Система информационной поддержки лечебной и научной деятельности медицинского учреждения тема диссертации и автореферата по ВАК РФ 05.11.17, кандидат технических наук Коресталев, Александр Генадиевич

• Коресталев, Александр Генадиевич
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Коресталев, Александр Генадиевич

Список сокращений.

Введение

Глава 1. Проблемы построения медицинской информационной системы.

1.1. Вопросы принятия решений в лечебно-научном учреждении.

1.2. Организация медицинской помощи и научная деятельность медицинского учреждения.

1.3. Современные информационные системы медицинских учреждений.

1.4. Подходы к анализу лечебного и научного процесса.

1.5. Цели и задачи работы.

1.6. Выводы.

Глава 2. Концепция построения системы информационной поддержки лечебно-научной деятельности.

2.1. Структура лечебных и научных процессов медицинского учреждения.

2.2. Функциональная модель автоматизируемых процессов.

2.3. Разработка требований к системе информационной поддержки лечебной и научной деятельности.

2.4. Архитектура.

2.5. Выводы.

Глава 3. Методы и средства построения системы информационной поддержки лечебной и научной деятельности.

3.1. Теоретико-информационный подход к построению деревьев решений.

3.2. Оценка информативности показателей для принятия решений в амбулаторно-поликлинической деятельности лечебно-научного учреждения.

3.3. Критерии эффективности системы информационной поддержки лечебной и научной деятельности.

3.4. Средства реализации интеллектуальной системы.

3.5. Выводы.

Глава 4. Реализация системы информационной поддержки лечебной и научной деятельности.

4.1. Реализация бизнес - логики.

4.2. Реализация интеллектуальной поддержки.

4.3. Оценка экономической эффективности внедрения системы информационной поддержки.

4.4. Реализация системы информационной поддержки лечебной и научной деятельности.

4.5. Выводы.

Введение диссертации (часть автореферата) на тему «Система информационной поддержки лечебной и научной деятельности медицинского учреждения»

Актуальность темы диссертации. Сложная организационная система современного лечебно-научного учреждения (ЛНУ), в которой непрерывно реализуются сотни технологических процессов, предопределяет необходимость постоянного анализа большого объема информации и обоснования (поддержки) принятия множества решений. Решения в ЛНУ принимаются на самых разных уровнях и относятся к многочисленным предметным областям лечебной и научной деятельности. От скорости и качества принимаемых решений зависит как непосредственно здоровье и жизнь пациентов, так и поддержание четкого порядка работы ЛНУ.

Для полноценной информационной поддержки лиц, принимающих решения (ЛИГ), необходимы средства мониторинга и оценки качества лечения, обобщения статистических данных, выделение особых случаев в отношении тех или иных нозологий, сводные аналитические данные о движении материальных ценностей и полученных финансовых средствах. Все это приводит к целесообразности создания и использования современной информационной системы ЛНУ с развитой интеллектуальной составляющей, называемой системой информационной поддержки (СИП).

В современной СИП сама медицинская информационная система (МИС) является постоянным поставщиком данных, которые используются при формировании решающих правил. Данные могут являться как первичными значениями из различных баз данных (БД), так и быть вычисляемыми, в том числе при помощи сложных вычислительных процедур, а правила формулируются в виде «условие-действие»: при удовлетворении условий правила осуществляют одно или несколько действий. Такой подход к построению СИП лечебной и научной деятельности (ЛНД) позволяет оперативно осуществлять мониторинг различных бизнес-процессов в ЛНУ и принимать эффективные управленческие решения.

Результатом реализации такого подхода должна явиться СИП ЛНУ, работающая в реальном масштабе времени, обеспечивающая широкие возможности развития функций поддержки и значительное повышение достоверности принимаемых решений.

Диссертационное исследование посвящено решению научно-технической задачи разработки различных аспектов создания СИП ЛНУ (требований, архитектуры и двухуровневой системы принятия решений), а также метода и алгоритма построения дерева решений, непосредственно основанных на результатах исследований следующих ученых: Шаповалова В.В., ДюкаВ.А., Поспелова Д.А, Назаренко Г.И., ГулиеваЯ.И, Сенкевича Ю.И., Вагина В.Н, Таунсенда К., Шеннона К., и др.

Объектом исследования являются информационные системы ЛНУ.

Предметом исследования является автоматизированная поддержка принятия решений, реализуемых в ЛНУ.

Цель работы. Целью диссертационной работы является повышение эффективности деятельности ЛНУ за счет разработки интеллектуальной СИП лечебно-научной деятельности, основанной на знаниях.

Для достижения поставленной цели в диссертационной работе поставлены и решены следующие задачи: проанализированы бизнес-процессы, реализуемые в современных ЛНУ, и существующие информационные системы, в том числе МИС, системы автоматизации и поддержки принятия решений. По результатам анализа разработана функциональная модель бизнес-процессов ЛНУ; разработана двухуровневая система принятия решений; предложены новый метод и алгоритм построения дерева решений; разработана архитектура СИП; разработаны критерии оценки эффективности СИП.

Методы исследования. В работе использовался теоретико-информационный метод оценки бизнес-процессов, алгоритмы классификации, теория построения и методология экспертных систем, методология проектирования и разработки информационных систем.

Основные положения, выносимые на защиту.

