Методи Аналізу Інформативності В Медичних Системах Підтримки Прийняття Рішень

Abstract

Анотація. Ця стаття присвячена розробці важливої частини комп’ютеризованих систем медичного моніторингу, а саме частини системи стратифікації даних пацієнтів – методів визначення інформативності параметрів. Внутрішній стохастичний характер даних, які генеруються цими системами, потребує передових методів для визначення стану пацієнтів, що часто потребує попередньо визначеної логіки або експертного втручання. Використання методів машинного навчання для аналізу даних у системах медичного моніторингу може допомогти виявити складні взаємозв’язки між даними та станом пацієнта, зрештою покращуючи якість лікування. Дослідження розглядає об’єднання моделі штучної нейронної мережі з методами для визначення інформативності параметрів даних, надаючи розуміння впливу параметрів на вихід моделі. У дослідженні розглянуто розроблений градієнтний метод оцінки загальної інформативності параметрів та модифікований метод інтегрованих градієнтів для оцінки параметрів інформативності конкретних вхідних даних. У дослідженні використовуються дані серцевих захворювань UCI, репрезентативний набір даних, що відображає типові дані пацієнтів у комп’ютерних системах медичного моніторингу. Проблеми цих даних, як упередженість, відсутні значення та висока розмірність, підкреслюють складність реальних медичних даних, створюючи значну проблему для запропонованих методів. В роботі показано ефективність запропонованих методів та проаналізовано їх шляхом порівняння з оцінкою варіативності PCA. Запропонований метод на основі градієнтів демонструє високу обізнаність щодо важливості параметрів і враховує нелінійні зв’язки в даних. Метод інтегрованих градієнтів показує зв'язок між загальними значеннями інформативності та інформативністю конкретних даних. Результати вплинуть на розробку систем підтримки прийняття рішень для комп’ютерних систем медичного моніторингу.