Моніторинг пацієнтів з використанням методів нечіткої логіки і машинного навчання

Abstract

Досліджуються методи штучного інтелекту для автоматичного виявлення погіршення стану пацієнта, використовуючи дані від спостережень пацієнтів у реальному часі. Метою є розробка системи для розрахунку рівня ризику здоров'ю пацієнта. Експертні оцінки, закладені у правила нечіткої логіки, порівнюються з поточними значеннями показників для оцінки ризику захворювання. Визначено клас «нормального» фізіологічного стану для формування моделі машинного навчання. Суттєве відхилення значення показників від норми ідентифікується як «аномальний» клас для подальшої діагностики причин погіршення стану пацієнта.

The methods of artificial intelligence for automatically detecting the deterioration of the patient's condition are studied, using data from patient observations in real time. The goal is to develop a system for calculating risk level of the patient's health. Expert assessments contained in the rules of fuzzy logic are compared with the current values of the indicators for assessing the risk of the disease. A class of "normal" physiological state for the formation of a model of machine learning is defined. The significant values deviation from the norm is identified as "abnormal" class for further diagnosis of deterioration causes of the patient's condition.