1. Двухуровневая система принятия управленческих решений ЛНУ, обеспечивающая повышение эффективности и правильности принятия решений в ЛНУ на основе объединения знаний и данных из различных проблемных областей.

2. Метод и алгоритм построения дерева решений.

3. Архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы и базирующаяся на формальной декомпозиции лечебно-диагностических процессов ЛНД ЛНУ. Новизна первого научного результата

Разработаны новые принципы построения интеллектуальной СИП, основанные на реализации двухуровневого процесса принятия решений. Новизна второго научного результата Разработанные метод и алгоритм построения дерева решений, отличаются использованием количественно-информационного подхода. Новизна третьего научно-практического результата Архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы, отличается от известных четкой формальной декомпозицией лечебно-диагностических процессов ЛНУ

Обоснованность и достоверность научных положений подтверждаются результатами исследований в области построения интеллектуальных систем информационной поддержки принятия решений, корректностью предложенных алгоритмов и согласованностью результатов, полученных при практической реализации данных алгоритмов.

Практическая ценность и значимость работы. Предложенная двухуровневая структура построения интеллектуальной информационной системы позволяет автоматизировать основные и вспомогательные бизнес-процессы ЛНУ и значительно сократить затраты при оказании медицинской помощи пациентам. Интеллектуальная составляющая информационной системы позволяет организовать оперативный мониторинг всех процессов учреждения, поднять качество оказываемой медицинской помощи на новый уровень, на основе принятия эффективных управленческих решений. Архитектура СИП, реализующая предложенные идеи, может использоваться в медицинских учреждениях, где тесно переплетены бизнес-процессы лечебной и научной деятельности, оказывается специализированная высокотехнологичная медицинская помощь. Апробация работы.

Основные результаты работы докладывались и обсуждались на:

- XI Санкт-Петербургской международной конференции «Региональная информатика-2008 (РИ-2008)» Санкт-Петербург;

- 4-й Международном Научном Конгрессе «Оперативная гинекология — новые технологии», Санкт-Петербург, 2009;

- XI Ежегодной специализированной конференции «Информационные технологии в медицине». Круглый стол МИАЦ РАМН «Персонифицированный учет данных в социальной сфере. Принципы и технологические аспекты взаимодействия различных элементов. Требования к защите персональных данных. Нормативное, правовое и технологическое обеспечение их реализации», октябрь 2010.

Внедрение результатов работы. Внедрение разработанных подходов проводилось при создании информационной системы с интеллектуальной составляющей в НИИАГ им. Д.О. Отта СЗО РАМН, что подтверждено соответствующим актом внедрения.

Разработанные в диссертации подходы используются в научных исследованиях и учебном процессе подготовки магистров на кафедре биотехнических систем Санкт-Петербургского государственного электротехнического университета «ЛЭТИ», что подтверждено соответствующим актом внедрения.

Публикации: Основные теоретические и практические результаты диссертации опубликованы в 9 статьях и докладах, из них по теме диссертации 6, среди которых 4 публикации в ведущих рецензируемых изданиях, рекомендованных в действующем перечне ВАК, 2 статьи в других журналах. Представленные доклады получили одобрение на - 3 международных, всероссийских и межвузовских научно-практических конференциях, перечисленных в конце автореферата.

Структура и объем работы. Диссертация состоит из введения, 4 глав с выводами, заключения и практических рекомендаций. Она изложена на 151 странице машинописного текста, включает 36 рисунков, 6 таблиц и содержит список литературы из 140 наименований, среди которых 109 отечественных и 31 иностранных авторов.

Заключение диссертации по теме «Приборы, системы и изделия медицинского назначения», Коресталев, Александр Генадиевич

4.5. Выводы

Реализация полнофункциональной медицинской информационной системы должна учитывать данные о большом количестве медицинских бизнес-процессов. В целом информационная система крупного лечебно-научного учреждения насчитывает не менее 20 разновидностей автоматизированных рабочих мест.

Для большинства из них система интеллектуальной поддержки уместна и существенно облегчает принятие решений при вводе данных, таких как составление расписания, планирование загрузки персонала, оборудования и кабинетов, принятие решений о лечении и др. В идеале, реализация каждого АРМ пользователя, помимо учетных и отчетных функций, должна включать механизм интеллектуальной поддержки принятия решений, соответствующих бизнес-процессам, отраженным в этом АРМ.

Расчет экономической эффективности, приведенный в настоящей главе, показал, что внедрение интеллектуальной СИП ДНУ, позволило достичь в ДНУ увеличение общего экономического эффекта на 85% от общего годового дохода ЛНУ до внедрения СИП ЛНУ. Это достигается за счет полного и качественного персонифицированного учета оказанных услуг, детального учета движения и расходования материальных ценностей, повышения культуры и интенсивности труда, экономии материальных ресурсов, всестороннего глубокого интеллектуального анализа бизнес-процессов ЛНУ, хорошо продуманных и поддержанных интеллектуальной СИП ЛНУ управленческих решений.

Для эффективной работы СИП ЛНУ необходимо достаточно мощное сетевое и серверное оборудование. Представленные в настоящей главе оценки производительности демонстрируют пример хорошо спроектированной сетевой инфраструктуры, дающей конечным пользователям возможность бесперебойной и быстрой работы с информационной системой, включая использование интеллектуальных компонентов в полном объеме.

ЗАКЛЮЧЕНИЕ

Основные научные и научно-практические результаты диссертации.

