олила виділити 12 найбільш інформативних показників для прогнозування в ранні терміни захворювання інфекційних ускладнень гострого панкреатиту:
Гј тип госпіталізації в стаціонар (переклад з іншої лікарні);
Гј вік хворого;
Гј індекс маси тіла;
Гј температура тіла хворого;
Гј частота серцевих скорочень;
Гј частота дихальних рухів;
Гј кількість лейкоцитів крові;
Гј здуття живота, яке визначається протягом 24 годин від початку захворювання (підвищений внутрішньочеревний тиск);
Гј гострі рідинні освіти і (або) вільна рідина в черевній порожнини, що визначаються в перші 24 години від початку захворювання;
Гј сечовина крові;
Гј глюкоза крові;
Гј відсутність поліпшення загального стану хворого протягом 24 годин комплексної інтенсивної терапії (пацієнт В«не відповідаєВ» на проведене лікування, зростання кількості балів за шкалою SAPS II).
Технологія Data Mining (DM), що включає нейромережеве моделювання, метод опорних векторів та ін, застосована N. Horowitz et al. в розробці діагностичної анкети для виявлення гастроезофагеальної рефлюксної хвороби. Авторами були обстежені 132 пацієнта, на підставі отриманих даних побудована DM-модель, що дозволила відібрати найбільш важливі та достовірні ознаки захворювання: печія, відрижка кислим, позитивний ефект від антацидний терапії і погіршення самопочуття після гострої, жирної їжі. Чутливість і специфічність даного методу склали 75% і 78%. p> Y.C. Lee et al. використовували DM-технології для прогнозування зниження маси тіла після хірургічного лікування ожиріння. У роботі ретроспективно враховані дані 249 пацієнтів (177 жінок і 72 чоловіки), оперованих різними методиками. 208 хворих (83,5%) протягом 2 років після операції успішно знизили масу тіла, тоді як у 41 (16,5%) ефекту не було. Створена авторами DM-модель дозволяє ще до операції виявити, чи буде після неї ефект і який вид втручання переважніше.
Спільною рисою, що об'єднує всі наведені вище приклади, є відсутність єдиної універсальної технології створення нейромережних моделей. У публікованих розробках використовуються найрізноманітніші архітектури та алгоритми функціонування експертних систем. Це призводить до того, що майже для кожного завдання розробляється своя власна архітектура, а часто - деякий унікальний алгоритм або унікальна модифікація вже існуючого алгоритму. З точки зору практичного застосування такі експертні системи майже не відрізняються від традиційних програм прийняття рішень. Більше того, запропоновано методи автоматизованого перетворення традиційних експертних систем в нейромережеві. Їх розробка потребує участі фахівців з нейроінформатіке, а можливості конструювання користувачем практично відсутні. Це робить такі системи дорогими і не дуже зручні для практичного застосування, тому в публікаціях автори в основному порівнюють якість роботи нейромережевих алгоритмів і традиційних систем, що працюють за...
