 баллов) – средний балл за все практические занятия больше или равен 4.

• Посещение семинаров 10 баллов для студентов принимавших участие в более чем половине семинаров факультетов кафедры медицинской физики.

• Итоговый тест мед информатике пересдается для набора баллов необходимых для зачета.

Контрольная работа №1 = 28 баллов.

Контрольная работа №2 = 27 баллов.

Активность на занятиях = 10 баллов.

Посещение лекций = 5 баллов.

Медицинская кибернетика и информатика.

• Кибернетика или управление и связь в животном и машине.

• Кибернетика – наука об управлении сложными динамическими системами на основе переработки информации.

• Информатика – наука о методах в средствах переработки информации.

• Медицинская кибернетика – наука об управлении организмом больного и системами здравоохранения на основе переработки информации.

• Медицинская информатика – наука о методах и средствах переработки медицинской информации.

Основные понятия кибернетики и информатики.

Информация.

1. Информация как субъективное понятие.

2. Информация как объективная характеристика материи.

Материя

вещество

поле

энергия

информация

Информация – мера упорядоченности материи в пространства и времени

Количественное определение информации:

Р_i – вероятность того, что система находится в одном из всевозможных своих состояний

Единица измерения информации – бит.

1 бит – количество информации содержащееся в сообщении о том, что произошло одно из двух равновероятных событий.

Свойства вероятности:

• Вероятность величина находящаяся в пределах 0<P<1

• Сумма вероятностей полной системы событий равна 1.

Система – совокупность элементов, обладающая новыми свойствами по сравнению с элементами, из которых состоит.

Свойство систем называется интегративностью, другие свойства:

- структурность

- функциональность

- иерархичность

- сложность

- организованность

Управление – совокупность координационных мероприятий направленных на достижение цели.

Объект управления характеризуется:

Р_i[t] – параметры описывающие функционирование объекта в произвольный момент времени.

Z_j[t] – возмущающие воздействия, нарушающие нормальное функционирование объекта.

Система управления – совокупность объектов управления и устройства управления.

U_k[t] – управляющие воздействия, направленные на изменения параметров функционирования объекта.

Принципы управления:

а) жесткое управление или управление по заранее заданной жесткой программе. Недостаток – при любом сбое система выходит из строя (по такому принципу работают технические системы);

б) управление по возмущению;

в) управление по отклонению.

Характер управления:

- детерминированный – существуют однозначные причинно-следственные связи (гормональная система);

- вероятностно-детерминированный – на связи накладываются вероятностные отношения (гормональная система в патологии);

- вероятностный – можно дать только вероятностные отношения причинно-следственных связей (системы здравоохранения).

Системный подход – изучая любую систему нужно всегда учитывать ее взаимодействие с системами более высшего и низшего порядка и количество связей.

Системный и количественный подход!

Пример системного подхода:

Биологическая кибернетика – наука об управлении в биологических системах на основе оптимальной переработки информации.

Иерархия систем управления в организме.

Основные уровни иерархии: клетка – орган – функциональная система – организм.

Лекция №2

Медицинская кибернетика – наука об управлении организмом больного и системами здравоохранения на основе оптимальной переработки информации.

Поток больных  Л.Д.О.  поток здоровых

Больной  врач  предварительный диагноз (м.с.)  количественные исследования  диагноз (м.с.)  лечение.

Трудности врача в диагностике и лечении.

- гигантский поток информации;

- за счет технического прогресса, роста техники измерений возрастет число определяемых параметров организма;

- возрастает число средств диагностики и средств лечения, все запомнить и выбрать оптимальные невозможно;

- врач имеет качественные усредненные модели заболеваний и характеристики возможных воздействий, нет классических болезней;

- несовершенство форм записи историй болезни, за счет этого возникает 20% диагностических ошибок;

- качественная оценка количественных признаков;

- отсутствует единая терминология для 3800 заболеваний  24.000 терминов.

