Целью исследования является компьютерная разработка системы поддержки принятия решений (СППР) на основе обработки статистических данных для диагностики заболеваний. Современный темп жизни практически не оставляет человеку времени для возможности обращения к врачу, порой даже когда человек заболевает. Применительно к медицинскому обслуживанию внедрение и распространение информационных технологий становятся все более востребовательными и актуальными. Визит к врачу занимает большое количество времени. На получение любой справки, не говоря уже о реальном обследовании с необходимостью общения с врачом, в некоторых лечебных учреждениях уходит масса времени, нервов и сил. Сегодня современный человек не может позволить себе нерациональное расходование времени. При появлении различных недомоганий у человека-пользователя возникает потребность в быстрой диагностике состояния здоровья. Здесь появляется проблема в том, чтобы вовремя распознать заболевание, назначить правильное лечение и все же заставить пользователя обратиться к врачу, к специалисту для обследования с помощью специальных медицинских технологий, продолжения диагностики и последующего лечения. В данной работе представлена математическая модель с использованием нечеткой логики, которая стала основой при разработке прикладной программой, предназначенной для проведения первичной диагностики возможного заболевания. Программа выдает рекомендацию для дальнейшего обращения к специалисту. Исходные данные, на основе которых проводилась разработка модели, относятся к глазным заболеваниям. Любое недомогание причиняет неудобство человеку. Заболевание глаз рассматривается как нанесение поражения органических и физических способностей человека, ухудшается острота и четкость зрения. Человек теряет способность к зрительному анализу окружающей действительности. Накоплена огромная статистика, подтверждающая негативное влияние неблагоприятных факторов на зрительные органы человека. Исследуемые статистические данные относятся к области медицины, а именно – глазные заболевания. Данная область исследования и явилась основой рассмотрения. Анализ собранных данных показал, что их характер достаточно разноплановый и практически все они имеют только лингвистическое описание. Поэтому для их обработки необходимо было подобрать такой математический аппарат, который бы позволил провести их описание, структурирование и систематизацию. Для этого можно использовать модель на основе нечеткой логики. Таким образом, предметом исследования является анализ статистических данных, проводимый с помощью элементов нечетких множеств, который позволит разработать математическую модель определения класса заболевания. А затем, с помощью прямой цепочки рассуждений установить предполагаемый диагноз, как рекомендация системы поддержки принятия решений. Данный подход к разработке системы поддержки принятия решений для диагностики заболеваний еще не применялся. Задачами исследования является изучение диагностики заболеваний как информационного процесса, анализ статистических данных, описание, структурирование и систематизация данных с помощью элементов нечетких множеств и разработка математической модели с использованием правил вывода. Результатом исследования является информация по установлению принадлежности представленных недомоганий (симптомов) к классу заболеваний.

компьютерная система, диагностика, заболевания, информационный процесс

1. Коробова Л.А., Малиенко Е.С., Сафонова Ю.А. Разработка медицинской экспертной системы диагностики заболеваний с использованием элементов теории множеств // Экономика и менеджмент систем управления. 2017. Т. 26. № 4.1. С. 172–178.

2. Бабаева Е.Ю., Коробова Л.А. Использование модели фреймов модели для представления знаний о классификации глазных заболеваний // Современные тенденции развития науки и технологий. 2017. № 3–4. С. 6–10.

3. Коробова Л.А., Курченкова Т.В., Матыцина И.А. Программная реализация нечеткой модели распознавания звуковых сигналов // Научные ведомости Белгородского государственного университета. Серия: Математика. Физика. 2016. Т. 43. № 13 (234). С. 174–178.

4. Абрамов Г.В., Коробова Л.А., Матыцина И.А. Разработка правил вывода при распознавании звуковых сигналов // В сборнике: Фундаментальная наука и технологии – перспективные разработки: Материалы IV международной научно-практической конференции. н.и. ц. «Академический». 2014. С. 145.

5. Alves M., Reinach P.S., Paula J.S., e Cruz A.A.V. et al Comparison of diagnostic tests in distinct well-defined conditions related to dry eye disease // PloS one. 2014. V. 9. №. 5. P. e97921.

6. Liu X.Y., Peng X.Y., Wang S., You Q.S. et al Features of optical coherence tomography for the diagnosis of Vogt–Koyanagi–Harada disease // Retina. 2016. V. 36. №. 11. P. 2116-2123.

7. Xiao D., Vignarajan J., Chen T., Ye T., Xiao B. et al. Content Design and System Implementation of a Teleophthalmology System for Eye Disease Diagnosis and Treatment and Its Preliminary Practice in Guangdong, China // Telemedicine and e-Health. 2017. V. 23. №. 12. P. 964-975.

8. Consugar M.B., Navarro-Gomez D., Place E.M., Bujakowska K.M. et al. Panel-based genetic diagnostic testing for inherited eye diseases is highly accurate and reproducible, and more sensitive for variant detection, than exome sequencing // Genetics in Medicine. 2015. V. 17. №. 4. P. 253.

9. Wang L.J., Chang Y.C., Sun R., Li L. A multichannel smartphone optical biosensor for high-throughput point-of-care diagnostics // Biosensors and Bioelectronics. 2017. V. 87. P. 686-692.

10. Priye A., Wong S., Bi Y., Carpio M. et al. Lab-on-a-drone: toward pinpoint deployment of smartphone-enabled nucleic acid-based diagnostics for mobile health care // Analytical chemistry. 2016. V. 88. №. 9. P. 4651-4660.