Алгоритм оперативной верификации опасного эпидемического заболевания вероятностным методом и его реализация Текст научной статьи по специальности «Компьютерные и информационные науки»

УДК 519.816

АЛГОРИТМ ОПЕРАТИВНОЙ ВЕРИФИКАЦИИ ОПАСНОГО ЭПИДЕМИЧЕСКОГО ЗАБОЛЕВАНИЯ ВЕРОЯТНОСТНЫМ МЕТОДОМ И ЕГО РЕАЛИЗАЦИЯ

О.В. Михеев(1), A.C. Самохина(2)

тЗА0 НВК «ВИСТ», г. Москва;

(2)Институт проблем управления им. В.А. Трапезникова РАН, г. Москва

Разработан алгоритм для системы поддержки принятия решений в целях оперативной верификации опасного эпидемического заболевания при управлении предотвращением и ликвидацией последствий биотерактов.

ВВЕДЕНИЕ

В последнее десятилетие активно обсуждаются вопросы предупреждения распространения опасных эпидемических заболеваний (ОЭЗ). Эти вопросы имеют комплексный характер и связаны не только с организацией работы санитарно-эпидемиологических служб, но и с проблемами биологической безопасности [1, 2].

Как правило, сценарии биологических чрезвычайных ситуаций (БЧС) крайне не оптимистичны как в смысле человеческих потерь, так и в смысле затрат на ликвидацию их прямых последствий, а также потерь вследствие дезорганизации экономики региона и последствий психологического воздействия на население. Применение компьютерной техники для принятия решений по предупреждению, противодействию и ликвидации последствий БЧС крайне необходимо, так как повышает управляемость ситуацией в режиме реального времени, увеличивает информированность управляющих органов, сокращает время принятия решений. Одна из важнейших мер предупреждения распространения опасных заболеваний состоит в создании и дальнейшем использовании системы поддержки принятия решений (СППР) по преодолению и ликвидации последствий БЧС. Такая система, работающая практически в реальном масштабе времени, помогает организовать поддержку процесса принятия решений в условиях острой нехватки времени, противоречивой информации об оперативной обстановке и противоречивых мнениях руководителей различных служб [3].

В СППР должно быть предусмотрено два режима (этапа) работы — подготовительный и оперативный [4]. В подготовительном режиме, в частности, осуществляется классификация различных объектов, с которыми затем работают в оперативном режиме. Такими объектами могут быть, например, особо опасные эпидемические заболевания, которые могут быть применены при биологическом терроризме. В оперативном режиме некоторый инцидент (событие, зафиксированное диспетчерской службой), должен быть сначала верифицирован как БЧС, т. е. должно быть оперативно определено, относится ли заболевание к опасным эпидемическим. Если наблюдается ОЭЗ, то проводится идентификация заболевания, масштаба и способа его распространения, т. е. определяется сценарий развития события [5, 6]. Рассмотрим алгоритм оперативной верификации заболевания, включенного в базу знаний, созданную в подготовительном режиме работы СППР.

1. ОБОБЩЕННЫЙ АЛГОРИТМ ОПЕРАТИВНОЙ ВЕРИФИКАЦИИ ОПАСНЫХ ЭПИДЕМИЧЕСКИХ ЗАБОЛЕВАНИЙ

Сформулируем алгоритм решения диагностической задачи, позволяющий верифицировать известные типы особо опасных инфекционных заболеваний.

Пусть 0(/, у) — вероятность /-го общего признака для у-го заболевания, / = 1, N, у = 1, М. Общими считаются признаки, характерные для ряда заболеваний.

Пусть С(/, у) — вероятность /-го специфического признака для у-го заболевания, / = 1, К,

j = 1, М. Специфическими считаются признаки, характерные для данного конкретного заболевания.

Далее, пусть БО(і) — характеристика /-го обще-

го признака больного, / = 1, N, а БС(/) — характеристика /-го специфического признака больно/ = 1, К. Положим

го

БО(/) =

и

БС(/) =

1, если признак присутствует, 0,5, если признак возможен,

0, если признак отсутствует,

1, если признак присутствует, 0,5, если признак возможен,

0, если признак отсутствует,

Обозначим К0( у) — число общих признаков для у-го заболевания, вероятность которого не менее 0,5, КС(у) — число специфических признаков для у-го заболевания, вероятность которого не менее 0,5.

Тогда вероятность того, что пациент страдает у-м заболеванием, определяется выражением:

N К

£ БО( /) О(/, j) + £ БС(/) С(/, j)

і = 1_____________і = 1____________

КО(]) + КС(І)

N

£ БС( /)С(/, j)

/ = 1

кс(/)

Если вероятность какого-либо одного или нескольких заболеваний превосходит некоторое пороговое значение, то система выдает диагностическую гипотезу о возможном наличии заболевания с определенной степенью вероятности.