С другой стороны требования к точности диагностики и лечения возрастают, т.к. лечебные воздействия действуют все более избирательно.

Диагностика и лечение остаются субъективными процессами:

- недостаточность знаний врача (учеба на 3 или 5);

- настроение, усталость;

- врачебный опыт – статистика: молодой врач – правильный диагноз 30-50%, опытный врач – 90%.

Если все это обобщить, то врачу необходимо переработать большой объем информации, чего он сделать не в состоянии, а если и делает, то обрабатывает ее медленно и не оптимально – отсюда ошибки и невозможность системного подхода на высоком уровне.

Медицинская кибернетика призвана помочь врачу решить эту задачу, т.е. оптимизировать диагностику и лечение с помощью своих методов и вычислительной техники.

Что могут дать Информационные технологии?

• Компьютер может оперировать практически неограниченным количеством информации.

• Обработка информации идет в реальном масштабе времени.

• По специально составленным алгоритмам и программам информация обрабатывается оптимально, что еще более ускоряет процесс.

• Компьютер не устает и не утомляется.

• Компьютер обеспечивает принцип самообучения.

Оптимизация диагностики:

- больной попадает не к врачу, а к медсестре (по заранее составленным вопросам отвечает на вопросы да/нет);

- после этого компьютер ставит предварительный диагноз и назначает количественные исследования и очередь;

- компьютер сравнивает диагноз и информацию о больном с имеющимися данными и моделями;

- создание оптимизации и стратегии лечения (создание модели, т.е. не на самом больном, а виртуально, и выбрать эффективный путь);

- лечение.

Разделы (направления) процесса лечения:

- создание модели нормы;

- создание модели заболеваний;

- создание индивидуальных моделей состояния больного.

Основные понятия медицинской информатики и кибернетики.

- вектор состояния – набор функциональных параметров организма, который позволяет описать его состояние в любой момент времени;

- пространство состояний – координатное пространство, по осям которого отложены функциональные параметры; в общем случае это пространство может быть n-мерным;

P₂ Р^ (P₁,P₂)

Р₁

- Z(t) – нарушения функционирования организма, вызванные возмущениями

Лекция №3

Оптимизация диагностики.

I. Подготовительный этап – работа с архивом. Этап диагностического процесса:

1. Создание формализованного списка заболеваний (включает в себя частоты встречаемости заболеваний в данном регионе).

В каком-либо отделении имеется n заболеваний D.

(d₁,d₂…d_n)

Вычисляется вероятность встречи каждого заболевания в данном отделении

w(d_i) = N(d₁)/N(D)

Затем все заболевания располагаются в порядке убывания встречаемости

2. Создание диагностического списка симптомов.

Цель – выявить симптомы, позволяющие наиболее эффективно диагностировать заболевания из всего списка D.

а) для каждого заболевания вычисляется отдельно.

б) для каждой пары из списка вычисляется информативность каждого симптома. Информативность симптома – величина характеризующая способность симптома S различать заболевания d_j и d_k.

в) вычисляется информативность каждого симптома для всего списка заболеваний путем суммирования отдельных информативностей.

г) симптомы выписываются в порядке убывания информативности. Название симптома, указание его информативности.

3. Создание диагностического списка параметров.

Цель – выявить функциональные параметры, позволяющие наиболее эффективно диагностировать заболевания из всего списка D.

а) для каждой пары заболеваний из списка вычисляется информативность каждого параметра. Информативность параметра – величина, характеризующая способность параметров P_i различать заболевания d_j иd_k.

б) вычисляется информативность каждого параметра для всех заболеваний из списка путем суммирования отдельных информативностей.

в) параметры выписываются в порядке убывания информативности.

II. Сбор данных о пациенте по поставленным вопросам.

III. Предварительная диагностика по списку симптомов (например алгоритм Бейеса - вычисляются вероятности наличия каждого заболевания из списка при данном симтомокомплексе). Если какая-то из вероятностей больше либо равна 0,95 (сумма вероятностей при данном симтомокомплексе = 1), то ДИАГНОЗ ПОСТАВЛЕН!

