MüASİR İnformasiya texnologiyalarinin tiBBİ MƏSƏLƏLƏRİn həLLİNDƏ rolu 1
Yüklə 108,19 Kb. Pdf görüntüsü
|
- Bu səhifədəki naviqasiya:
- G.G.Abdullayeva, 1 A.H.Mirzəyev⃰ ⃰e-mail: azer.mirzoev@mail.ru
- Açar sözlər
- Ключевые слова
- SUMMARY THE ROLE OF MODERN INFORMATION TECHNOLOGIES IN THE PROBLEMS OF MEDICINE S.Kh.Kerimov
| MÜASİR İNFORMASİYA TEXNOLOGİYALARININ TİBBİ MƏSƏLƏLƏRİN HƏLLİNDƏ ROLU 1 S.H.Kərimov, 2 G.G.Abdullayeva, 1 A.H.Mirzəyev⃰ ⃰e-mail: azer.mirzoev@mail.ru 1 Ə.Əliyev ad. Azərbaycan Dövlət Həkimləri Təkmilləşdirmə İnstitutu 2 AMEA İdarəetmə Sistemləri İnstitutu Məqalədə informasiya texnologiyalarının inkişafının bilavasitə insan cəmiyyətinə təsiri və xüsusilə tibbdə tətbiqi araşdırılır. Bu texnologiyaların yüksəlişi tibbin mürəkkəb məsələlərinin həllinə yol açır. Sadə tibbi testlərdən, riyazi modellərdən mürəkkəb çoxagentli sistemlərə qədər gedən yol informatika sahəsinin mütəxəssisləri ilə ekspert-həkimlərin birgə səyləri və iş birliyinin nəticəsidir. “Elektron Azərbaycan” Dövlət Proqramına əsaslanan elektron səhiyyənin səviyyələrlə təşkili göstərilir və tibbdə uğurlu tətbiqini tapmış ekspert sistemləri, intellektual- informasiya sistemləri, çoxagentli sistemlər haqqında məlumat toplusu verilir. Açar sözlər: informasiya texnologiyaları, riyazi model, test, ekspert sistemi, biostatistika, süni intellekt
Dəqiq elmlərin qarşısında dayanan problem şüur, təfəkkür, təsvir və toplanmış biliklər, beyinin anlayış mexanizmi proseslərinin formalaşdırılmış təsvirlərini yaratmaqdır. İnformasiyanın gücü intellektual imkanları qabaqlayır. İnformasiya ehtiyatlarının idarə olunması və yeni mürəkkəb məsələlərin həllinin təmin edilməsi üçün bu gün yeni axtarış sistemlərinin mükəmməlləşməsi, informasiyanın yadda saxlanması və axtarışının yeni prinsiplərinə keçid, informasiya sistemlərinin (İS) yaradılması istiqamətində addımların atılması tələb olunur [1]. İstənilən halda informasiya sistemlərinin əsas məsələsi konkret predmet sahəsi çərçivəsində konkret informasiya tələbatının ödənilməsidir. İnformasiya sistemi aşağıdakı funksiyaları yerinə yetirir: istifadəçi tərəfindən verilmiş informasiyanı, sorğu və ilkin məlumatları qəbul edir, məlum alqoritm əsasında sistemə daxil edilmiş və yadda saxlanmış məlumatları emal edir və lazımi formada təqdim edir. Tibb, biologiya və fiziologiya sahəsində irəliyə doğru inkişaf kompüter tədqiqat sistemlərinin yeni imkanları ilə bağlıdır, çünki onlar yalnız məlumatların statistik işlənməsi vasitələri deyil, həmçinin tibbi-bioloji təfəkkürün alətidir. Kliniki-laborator məlumatlarının emalı paradiqması onların dərindən hərtərəfli təhlilinin dəyişməsinə yönəlib, bu isə müasir tibbi informatikanın əsas məsələlərindən biridir. Faktiki olaraq, empirik məlumatlardan yeni tibbi-bioloji