2. ВХОДНЫЕ ДАННЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ВЕРИФИКАЦИИ ОПАСНЫХ ЭПИДЕМИЧЕСКИХ ЗАБОЛЕВАНИЙ

Входными данными системы являются:

— ответы пользователя на вопросы системы;

— база данных с описаниями признаков;

— база данных с описанием заболеваний;

— таблица соответствий между заболеваниями и признаками;

— таблица значений признаков заболеваний;

— база данных с информацией о пациентах.

Входные данные можно разбить на два больших

блока:

• оперативные данные, поступающие с пользовательского интерфейса, т. е. интерфейса лечащего врача; сюда также входит и база данных о пациентах (их «больничные карточки»);

• содержимое базы знаний, заполненной экспертами на предварительном этапе построения СППР.

Структура и представление групп вопросов в опроснике, заполняемого лечащим врачом, служат эффективным инструментом для ввода данных, а также для наглядного рабочего представления данных в форме табл. 1.

База знаний по опасным эпидемическим заболеваниям заполняется экспертами на этапе классификации ОЭЗ, во время подготовительного этапа построения системы противодействия биотерактам [7].

Таблица 1

Пример сокращенного опросника, заполняемого лечащим врачом

X

X

Фамилия, имя, отчество Дата рождения Дата заболевания Дата обращения за медицинской помощью Жалобы Общее состояние больного Состояние кожных покровов и слизистых Состояние сердечно-сосудистой системы Симптомы поражения нервной системы Состояние органов гепатолиенальной системы Оценка вероятности выявления ОЭЗ Оценка условной вероятности нозоформы Алексеенко Алексей Борисович 02.01.1980 08.12.2005 17.12.2005 Озноб, жар, головная боль, головокружение, общая слабость, мышечная слабость, повышенная утомляемость, тошнота Тяжелое, сознание сохранено, возбуждение, нарушение речи, бред, вестибулярные нарушения, температура 38—40 °С и более, резкое повышение температуры Г иперемия лица, отечность, одутловатость лица, гиперемия слизистых ротоглотки, дыхание затруднено, сухой кашель, кашель со стекловидной мокротой Тахикардия, гипотония Симптомы поражения мозговых оболочек Увеличение печени, симптомы нарушения гемодинамики 0,65 Чума: 0,64, вирусная геморрагическая лихорадка 0,51

71

ПРОБЛЕМЫ УПРАВЛЕНИЯ № 4 • 2007

Для построения базы знаний по особо опасным инфекционным заболеваниям привлекается группа, состоящая из Ь экспертов. Каждый член группы оценивает других членов по 10-балльной шкале. Для каждого эксперта вычисляется его вес

L

£ 5( /, у) р0(/) = ' = 1 у' * '■

Ь - 1

где 8(/, у) — оценка у-м экспертом /-го эксперта, р0(/) — первоначальный вес /-го эксперта. Для уточнения веса /-го эксперта целесообразно воспользоваться формулой

£ р0( /Ж /, у)

1/,-\ — ] = 1, ] * I

р(/) = ' Ь - 1-----------•

Каждый эксперт заполняет табл. 2, проставляя значения 0(/, у, к) — вероятность /-го общего симптома у-го больного, проставленная к-м экспертом и С(/, у, к) — вероятность /-го специфического симптома у-го больного, проставленная к-м экс-

пертом в соответствующих графах. Элементы итоговой таблицы строятся по формуле:

L 1

£ р1( к) 0( /, у, к)

0(/, у) = *=1--------------

1

L

£ Р1 (к) к = 1

аналогично вычисляются значения С(/, у). Пример начала описания итоговых таблиц приведен в табл. 2.

3. ВЫХОДНЫЕ ДАННЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ДЛЯ ВЕРИФИКАЦИИ ОПАСНЫХ ЭПИДЕМИЧЕСКИХ ЗАБОЛЕВАНИЙ

Выходные данные программы представляют собой диагноз, поставленный на основе наблюдаемых симптомов и базы знаний о заболеваниях. Диагноз выдается на экран в качестве окончательного ответа экспертной системы пользователю. Кроме того, информация об обнаруженном заболевании и наблюдаемых признаках заносится в электронную карточку пациента.

Таблица 2

Пример итоговой таблицы для чумы, вирусной геморрагической лихорадки (в. г. л.), натуральной оспы (н. о.)

Личные данные пациента

Дата начала заболевания

Дата обращения за медицинской помощью

Начало острое 0,9 0,7 0,9 1 1 1

заболе- подострое 0,1 0,2 0,1 0 0 0

вания вялотекушее 0,0 0,1 0,0 0 0 0

Заболевание Чума ч и Н. о. Чума В. г. л. Н. о.