Если вероятность меньше 0,95, то происходит оптимизация сбора дополнительной информации:

а) выбор последовательности измерения параметров (по информативности);

б) выбор нужного диагностического теста.

IV. Диагностика по совокупности симптомов и параметров:

Сбор дополнительной диагностической информации дает данные для добора до 0,95 и постановки диагноза.

Этапы диагностического процесса.

Примеры:

- телеметрические системы дистанционной диагностики (ЭКГ);

- профилактические диагностики системы (анкета 75 вопросов, после обработки информации идет разбиение на три группы здоровые больные подверженные угроза сердечно-сосудистой патологии).

Моделирование – метод изучения окружающих нас объектов, процессов, явлений, путем создания их моделей.

Модель – искусственно созданная система, с той или иной степенью точности отражающая некоторые черты моделируемого объекта (модель всегда проще чем объект).

Проблема выбора модели – нахождение грани между усложнением модели и ее упрощением.

Классификация моделей:

1. по предмету

- структурные

- функциональные

- информационные

2. по средствам

- физические

- математические (абстрактные)

3. по принципу

- аналитические

- синтетические (метод черного ящика)

Лекция №4.

Моделирование патологических процессов.

Этапы создания модели нормы (усредненная модель) – создается на базе изучения группы практически здоровых лиц:

1 этап. Определение вектора состояния в норме (например, кривая температуры у 100 лиц – нормальное распределение Гауса):

• Любой параметр в норме распределен по нормальному распределению Гауса!

• Максимум приходится на среднее значение.

• Значение от вершины до середины кривой – находится среднее квадратичное значение параметра.

• Кривая симметрична относительно кривой проходящей через среднее значение.

2 этап. Нахождение изменения параметров со временем.

Нормальное изменение параметров происходит за счет биоритмов. Изменения носят периодический характер. Эти периодические изменения можно описать математически и получить зависимость.

3 этап. Процессы саморегуляции в организме протекают и в норме. Оценить их можно с помощью коэффициента чувствительности саморегуляции.

Чтобы найти коэффициент чувствительности саморегуляции необходимо:

А) оценить, связаны ли параметры между собой или нет. Для этого необходимо определить коэффициент корреляции.

Коэффициент корреляции. Численное значение коэффициента корреляции находится в пределах от минус единицы, до плюс единицы. Чем больше абсолютная величина коэффициента корреляции, тем теснее связь между исследуемыми параметрами и явлениями.

Связь меньше либо равна 0,3 – связь слабая

Связь меньше либо равна меньше 0,7 – связь средняя

Связь больше либо равна 0,7 – связь тесная

Б) если связь есть, то ее можно описать с помощью аппроксимирующей формулы. Для этого вводим данные в компьютер и рассчитываем выборочный и начальный коэффициенты регрессии (a и b).

P₂ = aP₁ + b – линейная зависимость

4 этап. Нахождение коэффициента возмущения.

В норме могут действовать различные возмущения. Их действие описывается коэффициентом чувствительности к возмущению.

Математическая модель нормы представляет из себя систему математических уравнений связывающих:

P_i^N σ_i^N P_i^N(t) R_p^N R_z^N

Создание модели заболеваний – создается на базе изучения групп лиц с определенными заболеваниями:

1. Определение вектора состояния при заболевании (сдвиг кривой в сторону патологии, сама кривая менее симметричная).

2. Нахождение временных зависимостей параметров. Параметры при заболевании изменяются:

- за счет биоритмов – изменения периодические;

- за счет заболевания – изменения не периодические.

На этом этапе выделяются изменения за счет заболевания.

3. Оценка коэффициента чувствительности саморегуляции.

А) оценить связанность параметров  определить коэффициент корреляции  анализ связи. Построение графиков  нахождение аппроксимирующей формулы. Анализ зависимости.

4. Коэффициент чувствительности к возмущению.