biliklərin avtomatlaşdırılmış çıxarılması məsələsi qarşıya qoyulur və həkimə onu əməli məsələlərin həlli üçün istifadə etmək imkanı təqdim edilir. Biz, insan cəmiyyətinin inkişafının elm və texnikanın nailiyyətləri ilə sıx bağlı bir dövründə yaşayırıq. Bu gün elə bir sahə yoxdur ki, orada informasiya texnologiyalarının tətbiqinə rast gəlinməsin. Belə sahələrdən ən parlağı tibbdir. Tibbi problem sahəsinin mürəkkəbliyi müxtəlif bilik sahələri arasında ən çox saylı intellektual sistemlərin səhiyyədə işlənməsinə gətirib çıxarmışdır. Ümumdünya Səhiyyə Təşkilatının (ÜST) əsas məsələlərindən biri tibbdə informasiya qarşılıqlı əlaqə və istifadə üçün süni intellektin metodları və vasitələri ilə İİT-nın tətbiqidir [2]. Bu məsələnin həlli insanın bütün növ patoloji və funksional vəziyyətləri haqqında universal, vahid işləmə prinsipləri əsasında yaradılmış tibbi verilənlər bazası (TVB) olmadan mümkün deyil. Tibbdə qoyulan məsələnin yerinə yetirilməsində informasiya texnologiyaları mütəxəssisləri üçün əsas şərt iri həcmli, bəzən bir-birinə zidd tibbi informasiyanın strukturlaşdırılması, daha sonra onun təsnifata ayrılması və TVB-nın elementlərinə qədər paylanmasıdır. Bu zaman mühüm məsələlərdən biri klinik praktikanın əsas məsələsinin həll edilməsinə yönəlmiş insan canlı orqanizmlərin müxtəlif vəziyyətlərinin diferensiasiyasını təmin edən texnologiyaların yaradılmasıdır. Bu məsələ patoloji prosesin identifikasiya meyarı kimi klinik əlamətdən istifadə edilməsi ilə həll olunur [3]. Müasir informasiya texnologiyaları müxtəlif dəqiq müəyyən olunan proseduraların vasitəsilə kliniki verilənlərin analizinin aparılmasına imkan verir. Ümumiyyətlə müasir intellektual informasiya sistemləri konsepsiyası xəstələr haqqında elektron yazılarının (electronic patient records) tibbi təsvir arxivləri, tibbi monitorinqin verilənləri, laboratoriyanın nəticələri ilə bərabər birləşdirilməsini, informasiya mübadiləsi üçün müasir vasitələri (xəstəxanadaxili elektron poçtu, videokonfrans və s.) nəzərdə tutur [4,5,6]. 2005-ci il oktyabrın 21-də Azərbaycan Respublikası Prezidentinin qərarı ilə, Azərbaycan Respublikasında əlaqə sistemlərinin və informasiya texnologiyalarının inkişafına yönəlmiş “Elektron Azərbaycan” Dövlət Proqramında Səhiyyə Nazirliyi
qarşısında 2005-2008-ci və sonrakı illərdə zəruri tədbirlər aydınlaşdırılırdı [7]. Yuxarıda qeyd olunan məsələlər bu sənəddə öz əksini tapmışdır (şək.1)
Şək.1. Elektron səhiyyənin səviyyələrlə təşkili Statistik metodologiyanın tibbdə ən fəal surətdə tətbiq edilməsinin yüz ildən artıq tarixi var. M.K. Zenes “Həqiqi nəticələr əvəzinə yanlış nəticələr almamaq üçün tibbdə statistik məlumatları necə toplamaq və emal etmək olmaz” məqaləsində tibbdə riyaziyyatın tətbiqinin mümkünlüyünü analiz edərək belə qənaətə gəlmişdir ki, “riyazi statistika üsulları tibbdə insan səhətinin idarə olunmasında öz dəyərli yerini tutacaq, çünki onun tətbiq edilməsindən ən məhsuldar nəticələri gözləmək olar və lazımdır”.
