Представлены три подхода (детерминистский, стохастический и хаотический-самоорганизационный) в изучении биомедицинских систем. Показывается, что сложные биосистемы невозможно описывать в рамках детерминизма и сто-хастики из-за непрерывного изменения параметров xi всего вектора состояния таких систем x=x(t). Главное отличие детерминистских и стохастических систем от хаотических-самоорганизующихся заключается в непрерывном хаотическом движении x(t) в фазовом пространстве состояний. Представлен комплекс объектов, которые авторы исследуют последние 30 лет и которые соответствуют системам третьего типа. Выделены особенности персонифицированной (индивидуализированной) медицины, которая отрицает возможность идентификации состояния организма человека по одному измерению (точке в фазовом пространстве). Это связано с тем, что в интервалах изменения xi мы имеем равномерное распределение x(t), что выражается в непрерывном изменении функций распределения f(x) для разных дискретных интервалов регистрации x(t) по всем xi. Высказывается утверждение о схожей динамике поведения нейронных сетей мозга и работы нейроэмуляторов, которая заканчивается определённостью в размерах объёмов квазиаттракторов.
The article presents three approaches (deterministic, stochastic and chaotic – self-organizing) for studying biomedical systems. The authors show that complex biosystems cann’t be described by deterministic and stochastics because of constant changing parameters xi of a state vector of such systems x=x(t). The fundamental distinguish of deterministic and stochastic systems from chaotic – self-organizing is continuous movement x(t) in phase space of states. The authors also present complex of objects which the authors have been studying for the last 30 years and which conform the type III systems. The particular features of the personalized medicine are presented, that denies possibility of identification of body state at one measurement (a point in a phase space). It is connected with the fact that there is a uniform distribution x(t) in time-domain xi which is revealed in continuous change of distribution functions f(x) for different discrete recording time-domain x(t) at all xi. The authors assert that behavior dynamics of neural networks is similar to work of neuroemulators that is terminated by certainty in quasi-attractor’s volumes.