repead.ru 1

СИСТЕМА ПРИНЯТИЯ РЕШЕНИЙ ПО ВЫЯВЛЕНИЮ ГРУПП РИСКА СРЕДИ БЕРЕМЕННЫХ ЖЕНЩИН


О.Г. Берестнева, К.А. Шаропин, А.В. Старикова

Томский политехнический университет


В настоящее время в психологических исследованиях чаще обсуждаются вопросы детско-родительских отношений, изучается готовность к материнству, тогда как изучению психологической готовности к родам уделяется недостаточное внимание.

Актуальность проблемы для клинической психологии состоит в необходимости развития медико-психологического подхода в акушерской практике. На сегодняшний день доказано, что психогенные факторы способствуют нарушению биологической готовности к родам, возникновению родовых травм у новорожденных, а чрезмерно нервно-психическое напряжение приводит к аномалии родовой деятельности. Это снижает интеллектуальный потенциал общества, однако исследований по изучению поведенческой реакции беременных женщин и их влияния на исход родов недостаточно. Экспериментальный опыт и анализ литературы свидетельствуют о том, что реализация этой исследовательской работы будет перспективна и актуальна для общества, акушерской практики и отечественной психологии.

В рамках проекта РГНФ 07-06-12143в авторами разработана система принятия решений по выявлению групп риска среди беременных женщин. К группе риска относятся женщины, имеющие определенную совокупность психофизиологических показателей, предвещающая неблагоприятный исход родов.

Систему принятия решений схематически можно представить следующим образом (рис.1):




Рисунок 1. Архитектура системы принятия решений

Подсистема интеллектуального анализа разработана средствами Data Mining. Основная особенность Data Mining - это сочетание широкого математического инструментария. В технологии Data Mining гармонично объединились строго формализованные методы и методы неформального анализа, т.е. количественный и качественный анализ данных [Дюк В., Самойленко А. Data Mining: учебный курс. СПб: Питер, 2001]. С помощью инструментария Data Mining обнаружены логические правила в данных о беременных женщин. Правила формируются в виде продукционной модели «если..., то...». Продукции, с одной стороны, близки к логическим моделям, что позволяет организовывать на них эффективные процедуры вывода, а с другой стороны, более наглядно отражают знания, чем классические логические модели. В них отсутствуют жесткие ограничения, характерные для логических исчислений, что дает возможность изменять интерпретацию элементов продукции.


В качестве основного метода используется метод ограниченного перебора [Бонгард М., Проблема узнавания. М: Наука, 1967]. Данный метод реализован в системе поиска скрытых закономерностей WizWhy компании WizSoft. Эта система интересна тем, что ее разработчики утверждают, что она способна обнаружить все «если…то…»-правила в данных. Это подтверждение подкрепляется сообщением о весьма большом количестве структур, использующих WizWhy. Поиск логических правил осуществляется в системе WizWhy, реализующей ограниченный перебор, исключающий из анализа логические события с низкой частотой. [Дюк В., Эмануэль В., Информационные технологии в медико- биологических исследованиях. СПб: Питер, 2003].

Посредством системы WizWhy обнаружено 592 правила с минимальной вероятностью 0, 710. Благодаря возможностям системы, полученные правила протестированы на контрольной выборке. Качество распознавания составило 92%, что позволило использовать полученные правила в подсистеме принятия решений.

В настоящее время система внедрена в опытную эксплуатацию в одной из женских консультаций г. Томска.