Tibb sahəsində bu səpkidə ilk işlər testlər oldu. Testlər alternativ cavablar üzərində iki üsulla qurulurdular: a) cavablar “hə/yox”-ların cəmi kimi qəbul edilirdi; b) cavablar ballarla verilir, toplanır, həkim tərəfindən təyin edilmiş sərhəd qiyməti alınan cəm aşdıqda cavab “hə”, sərhəddə çatmadıqda “yox” kimi qəbul edilirdi. Tibbi diaqnostika, müalicə, proqnoz məsələlərini bu çərçivədə həll etmək həkim mülahizələrindən çox uzaq idi. Növbəti mərhələyə riyazi modelləşdirmə üsullarının tətbiqini aid etmək olar. Modelləşdirmə dedikdə modelin qurulması, öyrənilməsi və tətbiqi prosesi başa
düşülür. O, abstraksiya, analogiya, fərziyyə və s. kimi kateqoriyalarla sıx bağlıdır. Modelləşdirmə prosesinə abstraksiyaların qurulması, analogiyalara əsaslanan mühakimələr və elmi hipotezlərin yaradılması daxildir. Aydındır ki, model həm orijinalla eynilik təşkil edən zaman (o zaman o, artıq orijinal olmur), həm də həddən artıq fərqli xüsusiyyətlərə malik olan zaman öz mənasını itirir. Tibbdə üç növ riyazi modellərə rast gəlinir: keyfiyyət, imitasiya və kəmiyyət tipli. Keyfiyyət tipli modellər əsasən elmi araşdırmalarda istifadə olunur [8,9]. Model üzərində müxtəlif növ eksperimentlərin aparılması imitasiya modelləri vasitəsi ilə həyata keçirilir. Bu modellər həm öyrədici, həm də etik və sosial normalara uyğun gəlir. Buna misal olaraq ilan zəhərlənmələrində fərdiləşdirilmiş müalicə modelini misal gətirmək olar [10, 30]. Kəmiyyət modelləri tibb sahəsində daha çox riyazi statistikaya əsaslanırlar. Onların vasitəsilə pasiyentin cari vəziyyəti və proqnoz məsələləri öz həllini tapır [11,12,13]. Həkim qoyduğu diaqnoza tək tibbi ədəbiyyat mənbələri deyil, eyni zamanda öz şəxsi təcrübəsi, intuisiyası, rast gəldiyi presezentlər və s. təsirini göstərir. Demək olar ki, mürəkkəb tibbi məsələ informasiya texnologiyaları nöqteyi nəzərindən zəif struktura malik, pis və yaxud heç formalizə olunmayan (yəni riyazi düsturlarla yazıla bilməyən) məsələlər sinfinə aiddir. Deməli qarşıya məsələ qoyulur ki, həkimin mülahizələrini, yəni diaqnoza gətirib çıxaran məntiqi yolu elektron maşına öyrətməli. Məntiq qədim elmlərdən biridir. Aristotel (e.ə. IV əsr) tərəfindən məntiqə aid təklif olunmuş qanunlar qüvvədədir və müasir formal məntiqin əsasını təşkil edir [14]. İnsan necə düşündüyünü, dərk etdiyini, hansı mülahizələrlə qərar qəbul etdiyini anlamağa çalışmışdır. Məntiq elm kimi filosofları və riyaziyyatçıları daim cəlb etmişdir, həqiqət və yalan mühakimələr üçün dəqiq, isbatlı nəzəriyyə tələb olunurdu. Artıq XX əsrdə məntiq texniki elmə çevrilir və hər mülahizə sübuta çatdırılır. Formal məntiqə əsaslanaraq hesablama maşınlarının element və düyünlərinin elektrik sxemləri qurulur. Nəhayət, hesabi maşınlar təkcə riyazi deyil, həm də məntiqi məsələləri həll etmək bacarığına malik olurlar. Hesablama maşınlarının inkişafında növbəti mərhələ məntiqi nəticə əsasında insanın dərketmə fəaliyyətini modelləşdirən məsələlərin qoyuluşu idi. Bu proses öz növbəsində yeni elmi istiqamətin – süni intellekt nəzəriyyəsinin yaranması ilə nəticələndi. Süni intellekt fənlərarası elmdir və ruyaziyyat, kibernetika, proqramlaşdırma, linqvistika, psixologiya, biologiyanın qovuşmasında öz yerini tapmışdır. Süni intellektin nəzəri elmdən praktiki elmə keçidi ilk ekspert sisteminin yaradılmasından başlayır. Tibbi diaqnostik sistemin yaradılmasında çətin və mürəkkəb məsələlərdən biri xəstəliyin formal təsviridir. Adətən, hər hansı bir xəstəliyin gedişi müddətində aşkarlanan simptom və sindromların sayı çox böyük ola bilər. Məsələn, kəllə və baş beyin qapalı travmalarında ikili əlamətlərin sayı iki mindən artıqdır. 