В работе представлен анализ результатов хирургического лечения пациентов с хро‐ нической патологией легких. С целью прогнозирования вероятности возникновения послеопераци‐ онных осложнений, длительности лечения и заключительного исхода после хирургических вмеша‐ тельств на легких были использованы искусственные нейронные сети. На данный момент в торакальной хирургии практически нет общепризнанных прогностических систем, позволяющих с высокой степенью достоверности принимать правильное решение в лечебной тактике при различных заболеваниях легких. Сложность прогнозирования в данной ситуации обусловлена тем, что значительная часть ин‐ формации представляет собой субъективные экспертные оценки врача, основанные на его знаниях и опыте лечения больных с патологией легких. В результате исследования было определено, что метод моделирования на базе искусственных ней‐ ронных сетей, позволяющий решать задачи классификации, оптимизации и прогнозирования, дает более высокую точность прогноза по сравнению с многомерными статистическими методами анализа. В статье показано, что использование методов искусственных нейронных сетей дает возможность более точно прогнозировать риск возникновения послеоперационных осложнений, что позволяет ускорить работу специалистов, планировать работу клиник с высокой хирургической активностью.
The paper presents an analysis of results of surgical treatment of patients with chronic lung disease. To predict the probability of postoperative complications, duration of treatment and the final outcome after surgical treatment for lung the authors used artificial neural networks (ANN). Currently in thoracic surgery practically there are no universally accepted prognostic systems, allowing with high degree of confidence to make the right decision in the treatment strategy for various lung diseases. The complexity of forecasting in this situation due to the fact that the most information is a subjective expert evaluation by a physician based on his knowledge and experience in the treatment of patients with lung disease. The results of the research proved that the modeling method based on ANN allows to solve problems of classification, optimization and forecasting and to give higher prediction accuracy in comparison with multivariate statistical analysis methods. The article shows that the use of ANN methods enables more accurately predict the risk of postoperative complications. This accelerates the work of specialists and facilitates to plan hospitals with high surgical activity.
В настоящее время решающую роль в по‐вышения эффективности и качества медицин‐ского обслуживания играют информационныетехнологии. Актуальные задачи практическоймедицины являются идеальным полем для ис‐пользования технологий нейронных сетей (НС),и именно в этой области наблюдается наиболееяркий практический успех нейроинформаци‐онных методов, с развитием которых все чащепредпринимаются попытки внедрения в лечеб‐ную деятельность программированного про‐гнозирования [2‐4,6,7]. Все больше ученых в по‐следнее время приходят к выводу, что обычныемодели и алгоритмы не могут быть примененык медицинским задачам из‐за низкой степенинадежности и эффективности. В то время как спомощью интеллектуальных нейронных сетейстало возможным принимать решения, осно‐вываясь на выявлении ими скрытых закономер‐ностях в многомерных данных, что способствуетопределению наиболее важных симптомов за‐болевания. В приложении к медицинской ди‐агностике НС дают возможность значительноповысить специфичность метода, не снижая егочувствительность [1‐3].