1. Обоснована, разработана и внедрена двухуровневая схема принятия решений, позволяющая осуществить эффективную декомпозицию интеллектуального анализа бизнес-процессов ЛНУ и обеспечивающая взаимодействие МИС с интеллектуальной системой, основанной на знаниях.

2. Разработаны метод и алгоритм построения дерева решений, основанные на использовании количественно-информационного подхода и обеспечивающие выбор наиболее информативного показателя на основе его влияния на принимаемое решение. Обоснован выбор средств реализации интеллектуальной компоненты информационной системы. Предложен критерий оценки эффективности СИП ЛНУ.

3. Разработана типовая архитектура интеллектуальной СИП, обеспечивающая функциональную гибкость системы и базирующаяся на формальной декомпозиции лечебно-диагностических процессов ЛНД ЛНУ, а также реализующая внедрение предложенных подходов при разработке информационной системы поддержки ЛНД на примере СИП ЛНУ. Проведено исследование возможности реализации предложенных подходов и технологических решений при построении информационной системы, включающей СИП ЛНУ и показана их целесообразность. В процессе опытной эксплуатации проведено исследование, которое подтвердило эффективность использования СИП ЛНД в ЛНУ.

Современное ЛНУ представляет собой сложную технологическую систему, в которой решения принимаются на самых разных уровнях и относятся к многочисленным предметным областям. Для автоматизации специализированного ЛНУ необходимо проектирование и разработка интеллектуальной системы информационной поддержки, в состав которой должна входить медицинская информационная система и интеллектуальная система.

Бизнес-процессы ЛБУ представляет собой набор сложных, взаимосвязанных и взаимодействующих операций в лечебной и научной деятельности. Для описания сети процессов и их графического представления необходимо применение методологии функционального моделирования ГОЕБО, которое позволяет создать функциональную модель лечебно-научного учреждения.

С точки зрения автоматизации бизнес-процессов в ЛНУ, наибольший интерес представляют процессы, которые непосредственно влияют на оказываемую медицинскую помощь. Автоматизация процессов ЛНУ, непосредственно связанных с предоставлением пациентам амбулаторно-поликлинической, стационарной и лабораторно-диагностической помощи, позволяет контролировать оперативность и качество оказываемой медицинской помощи, а также учитывать затраты на ее оказание.

Для эффективной поддержки принятия решений в ЛНУ реализована двухуровневая схема принятия решения, которая предполагает разделение правил на два набора: мониторинг состояния бизнес-процессов предметной области и принятие управленческих решений на основе этих состояний. Факты-решения в предметных областях, востребованные для принятия управленческих решений на основе данных нескольких предметных областей, экспортируются в рабочую память интеллектуального компонента верхнего уровня.

Предложен модифицированный алгоритм обучения с использованием количественно-информационного подхода, который позволяет сопоставлять значения признаков объектов не классам, а некоторым множествам (значений), составляющим класс. Это позволяет формализовать поддержку принятия комплексных управленческих решений, опираясь на набор состояний бизнес-процессов в предметных областях.

Архитектура интеллектуальной СИП ЛНУ представляет собой две отдельные системы: медицинскую информационную систему и интеллектуальную систему, которые связаны между собой элементами пользовательского интерфейса.

В качестве инструментального средства разработки интеллектуальной СИП ЛНУ выбран язык программирования CLIPS, который позволяет использовать целый ряд подходов, обеспечивающих поддержку программирования на основе правил, объектно-ориентированного и процедурного программирования. Набор правил в интеллектуальных компонентах формируется из двух источников — через средства интеллектуального анализа существующих данных, сохраняемых в оперативной базе данных и затем переносимых в хранилище данных, и от экспертов в предметных областях.

Данный подход при разработке и внедрении интеллектуальной СИП ЛНУ позволил достичь увеличения общего экономического эффекта от внедрения, который составляет 85% от общего годового дохода ЛНУ до внедрения СИП ЛНУ. Экономический эффект достигается за счет полного и качественного персонифицированного учета оказанных услуг, детального учета движения и расходования материальных ценностей, повышения культуры и интенсивности труда, экономии материальных ресурсов, всестороннего глубокого интеллектуального анализа бизнес-процессов ЛНУ, хорошо продуманных и поддержанных интеллектуальной СИП ЛНУ управленческих решений.

Список литературы диссертационного исследования кандидат технических наук Коресталев, Александр Генадиевич, 2010 год

1. Аверкин, А.Н. Нечеткие множества в моделях управления и искусственного интеллекта Текст. / А.Н. Аверкин, И.З. Батыршин, А.Ф. Блишун [и др.]; ред. Д.А. Поспелов. — М. : Наука, 1986.

2. Айвазян, С.А. Прикладная статистика и основы эконометрики Текст.: учебник / С.А. Айвазян, B.C. Мхитарян. — М. : ЮНИТИ, 1998. — 1022 с.

3. Айвазян, С.А. Прикладная статистика. Классификация и снижение размерности Текст. / С.А. Айвазян, В.М. Бухштабер, И.С. Енюков[и др.]. — М.: Финансы и статистика, 1989. — 128 с.

4. Акулич, И.Л. Математическое программирование в примерах и задачах

5. Текст. / И.Л. Акулич. — М. : Высшая школа, 1986. — 319 с.