1972-ci ildə Stenford universitetində (ABŞ) sepsisin diaqnostikasını həyata keçirən proqram üzərində işlər başlamış və birinci, ən məşhur MYCIN tibbi ekspert sistemi yaradılmışdır. Bu işi həkimlərlə birlikdə süni intellekt mütəxəssisləri yerinə yetirmişlər [15]. MYCIN-də ehtimal qiymətləndirmə sistemlərinin arxitekturası üzərində “Əgər – Onda” produksiya sistemi qəbul edilmiş və tibbdə empirik biliklərin üstünlük təşkil etməsi nəzərə alınmaqla, diaqnostika məsələsi həll olunmuşdur. Sistem uğurlu hesab edilsə də, onun zəif tərəfləri var idi: 1. Sistem əlavə “izahetmə vasitələri”ni tələb edir; 2. Biliklər əsasında alınmış nəticələrdə riyazi gözləmənin hesablanmasından istifadə edə bilmirdi; 3. Həkimə
(ekspertə) xas
olan mühakimələr ardıcıllığı modelləşdirilməmişdi. MYCIN sistemi ilə eyni vaxtda Pittsburq universitetində (ABŞ) INTERNIST sistemi işlənib hazırlanmışdır (sistemin əsas yaradıcıları informatika mütəxəssisi Popl və daxili xəstəliklər üzrə həkim Mayersdir). Popl tərəfindən verilən sxemdə bir tərəfdə xəstəliklər arası, digər tərəfdə simptomlar (əlamətlər) arasında iki istiqamətli əlaqə mövcuddur. INTERNIST ağacvarı struktura malikdir ki, burada daxili xəstəliklər iyerarxik təsnifat şəklində təsvir olunmuşdur. Ağacda kökün düyünü bütün məlum xəstəlikləri, qeyri-terminal düyünlər – xəstəliklər sahəsini, terminallar isə konkret xəstəliyə uyğun gəlir [16,17]. INTERNIST-I sisteminin prototipi 1974-ci ildə yaradılmış və o vaxtdan onun klinık imkanları və təkminləşməsi üçün daim qiymətləndirilməsi aparılır. Bu cür sınaqlar sistemin çatışmamazlıqlarını aşkar etdi və daha təkmilləşmiş, yeni keyfiyyətlərə malik İNTERNİST-II (CADUCEUS adı ilə tanınan) sisteminin işlənib hazırlanması üçün cəhd edildi. Məsələn, burada aşağıdakı yeniliklər var: a)
anatomik struktura nəzərən çıxarış sistemi; b)
diaqnoz qoyulan zaman bundan əvvəlki müalicə haqqında bilikləri nəzərə alan sistem. İNTERNİST sisteminin gözəl xüsusiyyətlərindən biri ondan ibarətdir ki, diaqnoz qoyuluşu zamanı hadisələr insanın təfəkkür prossesinin modelinə yaxınlaşır. Prose-sin iki mərhələsi vardır: a) xəstəliklərin doğru hipotezlərinin seçilməsini özünə daxil edən tanınma fəzasının məhdudlaşdırılması (tibbi ədəbiyyatlarda “diaqnostikanın diferensial modelı” kimi məlumdur); b) simptomlara ən tam cavab verən xəstəliklərdən hansı birinin (müəyyən yağımdan) idenfikasiyası yolu ilə diaqnostika məsələlərinin həll edilməsi üçün strategiyanın tədbiqi (modelin bəzi xüsusiyyətləri nəzərə alınır). Məsələn, “döş qəfəsi nahiyəsində olan ağrılar” sindromu iki bir-birinə zidd gələn xəstəliklərə məxsusdur: stenokardiya və dispepsiya. Burada “diaqnostikanın differensial modeli”-nin mahiyyəti əsil mənasını kəsb edir. Hal-hazırda İNTERNİST sistemi yalnız məsələ qoyuluşu ilə bağlı olan məsələ-ləri həll edir. Daxili xəstəliklərin diaqnostikasının ES-nin sənaye variantı olan CADUCEUS bilik bazasında 500 xəstəlik forması haqqında (daxili xəstəliklərin təxminən 80%) məlumatlar yadda saxlayır, sistemdə təxminən 100000 simptomlar-la xəstəliklər arasında assosiativ əllaqələr vardır. CADUCEUS ES klinikada və tə-ləbələrə tədrisdə istifadə olunur. Tatarintsev P.B. [18] qeyd edir ki, tibbi-bioloji informasiyanın xüsusiyyətlərini nəzərə alaraq onların tədqiqinə formal yanaşma problemləri bu gün də mövcuddur və bununla əlaqədar konkret zəif və ya özünü pis büruzə verən xəstəliklər üçün diaqnostika və proqnoz sistemləri yaratmaq aktual olaraq qalır.
