Discussion orbit
Theories of the functioning of living systems
Systems modeling in gerontology
Information technologies of health and longevity
Information technologies in medicine
А.И. Молодченков, М.В. Хачумов, Л.П.Яшина "Подходы к анализу отклонений медицинских технологических процессов"
Systems analysis of medico-demographic processes
А.И. Молодченков, М.В. Хачумов, Л.П.Яшина "Подходы к анализу отклонений медицинских технологических процессов"

Аннотация.

В статье рассмотрены вопросы автоматизированного анализа медицинских технологических процессов (МТП), обобщающих опыт работы врачей в формализованном виде. Предлагаемый подход позволяет проводить более тонкий и аргументированный анализ МТП с целью своевременного выявления и оценки величины отклонений текущего лечебного процесса от стандарта и имеющихся прецедентов с известными исходами. Для оценки отклонений используется алгоритм DTW, позволяющий определять расстояния между парой сравниваемых процессов, содержащих информацию о выполнении или невыполнении определенных стандартом действий. Процесс лечения представлен в виде замкнутой интеллектуальной системы управления, в которой объектом служит пациент, а управление осуществляется врачом на основе рекомендаций, получаемых в результате автоматизированного анализа МТП.

Ключевые слова:

медицинский технологический процесс, управление, анализ отклонений.

Стр. 74-84.

Полная версия статьи в формате pdf. 

A.I. Molodchenkov, M.V. Khachumov, L.P.Yashina

"Approaches to analysis of deviations of medical processes"

Abstract. The paper deals with the automated analysis of medical processes (MP), generalizing the experience of doctors in a formalized manner. The proposed approach allows to pursue a more subtle and well-reasoned analysis of the MP in order to timely identify and assess deviations of the analyzed MP from the standard treatment process and existing cases with known outcomes. To evaluate the deviation the algorithm DTW, which allows to determine the distance between a pair of processes compared with information on performing or not performing certain standard actions, is used. The treatment process is presented as a closed intelligent control system where the object is a patient and management is performed by a physician on the basis of the recommendations getting from the automated analysis of the MP.

Keywords: medical process, control, analysis of deviations.

REFERENCES

1. Molodchenkov A.I. Avtomatichesky sintez tipovih schem lecheniya na osnove medicinskih dannih. X Ejegodnaya specializirovannaya konferenciya I vistavka “Informacionnie tech-nologii v medicine” / Oficialny katalog. Materiali konferencii./ - M.: “Konsef”, 2009, pp. 148-156.
2.  Molodchenkov A.I. Formalizaciya opisaniya lechebno-diagnosticheskih processov. Nechetkie sistemi I myagkie vichisleniya: sb. st. Tret’ey Vserossiyskoi nauchnoi konferencii: V 2 t. V I, Volgograd, 2009, pp. 103-109.
 3. Molodchenkov A.I., Fralenko V.P., Khachumov V.M. Klassifikaciya stepeni tyajesti zabolevaniya na osnove iskusstvennih neyronnih setey. – Vestik RUDN. Sriya Matematika. In-formatica. Phizika, №2, 2014, pp. 150-156.
4. Nazarenko G.I., Osipov G.S. Osnovi teorii medecinskih technologicheskih processov. Ch. 1. – M.: FIZMATLIT, 2005. – 144 p.
5. Nazarenko G.I., Osipov G.S. Osnovi teorii medecinskih technologicheskih processov. Ch. 2. Issledovanie medicinskih technologicheskih processov na osnove intellektual’nogo analiza dannich. – M.: FIZMATLIT, 2005. – 144 p.
6. Nazarenko G.I., Osipov G.S., NazarenkoA.G., Molodchenkov A.I. Intellektual’niye sistemi v klinicheskoy medicine. Syntez plana lecheniya na osnove precedentov // Scientific and Technical Information Processing. – 2010, №1, pp. 24-35.
7. Romanenko A.A. Viravnivanie vremennih ryadov: prognozirovanie s ispol’zovaniem DTW / Machine learning and data analysis, 2011, V. 1, №1, pp.77-85.
8. Khachumov V.M. Modeli konveyernogo medicinskogo technologicheskogo processa. – Artificial intelligence and decision support, №3, 2009, pp.25-32.
 9. Khachumov V.M., Pogodin S.V. Modelirovanie raboti lechebnogo uchrejdeniya kak sstemi massovogo obslujivaniya. - Artificial intelligence and decision support, №1, 2010, pp.49-56
10. Khachumov M.V. Primenenie derev’ev resheniy kak instrumenta dlya opredeleniya stepeni zabolevaniya – Sbornik materialov XVII Mejdunarodnoi nauchno-prakticheskoi konferencii “Perspektivi razvitiya informaionnih technologiy” Novosibirsk: izdatel’stvo CRNS, 2014, pp. 154-159.
11. Khachumov M.V. Primenenie iskusstvennih neyronnih setey dlya avtomaticheskoi klassifikacii stepeni zabolevaniya – Sbornik nauchnich trudov po materialam III Mejdunarodnoi nauchno-prakticheskoy konferencii “Teoreticheskie I prikladnie aspekti sovremenoi nauki” (Belgorod, 2014 September 30), part 1, 2014, pp. 203-208.
12. Adriansyah, A.: Aligning Observed and Modeled Behavior. Ph.D. thesis, Eindhoven University of Technology (2014).
13. Ing-Jr Ding, Chih-Ta Yen, Yen-Ming Hsu. Developments of Machine Learning Schemes for Dynamic Time-Wrapping-Based Speech Recognition // Mathematical Problems in Engineering. 2013.
14. Leemans S.J.J., Fahland D., der Aalst W.M.P. Process and Deviation Exploration with Inductive Visual Miner. In L. Limonad and B. Weber, editors, Business Process Management Demo Sessions (BPMD 2014), volume 1295 of CEUR Workshop Proceedings, pages 46-50. CEUR-WS.org, 2014.
15. Leemans S., Fahland D., van der Aalst W.M.P. Exploring Processes and Deviations. In F. Fournier and J. Mendling, editors, Business Process Management Workshops, International Workshop on Business Process Intelligence (BPI 2014), Lecture Notes in Business Information Processing, Springer-Verlag, Berlin, 2015.

2019-69-2
2019-69-1
2018-68-4
2018-S1

© ФИЦ ИУ РАН 2008-2018. Создание сайта "РосИнтернет технологии".