6. Алексеев, A.B. Интеллектуальные системы принятия проектных решений Текст. / A.B. Алексеев [и др.]. — Рига: Зинатне, 1997. — 320 с.

7. Антонов, Р.В. Компьютеризированная технология оформления записей в истории болезни Текст. /Р.В. Антонов // Кремлевская медицина. Клинический вестник. — 2001. — № 3. — С. 84-86.

8. Атре, Ш. Структурный подход к организации баз данных Текст. / Ш. Атре. — М.: Финансы и статистика, 1983. — 320 с.

9. Басегян, A.A. Методы и модели анализа данных: OLAP и Data Mining

10. Текст. / A.A. Басегян и др.]. — СПБ.: БХВ — Петербург, 2004.

11. Батыршин, И.З. К анализу предпочтений в системах принятия решений

12. Текст. / И.З. Батыршин // Вопросы оптимизации больших систем: труды МЭИ. Вып. 533. — М., 1981. — С. 57-62.

13. Берг, М. Информационные технологии в здравоохранении Западной Европы — надежды, ошибки, перспективы Текст. / М. Берг, В.Л. Ковальский, В.Ю. Гераськин [и др.]. // Врач и информационные технологии. — 2004. — № 6. — С. 51-60.

14. Бойко, B.B. Проектирование баз данных информационных систем

15. Текст. / В.В. Бойко, В.М. Савинков. — М.: Финансы и статистика, 1989.— 351 с.

16. Бояркин, Г.Н. Информационные технологии Текст.: учебное пособие / Г.Н. Бояркин, В.А. Маренко, С.Н. Чуканов. — Омск : ОмГТУ, 2001. — 192 с.

17. Букарев, М.Г. Медицинская информационная система в ЦРБ: неопределенное будущее или реальность Текст. / М.Г. Букарев, Н.В. Волкова, В.Ф. Городецкая // Здравоохранение. — 2002. — № 1. — С. 155-158.

18. Бююль, A. SPSS: искусство обработки информации. Анализ статистических данных и восстановление скрытых закономерностей Текст.: пер. с нем. / А. Бююль, П. Цефель. — СПб. : ДиаСофтЮП, 2001. —608 с.

19. Вагин, В.Н. Достоверный и правдоподобный вывод в интеллектуальных системах Текст. / В.Н. Вагин, Е.Ю. Головина, A.A. Загорянская [и др.]; ред. В.Н. Вагин, Д.А. Поспелов. — М.: ФИЗМАТЛИТ, 2004. — 704 с.

20. Вагин, В.Н. Зачем нужны нетрадиционные логики? Текст. / В.Н. Вагин // Международный форум информатизации-98: доклады международной конференции «Информационные средства и технологии», 20-22 октября 1998 г. — М.: Станкин, 1998. — Т. 1.— С. 6-14.

21. Вендров, A.M. CASE-технологии. Современные методы и средства проектирования информационных систем Текст. / A.M. Вендров. — М.: Финансы и статистика, 1998. — 176 с.

22. Волкова, Ю.В. Автоматизация учета в аптеке Текст. / Ю.В. Волкова // Главбух. — 2005. —№1. — С. 190-199. — (Учет в медицине. Приложение к журналу)

23. Волкова, Ю.В. Учет диетпитания и продуктов Текст. / Ю.В. Волкова // Главбух. — 2005. —№1. — С. 160-170. — (Учет в медицине. Приложение к журналу)

24. Воробьев, Н.В. Умозаключения по аналогии Текст. / Н.В. Воробьев. — М., 1963. — 26 с.

25. Воронцов, И.М. Здоровье. Создание и применение автоматизированныхсистем для мониторинга и скринирующей диагностики нарушений здоровья Текст. / И.М. Воронцов, В.В. Шаповалов, Ю.М. Шерстюк.

26. СПб.: ИПК КОСТА, 2006. — 429 с.

27. Врунинг, А. Экспертные системы. Принципы работы и примеры Текст. / А. Врунинг [и др.]. — М.: Радио и связь, 1987. — 348 с.

28. Гаспарян, С.А. Моделирование в управлении здравоохранением Текст. / С.А. Гаспарян. — М.: ГМИ, 1990. — 110 с.

29. Гаспарян, С.А. Разработка и внедрение АСУ специализированными медицинскими службами Текст. / С.А. Гаспарян. — М., 1980. — 166 с.

30. ГОСТ Р ИСО 9126-93. Информационные технологии. Оценка продукции программного обеспечения. Характеристики качества и руководящие положения по их применению Текст. Введ. 1994.07.01.

31. М.: Изд-во стандартов, 1994. — 12 с.

32. Гулиев Я.И. Интегрированная распределенная информационная система лечебного учреждения (ИНТЕРИН) Текст. / Я.И. Гулиев [и др.] // Программные продукты и системы. — 1997. — № 3. 38-48 с.

33. Гулиев, Я.И. Исследование методов представления темпоральноймедицинской информации посредством интерфейса "Боткинский лист"

34. Текст. / Я.И. Гулиев // Программные системы: теория и приложения. В 2 т. Т.1. / Я.И. Гулиев, Д.В. Белышев ; ред. С.М. Абрамов. — М.: Физматлит, 2006. — С. 73-92.

35. Гулиев, Я.И. Персональная информационная система врача Интерин DOC Текст. / Я.И. Гулиев, Д.В. Белышев // Врач и информационные технологии. — 2008. — №3. — С. 79-80.