МЕДИКС - iyerarxik təsnifata əsaslanan diaqnostika sistemidir [19]. Onun yaradıcıları xəstəliyin diaqnostikası deyəndə ilk öncə təsnifat məsələsini həll edirlər, yəni xəstəlik aşkarlanan simptomlarına görə hər hansı sinfə mənsub edilir, sonra isə bu sinifdə diferensiallaşma yolu ilə öz həllini tapır. Məsələn, ürəyin işemiya xəstəliyi, komatoz vəziyyətlər, kəskin qarın – təsnifat siniflərdir. Birinci təsnifat sinfində dəqiq həll ola bilər stenokardiya və ya miokardın infarktı, ikinci təsnifat sinfində – diabetin koması, hipoqlikemik koma və s. komalar, üçüncü təanifat sinfində – kəskin pankreatit, bağırsaq keçməməzliyi və s. Sistem kifayət qədər mürrəkəbdir, lakin rahat interfeys istifadəçinin işini yüngülləşdirir. Sistem predmet-yönümlü altsistemlərlə təchiz olunduğundan, həkim ona lazım olanı seçmək imkanı əldə edir və bununla axtarış məkanı sıxılır. Bu sistemin genişlənmə imkanları da var, yəni mütəxəssis yeni təsnifat sinfini, onun nümayəndələrini, simptomlarını daxil etməklə yeni məsələ həll edə bilər. DİDİMA sistemi mənsubiyyət funksiyasının maksimumuna görə qeyri-səlis təsnifat alqoritmi üzərində işlənmişdir. Sistem döş xərçənginin başlanğıc mərhələsində diferensial diaqnostika imkanlarına malikdir. Xəstəliklərin iyerarxik sistemləşdirilməsi üzərində quraşdırılmış Centaur və biliklərin freym şəklində təsvirlərindən istifadə edən PUFF əkspert sistemləri tənəffüs orqanları xəstəliklərinin diaqnostikası və tənəffüs orqanlarının işinin pozulmasının diaqnostika məsələsini həll edir. Molgen sistemində təkliflərin və yeni araşdırmaların metasəviyyəli arxitekturası və paradiqması istifadə olunmuşdur. Bu sistem molekulyar genetikada eksperimentlərin planlaşdırmasına yönəlmişdir. Glikon – məntiqi çıxarışın nisbətən böyük olmayan dərinliyi şəraitində diabetin zamanı qanda şəkərin idarə edilməsinə yönəlmiş məsləhətçi ekspert sistemidir. RADEX sistemi isə xəstəxanalarda pasiyentlərin tibbi xidmət göstərilməsində məsləhətçidir. LEDİ-Z ekspert sistemi [20] intensiv terapiya prosesində xəstələrin vəziyyətinin diaqnostikasını həyata keçirən (konkret olaraq hemodializə xəstənin hazırlığı terapiya məsələsi və dializatın tərkibi məsələsi həll edilmişdir) diaqnostika sistemidir. Ekspert sisteminin əsas strukturunu vəziyyətin idarə edilməsində ənənəvi olan komponentlər toplusu təşkil edir. Biliklər “əgər...onda” tipli məntiqi çıxarış qaydaları ilə freymlərdə semantik şəbəkələr şəklində təsvir olunmuşdur. «Tibbi-bioloji tədqiqatlarda Data Mining texnologiyaların tətbiqi” məqaləsində müəllif V.А.Dyuk [21,22] verilənlər bazasında biliklərin aşkar edilməsini müfəssəl şərh etmişdir. Müəllif exokardioqrammanın verilənlərinə görə ürək tutması keçirmiş xəstələrin yaşama zamanını proqnoz etmək üçün sistemi misal gətirmişdir. Baxılan sistemdə Mühakimə edən produksiya qaydalarından istifadə etdiyi üçün müəllif bu sistemi ekspert sistem adlandırır. Respublikamızda yaradılan sistemlərdən prof. Aşurov B.M. və b. tərəfindən yaradılan ekspert sistemini qeyd edək. Operativ cərrahiyyədə (kəskin qarın sindromu) diaqnostika məsələsini həll edən sistem tədrisdə də istifadə olunur [23]. BEST (Bayes Expert System Tools) instrumental ekspert sistemi [24] qərarların qəbul edilməsini Bayes üsulu əsasında diaqnostika və proqnoz edir. Bu sistemdə bir sara yeniliklər mövcud idi: sistemdə qarşılıqlı təsir əhəmiyyətli dərəcədə sadələşdirilmişdir, biliklər bazasının icrası zamanı geriyə qayıtma imkanı yaradılmışdır, ekspertiza prosesinin məcburi sona çatdırılması imkanı daxil edilmişdir və s. Neftayırma sənayesində çalışan qadınların hamiləliyinin axıra çatmaması təhlükəsini proqnozlaşdıran və qiymətləndirilən ekspert sistemi BEST mühitində yaradılmışdır. 