В работе представлен анализ результатов хирургического лечения пациентов с хро‐ нической патологией легких. С целью прогнозирования вероятности возникновения послеопераци‐ онных осложнений, длительности лечения и заключительного исхода после хирургических вмеша‐ тельств на легких были использованы искусственные нейронные сети. На данный момент в торакальной хирургии практически нет общепризнанных прогностических систем, позволяющих с высокой степенью достоверности принимать правильное решение в лечебной тактике при различных заболеваниях легких. Сложность прогнозирования в данной ситуации обусловлена тем, что значительная часть ин‐ формации представляет собой субъективные экспертные оценки врача, основанные на его знаниях и опыте лечения больных с патологией легких. В результате исследования было определено, что метод моделирования на базе искусственных ней‐ ронных сетей, позволяющий решать задачи классификации, оптимизации и прогнозирования, дает более высокую точность прогноза по сравнению с многомерными статистическими методами анализа. В статье показано, что использование методов искусственных нейронных сетей дает возможность более точно прогнозировать риск возникновения послеоперационных осложнений, что позволяет ускорить работу специалистов, планировать работу клиник с высокой хирургической активностью.
нейросетевоемоделирование, прогнозирование, послеоперационные осложне‐ ния, хирургическое лечение, хронические заболевания легких.
В настоящее время решающую роль в по‐
вышения эффективности и качества медицин‐
ского обслуживания играют информационные
технологии. Актуальные задачи практической
медицины являются идеальным полем для ис‐
пользования технологий нейронных сетей (НС),
и именно в этой области наблюдается наиболее
яркий практический успех нейроинформаци‐
онных методов, с развитием которых все чаще
предпринимаются попытки внедрения в лечеб‐
ную деятельность программированного про‐
гнозирования [2‐4,6,7]. Все больше ученых в по‐
следнее время приходят к выводу, что обычные
модели и алгоритмы не могут быть применены
к медицинским задачам из‐за низкой степени
надежности и эффективности. В то время как с
помощью интеллектуальных нейронных сетей
стало возможным принимать решения, осно‐
вываясь на выявлении ими скрытых закономер‐
ностях в многомерных данных, что способствует
определению наиболее важных симптомов за‐
болевания. В приложении к медицинской ди‐
агностике НС дают возможность значительно
повысить специфичность метода, не снижая его
чувствительность [1‐3].