36. Данилевский, Ю.Г. Информационная технология в промышленности

37. Текст. / Ю.Г. Данилевский, И.А. Петухов, B.C. Шабанов. — Л.: Машиностроение, 1988. — 283 с.

38. Дейт, К. Руководство по реляционной СУБД DB2 Текст. / К. Дейт. — М. : Финансы и статистика, 1988. — 320 с.

39. Джарратано, Д. Экспертные системы: принципы разработки и программирования Текст.: пер. с англ. / Д. Джарратано, Г. Райли. — М.: Вильяме, 2007. — 1152 с.

40. Джексон, Г. Проектирование реляционных баз данных для использования с микроЭВМ Текст. / Г. Джексон. — М. : Мир, 1991. — 252 с.

41. Дороднов, A.A. Теория принятия решений Текст. / A.A. Дороднов. — Казань, 1981. — 224 с.

42. Дубинский, E.H. Зарубежные медицинские информационные системы лечебно-профилактических учреждений здравоохранения Текст. / E.H. Дубинский, Ю.М. Никитин // Обзор ЦБНТИ Медпром. Серия: Промышленность медицинской техники. — 1982. — №7.

43. Дудник, B.C. Автоматизация назначений и учета лекарственной терапии Текст. / B.C. Дудник, A.M. Маслеников // Кремлевская медицина. Клинический вестник. — 2000. — №3.

44. Дюбуа, Д. Теория возможностей. Приложения к представлению знаний в информатике Текст. / Д. Дюбуа, А. Прад. — М. : Радио и связь, 1990.— 287 с.

45. Дюк, В. Data Mining Текст.: учебный курс / В. Дюк, А. Самойленко. — СПб.: Питер, 2001. — 3 68 с.

46. Ежов, A.A. Нейрокомпьютинг и его применение в экономике и бизнесе

47. Электронный ресурс. / A.A. Ежов, С.А. Шумский. URL: http://neuroschool.narod.ru/books.html (дата обращения 11.11.2010).

48. Интернет-версия каталога «Медицинские информационные технологии» Электронный ресурс. URL: www.armit.ru/cmit/ (дата обращения 10.09.2010).

49. Искусственный интеллект Текст.: справочник. В 3 кн. Кн 2: Модели и методы / ред. Д.А. Поспелов. — М. : Радио и связь, 1990. — 304 с.

50. Каминский, JI.C. Статистическая обработка лабораторных и клинических данных. Применение статистики в научной и практической работе врача Текст. / JI.C. Каминский. — М., — 1964. — 249 с.

51. Карпов, Е.А. Многоцелевая аналитическая информационная система. Методология создания и основные проектные решения Текст. / Е.А. Карпов, A.A. Мусаев, Ю.М. Шерстюк. — СПб. : ВУС, 2000. — 143 с.

52. Кириллов, В.В. Структуризованный язык запросов (SQL) Текст. / В.В. Кириллов. — СПб.: ИТМО, 1994. — 80 с.

53. Клементьев, A.A. Моделирование распределения ресурсов в задачах управления в здравоохранении Текст. / A.A. Клементьев. — М.: ИПУ, 1983. —51 с.

54. Кобринский, Б.А. К вопросу о формальном отражении образного мышления и интуиции специалиста в слабо структурированной предметной области Текст. / Б.А. Кобринский // Новости искусственного интеллекта. — 1998. — №3. — С. 64-76.

55. Кобринский, Б.А. Логика и интуиция специалиста в медицинских системах искусственного интеллекта Текст. / Б.А. Кобринский // Научная сессия МИФИ-2000: сборник научных тудов. Т.З. — М., 2000. — С. 64-65.

56. Кобринский, Б.А. Современные методы автоматизированного слежения за состоянием здоровья Текст. / Б.А. Кобринский, Ю.Е. Вельтищев // Вопросы охраны материнства и детства. — 1986. — №12. — С. 12-14.

57. Кондрашина, Е.Ю. Представление знаний о времени и пространстве в интеллектуальных системах Текст. / Е.Ю. Кондрашина, JI.B. Литвинцева, Д.А. Поспелов; ред. Д.А. Поспелов. — М. : Наука, 1989.328 с.

58. Коресталев, А. Г. Оценка важности показателей для принятия решений в амбулаторно-поликлинической деятельности Текст. / А.Г. Коресталев // Медицинская техника. — 2009. — №4. — С. 21-26.]

59. Коресталев, А.Г. Исследование бизнес-процессов лечебно-научного учреждения с применением функционального моделирования Текст. / А.Г. Коресталев, A.B. Тишков // Биомедицинская радиоэлектроника.2010.— №5.— С. 8-18.

60. Кретов, B.C. Новый метод автоматической классификации трудноформализуемых объектовТекст. / B.C. Кретов, И.С. Лебедев // НТИ. Сер. 2. — 2006. — №6. — С. 25-29.

61. Кретов, B.C. Построение нечеткой объектной базы экспертных знаний для автоматизированной системы классификации кризисных ситуаций Текст. / B.C. Кретов, И.С. Лебедев // НТИ. Сер. 2. — 2006. — №7. — С. 15-20.

62. Кроу форд, Ш. Microsoft Windows Server 2000Текст.: справочник администратора / Ш. Кроуфорд, Ч. Рассел. — М.: ЭКОМ, 2001. — 1296 с.