2005-ci ildə Ortopediyada cərrahi müdaxilənin optimal seçimi üçün çoxmodullu intellektual sistem yaradılmışdır. Burada ilk dəfə patoloji ocağın süni təsviri – fotorobotu yaradılmış və bütün əməliyyatların gedişi onun üzərində göstərilmişdir. Sistem çoxlaylı neyron şəbəkə üzərində qurulmuş və bazada 5000- dən yuxarı məlumatlarla təchiz olunmuşdur [25]. Azərbaycanda geniş yayılmış gürzə (Vipera lebetina obtusa) zəhərlənmələrini araşdıran riyazi-statistik modelin qurulması, müalicənin fərdiləşdirilmiş seçim alqoritminin işlənməsi və nəticə olaraq informasiya sisteminin yaradılması məsələsi həll edilmiş və sistemin yaradılması aşağıdakı məqsədləri güdür: zootoksinlərlə zəhərlənmələrin ayrı-ayrı orqanlara təsirinin araşdırılması; sistem daxilində ilan zəhəri ilə zəhərlənmə prosesinin toksikoloji riyazi-statistik modelinin köməyi ilə “zəhər miqdarı – zaman” asılılığının araşdırılması; bu proses zamanı “qanın tərkibi – zəhərin miqdarı – zaman”, “daxili orqanlar – zəhərin miqdarı – zaman” mürəkkəb funksiyalarının araşdırılması və sistemli analizin aparılması; zootoksinlə zəhərlənmə prosesinin avtonom, uyuşan,
kumulyativ riyazi-statistika modellərinin işlənməsi; müalicə alqorimlərinin fərdiləşdirilməsi üçün zəhərlənmə prosesinin spesifikliyini nəzərə alan funksionalın işlənməsi; informasiya sisteminin arxitekturasının işlənməsi; fərdiləşdirilmiş müalicə alqoritmlərinin məlumatlar bankı [26]. Dəm qazından zəhərlənmə hadisələrinin diferensial diaqnostikası və müalicədən sonra monitorinq edib proqnoz verə bilən intellektual-informasiya sistemi işlənmişdir. Bu sistemdə təcili yardım həkimlərinə laborator analizlər olmadan ilk antidot köməyi göstərmək üçün tövsiyələr verilir (ilk analizlər olmadan bu növ zəhərlənmənin klinik obrazı digər kimyəvi maddələrlə oxşarlığı çoxdur, məsələn, salisidlərlə, tubazidlə, antihistaminlərlə, sianidlərlə və s.). Sistemdə nəzərdə tutulan monitorinq (bura zaman sıraları, müasir biostatistikanın parametrik və qeyri parametrik üsulları daxildir) isə gələcək fəsadları aradan qaldırmaq məqsədi güdür (məsələn, miokardın infarktı, Parkinson xəstəliyi və s.) [27,28]. ХХI əsrin əvvəllərindən başlayaraq informasiya texnologiyalarında yeni bir sıçrayış görürük. ХХ əsrin son 20-25 ilində cəmiyyətin inkişafı urbanizasiya, sənaye iqtisadiyyatı, kütləvi istehsal texnologiyası ilə səciyyələnirdisə, ХХI əsr qloballaşmaya meyllidir, onun əsas meyarları biliklər əsasında qurulmuş iqtisadiyyat və rəqəmsal texnologiyalardır. Əvvəllər inkişafın əsas resursu kapital idisə, bu gün bilik və informasiyadır. Nəticədə yeni sistemlər – çoxagentli sistemlər yarandı. Bu mürəkkəb sistemlərdə informasiya və biliklərin paylanmış bazaları yaradılır və əlaqə agentlər vasitəsilə yerinə yetirilir. Belə sistemlərin tibbdə istifadəsi mürəkkəb məsələlərin həm tədqiqində həm də tətbiqində
müvəffəqiyyətlə sınaqdan keçmişlər. Bunlardan tibb və fiziologiya sahəsində tədqiqat aparmaq imkanı verən 1999-cu ildə Genkin V. və Emanuel A. tərəfindən işlənən OMİS sistemi tibbi informasiyanın statistik emalı ilə bərabər tibbi-bioloji proseslərin araşdırılmasında böyük imkanlara malik olan vasitənin yaradılmasını [29]; Kondratyev M.A. və b. xəstəliklərin yayılması prosesinin imitasiya modelini çoxagentli yanaşma ilə həll etmişlər [30]; D.İ.Çumaçenko və b. bir az da irəliləmiş və ümumiyyətlə epidemioloji prosesin imitasiya modelinin qurulması üçün çoxagentli informasiya texnologiyası təklif etmişlər. Araşdırılan sistemlər içində bu gün dəridə göbələk xəstəliklərinin diaqnostik, proqnozlaşdıran və ya digər növlü sistemlərinə rast gəlmədik. Aydındır ki, qeyd etdiyimiz sistemlər bütün işləri əhatə etmir, lakin onlar informasiya texnologiyalarının tibbdə tətbiq olunan istiqamətlərinin əsas inkişaf mərhələlərini nümayiş edən sistemlərdir.
