2.3. Информационно-аналитическая модель принятия решений по прогнозированию и ранней диагностике профессиональных заболеваний.

Полученные в ходе синтеза, частные и финальные решающие правила планируется использовать в качестве основных элементов интеллектуальной системы поддержки принятия решений (ИСППР) для врачей, ведущих пациентов агропромышленного комплекса.

Применительно к решаемым в работе задачам информационно­аналитическая модель принятия решений имеет вид, представленный на рис. 2.2.

В ходе экспертного оценивания и разведочного анализа были выделены следующие подгруппы информативных признаков: 1П1 - подгруппа признаков по которым вычисляется уровень психоэмоционального

напряжения (ПЭН); ПУ - подгруппа признаков по которым вычисляется уровень утомления; ПЭК - подгруппа признаков по которой определяется риск появления и развития заболеваний вызываемых неблагоприятной экологической обстановкой без учета сельскохозяйственных ядохимикатов; ПЭР - подгруппа признаков по которой определяется уровень эргономичности используемых технических систем; ПСЯ - подгруппа признаков характеризующая содержание сельскохозяйственных ядохимикатов (СЯ), контактирующих с сельскохозяйственными рабочими; ИФР_/, ИФР_г - индивидуальные факторы риска по заболеваемости с идентификаторами l, г, ... ; ПБ_/, ПБ_г - подгруппа признаков

характеризующих ранние стадии по заболеваниям l, г, ..., получаемые при исследовании электрических характеристик биологически активных точек (БАТ) «связанных» с соответствующими болезнями; ПТМ_/, ПТМ_г - признаки характерные для заболеваний с идентификаторами l, г, ..., получаемые традиционными медицинскими методами; t_p- время воздействия фактора р на работников агропромышленного комплекса (р= ПП, ПУ, ПЭК, ПЭР, ПСЯ).

Частные нечеткие решающие правила оценки уровня ПЭН(YP), уровня утомления (YU) и уровня эргономичности (YE) реализуются агрегаторами первого уровня Ag НИ, Ag ПУ, Ag ПЭР. Расчет уверенности в появлении и развитии заболевания ω_l, UEK_l, UHG, UHΦ_l, по подгруппам признаков ПЭК, ПСЯ, ИФР_/ реализуют агрегаторы Ag ПЭК_/, Ag ПСЯ_/, AgUΦР_l. Аналогично реализуются частные агрегаторы для патологии ω_rи т.д.

Финальные решающие правила прогнозирования заболеваний ω_l, ω_r,.., синтезируются агрегаторами AGPl, AGPr, .. .

C учетом опыта накопленного кафедрой БМИ ЮЗГУ для решения задач ранней диагностики используется величина уверенности в прогнозировании заболеваний (UP_l, UP_r, ...), а так же подпространства признаков ПБ_/, ПБ_г,..., ПТМ_/, ПТМ_г,..., с частными агрегаторами Agllb_l, AgПБ_г, ..., AgПТМ_l, ЛцИТМ,,..., и финальными агрегаторами AGR_l, AGR_n ..., рассчитывающими уверенность в раннем диагнозе по классам ω_l, ω_n...

Информационно-логическая модель приведенная на рис. 2.2. используется для оптимизации базы знаний универсальной оболочки СППР кафедры БМИ ЮЗГУ при ее настройке под конкретную задачу.

Рис. 2.2. Информационно-аналитическая модель принятия решений.

Выводы второй главы

1. В ходе проведенных исследований была изучена структура ядохимикатов, наиболее часто используемая в агропромышленном комплексе, и определен перечень соответствующих профессиональных заболеваний. Показано, что наряду с основным фактором риска, что при контакте с ядохимикатами высокое качество прогнозирования достигается при дополнительном использовании ряда экзогенных и эндогенных факторов риска: экологическая обстановка; уровень эргономичности используемых технических средств; уровни психоэмоционального напряжения и утомления; функциональный резерв; индивидуальные факторы риска.

2. Предложен метод синтеза гибридных нечетких моделей прогнозирования и ранней диагностики заболеваний сельскохозяйственных рабочих, контактирующих с ядохимикатами, отличающийся возможностью учета таких специфических факторов, как концентрация вредных веществ в организме и окружающей среде, время контакта с ядохимикатами, их комплексное, мультипликативное и индуцированное влияние на различные органы и системы, уровень индивидуальной защиты в сочетании с другими экзогенными и эндогенными факторами риска, позволяющий повысить качество прогнозирования и ранней диагностики заболеваний работников агропромышленного комплекса, контактирующих с ядохимикатами.

Разработанная информационно-аналитическая модель, отличающаяся учетом в ее структуре взаимосвязей гибридных нечетких моделей между собой и пространством информативных признаков, описывающих известные экзогенные и эндогенные факторы риска, позволяет осуществить проектирование базы знаний с рациональным механизмом взаимодействия соответствующих программных модулей.

3.