63. Круглов, B.B. Искусственные нейронные сети. Теория и практикаТекст. / В.В. Круглов, В.В. Борисов. — 2-е изд. — М., 2002. — 382 с.

64. Левенец, Е.В. Рассуждения по аналогии Текст. / Е.В. Левенец // Логика и компьютер. Т.2. Логические языки, содержательные рассуждения и методы поиска доказательств. — М.: Наука, 1995. — С. 99-112.

65. Левин Д.М. Статистика для менеджеров с использованием Microsoft Excel Текст.: пер. с англ. / Д.М. Левин [и др.]. — 4-е изд. — М.: Вильяме, 2004. — 1312 с.

66. Лоръер, Ж.Л. Системы искусственного интеллекта Текст. / Ж.Л. Лоръер. — М.: Мир, 1991. — 586 с.

67. Лукашевич, И.П. Проблема получения и передачи медицинских знаний

68. Текст. / И.П. Лукашевич, А.Л. Сыркин // Компьютерная хроника. — 1994. — №8-9. — С. 39-43.

69. Макаров, A.B. Теория выбора и принятия решений Текст. / A.B. Макаров. — М.: Наука, 1982. — 312 с.

70. Маклаков, C.B. BP Win и ERWin. Case-технологии разработки информационных систем Текст. / C.B. Маклаков. — М. : Диалог-МИФИ, 1999.— 256 с.

71. Маренко, В.А. Оптимизация в условиях неопределенности Текст. / В.А. Маренко // Омский научный вестник. — Омск : ОмГТУ, 2002. — № 19. — С. 61-63.

72. Маренко, В.А. Основы разработки консультационной экспертнойсистемы Текст. / В.А. Маренко, В.Ф. Маренко // Техника радиосвязи Вып.7. / Омский НИИ приборостроения. — Омск, 2002. — С. 74-77.

73. Маренко, В.А. Представление знаний в экспертных системахТекст. : учеб. пособие / В.А. Маренко, В.А. Шапцев. — Сургут : РИО СурГПИ, 2002. — 73 с.

74. Маренко, В. А. Способы представления знаний в экспертных системахТекст. / В.А. Маренко // Математические структуры и моделирование. Вып. 8. — Омск: ОмГУ, 2001. — С. 34-39.

75. Мартин, Дж. Планирование развития автоматизированных системТекст. / Дж. Мартин. — М.: Финансы и статистика, 1984. — 196 с.

76. Мейер, М. Теория реляционных баз данныхТекст. / М. Мейер. — М. : Мир, 1987. — 608 с.

77. Михеев, А.Е. Данные и информация в МИС: панели управленияТекст. / А.Е. Михеев, Г.И. Назаренко, Ш.А. Исамухамедов[и др.] // Врач и информационные технологии. — 2006. — №4. — С. 68-69.

78. Назаренко, Г.И. Больничные информационные системы: Разработка. Внедрение. ЭксплуатацияТекст.: учеб. пособие / Г.И. Назаренко, А.Е. Михеев; ред. Г.И. Савин. — М. : Медицина XXI, 2003. — 320 с.

79. Назаренко, Г.И. Качество медицинской помощиТекст. / Г.И. Назаренко, Е.И. Полубенцева. — М. : Медицина, 2004. — 31 с.

80. Назаренко, Г.И. Медицинские информационные системы: теория и практикаТекст. / Г.И. Назаренко, ЯМ. Гулиев, Д.Е. Ермаков; ред. Г.И. Назаренко, Г.С. Осипов. — М. : Физматлит, 2005. — 320 с.

81. Олифер, В.Г. Компьютерные сети. Принципы, технологии, протоколыТекст. / В.Г. Олифер, H.A. Олифер. — СПб. : Питер, 2001. — 672 с.

82. Осипов, Г.С. Построение баз знаний на основе взаимодействия полуавтоматических методов приобретения знаний Текст. Ч. 2.

83. Модель знаний и приобретение знаний / Г.С. Осипов // Известия РАН, Теория и системы управления. М. : Наука, 1995. — С. 65-80.

84. Остераут,' Дж. Сценарии высокоуровневого программирования информационных систем для 21 векаТекст. / Дж. Остераут // Открытые системы. — 1998. — №3. — С. 12-16.

85. Плетнева, В.Н. Комплексная автоматизация работы Аптеки №1 Медицинского центра Управления делами ПрезидентаТекст. / В.Н. Плетнева, И.У. Дехтяр, В.В. Матюхов [и др.] // Кремлевская медицина. Клинический вестник. — 2000. — №4. — С.44-48.

86. Поспелов, Д.А. Моделирование рассуждений. Опыт анализа мыслительных актови др. / Д.А. Поспелов. — М.: Радио и связь, 1989.182 с.

87. Романов, Ф.А. Опыт использования больничной информационнойсистемы в санатории-профилактории ОАО «Кондопога» Текст. / Ф.А. Романов, A.B. Гусев // Медицинский академический журнал. — 2001.1, прилож. — С. 54.

88. Свиридов, A.C. Методика проведения предпроектного обследования с целью проектирования информационной сети предприятия Текст. / A.C. Свиридов. —М.: Телекоммуникации, 2003.