1.
Abdullayeva G., Gurbanova N., Mirzazadeh I.. Information Technologies in Toxicology. LAP LAMBERT Academic Publishing, 2014, Germany. 118pp. 2.
challenges. - Copenhagen: WHO Regional Office for Europe, 2003. - 16 с. 3. Глотко В.Л. Новый подход к созданию автоматизированных дифференциальных клинических систем //Медтехника и технологии, № 12, 2011 4.
Buchanan J.M. Automated Hospital Information Systems // Mil. Med. - 1996. -Vol. 131,№ 12.-P.1510-1512. ISO/IEC JTC1/SC 29 N1580, 1996-04-23. 5.
GII? Medicine 2001: New Technologies, New Realities, New Communities //MedNet- 1996, August 4.-8 p. 6.
Med. F. - 1988. - vol. 296, N 6617. - P. 255-256. 7.
Azərbaycanda informatikanın təşəkkülü. Bakı: “Letterpress” nəşr.evi, 2010.172s. 8.
Атакишиева М.К., Гейдарова Н.Г., Мирзазаде В.А. Роль панкреатических D-клеток в динамике развития сахарного диабета//Бюллетень экспериментальной биологии и медицины. 1989, №3, с.67-70. 9.
Мамедова М.В., Абдуллаева Г.Г. Математическая модель эволюционной допустимости множественной редупликации//Изв. НАН Азерб. 2014г. ,т. XXXIV, №6, с.101-107. 10.
Абдуллаева Г.Г., Имранов Ф.Б., Али Шахинташ. ми Система диагностики функцианального состояния гомеостаза и алгоритмы лечения в токсикологии (на примере укуса гюрзы)// Журнал вычислительной и прикладной математики Киев, 2011, №3(106). 11.
Бакин А.Н., Хрипков С.Ю. Математическое моделирование динамики риска инфекционного заболевания // Проблемы риска. Т.6, 2009, №2, с.24-31.
12.
Карякина О.Е. и др. Применение математических моделей в клинической практике // Экология человека. 2012, 7. С.103-106. 13.
Юнкеров В.И., Григорьев С.Г. Математико-статистическая обработка данных медицинских исследований. Санкт-Петербург, 2002. 14.
Кушнир Г.А. Системы искусственного интеллекта. Лекции. М.: издательско- книготорговый центр «Маркетинг» - 2001. 35с. 15.
Элти Дж., Кумбс М. Экспертные системы: концепции и примеры. М.:Финансы и статистика, 1987. 192с. 16.
Джексон П. Экспертные системы. М.: Изд. Дом «Вильямс», 2001. 546с. 17.
Bakı: “Ulduz”, 2005. 278s. 18.
Татаринцев Павел Борисович. Разработка систем диагностики, дифференциальной диагностики и прогнозирования заболеваний методами многомерного статисти- ческого анализа. Диссер. Барнаул – 2006 19.
классификационная система.//М:ВНИИСИ, 12. С.86-92 20.
Рахманова З.Б., Байдун В.В. LEDİ-Z проблемы, поиски, решения./всесоюзная конф. По искусственному интеллекту. Переславль-Залесский. ИПС АН СССР. 1988. 21.