Жалобы озноб 0,9 0,9 0,9 1 1 1

жар 0,9 0,8 0,7 1 1 1

головная боль 0,9 0,9 0,7 1 1 1

головокружение 0,5 0,1 0,1 1 0 0

нарушение зрения 0,0 0,0 0,0 0 0 0

светобоязнь 0,0 0,0 0,0 0 0 0

общая слабость 0,9 0,9 0,9 1 1 1

мышечная слабость 0,9 0,9 0,9 1 1 1

повышенная утом- 0,9 0,9 0,9 1 1 1

ляемость

сонливость 0,0 0,1 0,4 0 0 0,5

бессонница 0,3 0,1 0,1 0,5 0 0

мышечные боли 0,8 0,7 0,1 1 1 0

боли в суставах 0,0 0,3 0,1 0,5 0 0

боль в грудной клетке 0,7 0,1 0,1 1 0 0

одышка 0,5 0,1 0,1 1 0 0

кашель 0,5 0,1 0,1 1 0 0

озноб 0,9 0,9 0,9 1 1 1

СО

К

і

к

сЗ

«

а

м

Й

В процессе работы система генерирует несколько рабочих версий окончательного диагноза, и затем «отсеиваются» лишние гипотезы, которые имеют вес, меньший, чем некоторое значение, заранее заданное специалистом.

Например, в процессе работы системы сформировалось пять версий диагноза с вероятностями от 0,51 до 0,98. Пусть порог уверенности, заданный специалистом, равен 0,75. Тогда система выдаст все версии, вероятности которых больше 0,75, в порядке убывания их вероятностей, «отсеяв» остальные:

0,98 — вероятность заболевания 1;

0,93 — “ “ 2;

0,87 — “ “ 3.

Система также ведет регистрацию пациентов, их состояний и статистику заболеваний: частоту встречаемости заболевания, сезонность эпидемических заболеваний, возрастной состав заболевших, гендерный состав заболевших и др.

Разработанная СППР обладает дружественным пользовательским интерфейсом, не требующим специальных навыков и понятным как для лечащего врача, так и для эксперта-медика.

ЗАКЛЮЧЕНИЕ

Предложенный алгоритм позволяет определять наличие опасных эпидемических заболеваний с некоторыми вероятностями. При наличии заболевания с помощью компьютерной системы предотвращения и ликвидации последствий биотерактов выполняется его детальная идентификация, предполагающая дальнейшие клинические анализы в специализированных учреждениях. На основании поставленного диагноза и оперативной обстановки можно моделировать сценарии развития опасных эпидемических заболеваний [5, 6, 8].

ЛИТЕРАТУРА

1. Организация и проведение противоэпидемических мероприятий при террористических актах с применением биологических агентов / Методические рекомендации МР 2510/11646-01-34.

2. Противодействие биологическому терроризму. Практическое руководство по противоэпидемическому обеспечению / под ред. Г.Г. Онищенко. — М., 2003. — 311 с.

3. Трахтенгерц Э.А., Шершаков В.М., Камаев Д.А. Компьютерная поддержка управления ликвидацией последствий радиационного воздействия. — М.: СИНТЕГ, 2004. 456 с.

4. Самохина А.С. Общая постановка задачи классификации и идентификации в системе поддержки принятия решений при биологической чрезвычайной ситуации // Межвуз. сб. науч. тр. «Теоретические вопросы вычислительной техники, программного обеспечения и информационных технологий в муниципальном хозяйстве». — М., 2005. — С. 216—221.

5. Габусу П. А., Михеев О. В., Самохина А. С. Экспериментальные исследования имитационной математической модели распространения опасного эпидемического заболевания // Тр. междунар. конф. «Параллельные вычисления и задачи управления» PAC0'2006 / Ин-т пробл. упр. — М., 2006. С. 1494—1508.

6. Габусу П. А., Михеев О.В., Самохина А.С. Идентификация сценариев эпидемического заболевания // Проблемы безопасности и чрезвычайных ситуаций. — 2006. — № 2. — С. 92—106.

7. Габусу П.А., Михеев О. В, Самохина А. С. Анализ схем обработки первичных данных в системе предотвращения биологической чрезвычайной ситуации // Там же. — № 4. — С. 64—71.

8. Габусу П.А., Михеев О.В., Самохина А.С. Взаимодействие V-модели и имитационной математической модели распространения опасного эпидемического заболевания // Там же. — № 3. — С. 96-105.

в (495) 318-69-73,

е-mail: absamokhin@yandex.ru, olgm@ncgroup.ru

Статья представлена к публикации членом редколлегии

В.Н. Новосельцевым. □

книга

Бухарин С.Н., Цыганов В.В. Методы и технологии информационных войн. — М.: Академический проект, 2007. — 382 с.

Изложены методы и технологии информационных войн, основанные на их теории и методологии, а также практические применения. На основе изучения целей информационных войн спроектированы процедуры ситуационного анализа и алгоритмы определения стратегий информационного противоборства (в том числе провокаций). Разработаны процедуры планирования информационных операций, алгоритмы принятия решений в информационных войнах и подходы к управлению информационным противоборством. Эти методы и технологии применены для анализа и проектирования комплексных систем управления противоборством в информационных войнах разной природы и масштаба — от корпоративных и отраслевых до региональных и национальных. Проанализированы экологические информационные войны в условиях глобализации. В приложениях даны необходимые сведения об экспертных и статистических методах.

Для руководителей и специалистов по информационным операциям и связям с общественностью, управлению, социологии, политологии, экономике, профессорско-преподавательского состава и студентов социально-экономических кафедр вузов, а также читателей, интересующихся информационным противоборством.