89. Случанко, И.С. Статистическая информация в управлении учреждениями здравоохранения Текст. / И.С. Случанко, Г.Ф. Церковный. — М.: Медицина, 1976 — 224 с.

90. Смирнова, Т.Н. Проектирование экономических информационных систем Текст. : учебник / Г.Н. Смирнова, Ю.Ф. Сорокин. — М.: Финансы и статистика, 2003. — 512 с.

91. Станкевич, Л.А. Интеллектуальные технологии и представление знаний. Интеллектуальные системы Текст.: учебное пособие / Л.А. Станкевич. — СПб.: СП6ГТУ, 2000. — 156 с.

92. Стефанюк, В.Л. Локальная организация интеллектуальных систем

93. Текст. / В.Л. Стефанюк. — М.: Физматлит, 2004. — 328 с.

94. Таран, Т.А. Формализация рассуждений на основе аргументации при принятии решений в конфликтных ситуациях Текст. / Т.А. Таран // НТИ. Сер. 2. — 1998. — №9. — С. 23-33.

95. Таунсенд, К. Проектирование и программная реализация экспертных систем на персональных ЭВМ Текст.: пер. с англ. / К. Таунсенд, Ф. Денис. — М.: Финансы и статистика, 1990. — 320 с.

96. Тейлор, Д. Почти интеллектуальные системы. Как получить конкурентные преимущества путем автоматизации принятия скрытых решений Текст.: пер. с англ. / Д. Тейлор, Н. Рэйден. — СПб.: Символ-Плюс, 2009. — 448 с.

97. Тиори, Т. Проектирование структур баз данных Текст.: в 2 кн. / Т. Тиори, Дж. Фрай. — М. : Мир, 1985.

98. Толстова, Ю.Н. Анализ социологических данных Текст. / Ю.Н. Толстова. — М. : Научный мир, 2000. — 352 с.

99. Тюрин, Ю.Н. Анализ данных на компьютере Текст. / Ю.Н. Тюрин, А.А. Макаров; ред. В.Э. Фигурнов. — 3-е изд. — М.: ИНФРА, 2003. — 384 с.

100. Устинов, А.Г. Автоматизированные медико-технологические системы

101. Текст. / А.Г. Устинов, Е.А. Ситарчук, H.A. Королевский. — Курск, 1995.

102. Финн, В.К. Интеллектуальные системы: проблемы их развития и социальные последствия Текст. / В.К. Финн // Будущее искусственного интеллекта. — М.: Наука, 1991. — С. 157-177.

103. Финн, В.К. Об интеллектуальных системах автоматизированной поддержки научных исследований Текст. / В.К. Финн // НТИ. Сер.2.1996.-№5-6. —С. 1-2.

104. Хаббард, Дж. Автоматизированное проектирование баз данных Текст. / Дж. Хаббард. — М. : Мир, 1984. — 294 с.

105. Хант, Э. Искусственный интеллект Текст. / Э. Хант. — М.: Мир, 1978.558 с.

106. Хаткевич, М.И. Объектно-реляционный дуализм в больших информационных системахТекст. / М.И. Хаткевич // Программные продукты и системы. — 2002. — №3. — С. 22-26.

107. Цикритизис, Д. Модели данных Текст. / Д. Цикритизис, Ф. Лоховски.

108. М.: Финансы и статистика, 1985. — 344 с.

109. Черняк, Ю.И. Системный анализ в управлении экономикой Текст. / Ю.И. Черняк. — М.: Экономика, 1975. — 265 с.

110. Чубукова, И.A. Data Mining Текст.: учебный курс / И.А. Чубукова. — М.:БИНОМ, 2006. — 382 с.

111. Шаповалов, В. В. Количественно-информационая оценка условий принятия решений в медицинском учреждению Текст. / В. В. Шаповалов, А. Г. Коресталев, А. В. Тишков // Биомедицинская радиоэлектроника. — 2009. — №11. — С. 78-80.

112. Шаповалов, В.В. Построение интеллектуальной медицинской информационной системы на основе деревьев решений и экспертных знанийТекст. / В.В. Шаповалов, А.Г.Коресталев, A.B. Тишков // Биомедицинская радиоэлектроника. — 2010. — №4. — С. 47-56.

113. Шаповалов, В.В. Автоматизированный скрининг проблема экспертных знаний Текст. / В.В. Шаповалов, Ю.М. Шерстюк // Инновации. — 2003. — № 10 (67). — С. 89-91.

114. Шаповалов, В.В. Построение решающих правил для систем автоматизированного скринингаТекст. / В.В. Шаповалов, А.Б. Кубайчук, В.В. Афанасьева // Информационно-управляющие системы. — 2006. — Вып. №1(20). — С. 2-6.

115. Шифрин, Б.М. Исследование и разработка моделей и средств поддержки принятия организационных решений в нечетком аспекте Текст.: автореф. дис. . канд. техн. наук / Б.М. Шифрин. — СПб., 1999.

116. Шкловский-Корди, Н.Е. Информационная система гематологического научного центраТекст. / Н.Е. Шкловский-Корди, Б.В.Зингерман // Материалы 1-го Российского научного форума «МедКомТех 2003». — М.: Авиаиздат, 2003. — С. 236-241.

117. Ярушкина, Н.Г. Основы теории нечетких и гибридных системТекст. / Н.Г. Ярушкина. — М.: Финансы и статистика, 2004. — 320 с.