Дюк В. А. Технологии Data Mining в медико-биологических исследованиях // Новости Искусственного интеллекта, 2004, № 3, с.15–23. 22.
Боженко В.К. , Сотников В.М. Использование многопараметрических методов анализа информации в онкологии // Информационные технологии в медицине. М.: ФГУ«Российский научный центр рентгенорадиологии федерального агентства по здравоохранению и социальному развитию Российской Федерации» 2006, №6 23.
Ашуров Б.М., Абдуллаева Г.Г., Атакишиева М.К., Ибрагимов О.В. Диагностирующая экспертная система в области оперативной хирургии.// Моделирование и оценка резервных возможностей развивающихся систем: Сб.научных трудов АН Украины, Киев, 1991. 24.
Ибрагимов О.В., Петрушин В.А. Экспертно-обучающие системы. Киев: 1989. 21с. Препринт 89-47, АН УССР. 25.
Abdullayeva G.G., Ali-zadeh Ch.A., Hajiyev Z.A. Intelligent system of optimization of choice of sort of operating interference // SPIE, Medical Imaging, San-Diego, California, USA,2004. http://www.spie.org/vol.5371 26.
System of Diagnosis and Monitoring Application in the Emergency Medical Aid for Poisonings by Toxic Substances // Jornal of Healt and Medical Informatiks USA – 2013, № 4, р. 89-96. 27.
Differential Diaqnosis and Monitoring of Patients After Carbon Monoxide Poisoning // European Journal of Rescarch in Medical Sciences, Vol. 3 No. 2, pp.13-24, 2015 ISSN 2056- 600X. 28.
Генкин А.А. Новая информационная технология анализа медицинских данных (программный комплекс ОМИС). – СПб.: Политехника, 1999. – 191 с. 29.
Кондратьев М.А., Ивановский Р.И., Цыбалова Л.М. Применение агентного подхода к имитационному моделированию процесса распространения заболевания Научно- технические ведомости СПбГПУ. Серия «Наука и образование». 2010. Т. 2, No 2. С. 139 – 195. 30.
Чумаченко Д.И. Чумаченко, Т.А. Чумаченко, Ю.К. Чернышев, А.В. Товстик. Информационная технология имитационной системы эпидемического процесса // Клиническая информатика и Телемедицина 2012. T.8. Вып.9. c.129–132
РЕЗЮМЕ РОЛЬ СОВРЕМЕННЫХ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В ЗАДАЧАХ МЕДИЦИНЫ S.H.Kərimov 1 , G.G.Abdullayeva 2 , A.H.Mirzəyev 1 1 Азербайджанский Государственный Институт Усовершенствования Врачей им. А.Алиева 2 Институт Систем Управления НАН Азербайджана В статье рассматривается непосредственное влияние развития информационных технологий на наше общество в целом и, в частности, медицину. Развитие технологий открывает путь к решению сложных задач медицины. Путь от простых медицинских тестов, математических моделей до сложных мультиагентных систем стал возможным только благодаря тесному сотрудничеству специалистов по информатике и врачей- экспертов. Приведена структура уровней организации здравоохранения, основанная на Государственной Программе «Электронный Азербайджан» и перечень нашедших удачное внедрение эксперных, интеллектуально-информационных, мультиагентных систем.
экспертные системы, биостатистика, искусственный интеллект. SUMMARY THE ROLE OF MODERN INFORMATION TECHNOLOGIES IN THE PROBLEMS OF MEDICINE S.Kh.Kerimov 1 , G.G.Abdullayeva 2 , A.Kh.Mirzayev 1 1 A.Aliyev Azerbaijan State Advanced Training Institute for Doctors 2 Institute of Control Systems of the Azerbaijan NAS The paper considers the direct impact of the development of information technologies on our society in general and on medicine, in particular. The development of technologies paves the way to solving complex problems of medicine. The path from simple medical tests, mathematical models to complex multi-agent systems has only become possible because of close collaboration of computer science specialists and medical professionals. The authors present in the paper the structure of the levels of healthcare organization based on the State Program “Electronic Azerbaijan” and give the list of successfully introduced and applied expert, intelligent, multi-agent systems.
artificial intelligence. Redaksiyaya daxil olub: 14.03.2016 Çapa tövsiyə olunub: 11.04.2016 Rəyçi: prof. Mahmudov F.R. Yüklə 108,19 Kb. Dostları ilə paylaş:
|