118. A Practical Guide to Getting Started with Data Warehousing / ed.: T. Flanagan, E. Safdie Electronic resource. — 1997 URL: www.techguide.com. (дата обращения 11.11.2010)

119. Abelson, H. Structure and Interpretation of Computer Programs Text. / H. Abelson, G.J. Sussman, J. Sussman. Cambridge MA : MIT Press, 1996.

120. Acorn, T.L. SMART: Support Management Automated Reasoning Technology for Compaq customer serviceText. / T.L. Acorn, S. Walden //

121. Proc. Innovative Applications of Artificial Intelligence (IAAI-92). — N-Y, 1992. —P. 1-3.

122. Adams, J.B. A probability model of medical reasoning and the MYCIN modelText. / J.B. Adams // Mathematical Biosciences. — 1976. — Vol. 32. —P. 177-186.

123. Aha, D.W. Instance-based Learning AlgoritmsText. / D.W. Aha, D. Kibler, M.K. Albert. // Machine Learning. — 1991. — Vol.6. —P. 37-66.

124. Aiello, N. A comparative study of control strategies for expert systems: AGEimplementation of three variations of PUFF Text. / N. Aiello // Proc. National Conference on Artificial Intelligence. — N-Y, 1983. — P. 1-4.

125. Aikins, J.S. Prototypical knowledge for expert systems Text. / J. S. Aikins // Artificial Intelligence. — 1983. — Vol.10. — P. 163-210.

126. Aleven, V. Evaluating A Learning Environment For Case-Based Argumentation SkillsText. / V.Aleven, K. D. Ashley // Proc. Sixth International Conference on Artificial Intelligence and Law. — N-Y: ACM Press, 1997. — P. 170.

127. Alexander, J. H. Knowledge level engineering: ontological analysis Text. / J. H.Alexander, M. J.Freiling, S. J. Shulman [et al.] // Proc. National Conference on Artificial Intelligence. — N-Y, 1986. — P. 963-968.

128. Allen, J. F. Natural Language Understanding Text. / J. F.Allen. — 2-nd ed. — N-Y: Menlo Park, 1995.

129. Allen, J.F. Maintaining knowledge about temporal intervals Text. / J.F. // Allen Communications of the ACM. — 1983. — Vol.26,Nll. — P.832-843.

130. An Introduction to Data Mining. Discovering hidden value on your data warehouse. Pilot Software Electronic resource. 1998 URL: www.pilotsw.com/dmpaper/dmindex.htm (дата обращения 11.11.2010).

131. Boaz, D. A temporal-abstraction rule language formedical databases Text. / D.Boaz, M.Balaban, Y.Shahar // Proceeding of the workshop on Intelligent Data Analysis in Medicine and Pharmacology (IDAMAP). — Protaras, 2003.

132. Brachman, R. What IS-A is and isn't an Analysis of Taxonomic Links in

133. Semantic Networks Text. / R.Brachman // Computer. — 1983. — Vol. 16, № 10. —P. 30-36.

134. Inmon, W.H. Building the Data Warehouse Text. / Inmon W.H. — N- Y: John Wiley Sons, 1992.

135. Larose, D. T. Discovering knowledge in data. An Introduction to Data Mining Text. / D. T.Larose. — N- Y: John Wiley Sons, 2005.

136. Minger, J. An Empirical Comparison of Pruning Methods for Decision Tree Induction Text. / J.Minger // Machine Learning. — 1989. — Vol. 4. — P. 227-243.

137. Nunez, M. The Use of Background Knowledge in Decision Tree1.ductionText. / M.Nunez // Machine Learning. — 1991. — Vol. 6. — P. 231-250.

138. Quinlan, J. R. Induction on Decision Trees Text. / J. R. Quinlan // Machine Learning. — 1986. — Vol.1. — P. 81-106.

139. Rawls J. Multitiered Data Warehouses Electronic resource. URL: www.datawarehouse.com/sigs/survival. (дата обращения 10.09.2010).

140. Seidman, С. Data Mining with Microsoft SQL Server 2000: technical Reference Text. / C. Seidman. — N-Y.: Microsoft Press, 2001.

141. Shannon, C.E. The mathematical theory of communications Text. / Shannon C.E., Weaver W. — Urbana: Univ. Press, 1949. — Vol III.

142. Surajit Chaudhuri Database Technology for Decision Support Systems Text. / Surajit Chaudhuri, Umeshwar Dayal, Venkatesh Ganti // IEEE Computer, December 2001. — N-Y., 2001.

143. Thomsen, E. How Data Mining Relates to the Rest of Decision Support Systems Text. / E.Thomsen // A workshop held in conjunction with the Fourth Intern. Conf. On Knowledge Discovery and Data Mining, Aug. 31. -N-Y., 1998.

144. Utgoff, P. E. Incremental induction of Decision Trees Text. / P.E.Utgoff // Machine Learning. — 1989. — Vol. 4. — P. 161-186.

145. Zirako, W. Analysis of Uncertain Information in the Framework of Variable Precision Rough Sets Text. / W.Zirako // Found of Сотр. and Decision Sci. — 1993. — Vol. 18, №3-4. — P. 381-396.

146. Zirako, W. Variable Precision Rough Sets Model Text. / W. Zirako // J. Сотр. and System Sci. — 1993. — Vol.46, №1. — P. 39-59.