Цель исследования заключается в повышении качества прогнозирования ишемической болезни сердца путем учета синергетического эффекта наличия сопутствующих заболеваний и факторов профессиональной среды посредством многоагентных интеллектуальных систем. Методы исследования. Для прогнозирования ишемической болезни сердца предложена базовая структура многоагентной интеллектуальной системы, содержащая «сильные» и «слабые» классификаторы. При этом «слабые» классификаторы разделены на четыре группы, первая из которых осуществляет анализ данных, полученных на основе традиционных факторов риска ишемической болезни сердца, вторая - на основе анализа электрокардиологических исследований, третья группа «слабых» классификаторов предназначена для диагностики сопутствующих заболеваний и синдромов по предикторам, используемых первыми двумя группами агентов, а четвертая - анализирует факторы риска окружающей среды. Мультиагентная система позволяет управлять процессом принятия решений посредством сочетания экспертных оценок, статистических данных и текущей информации. Результаты. Проведены экспериментальные исследования различных модификаций предложенной модели классификатора, заключающихся в последовательном исключении из агрегатора решений «слабых» классификаторов на различных иерархических уровнях. В ходе экспериментального оценивания и в результате математического моделирования было показано, что при использовании всех информативных признаков уверенность в правильном прогнозе по риску ишемической болезни сердца превышает величину 0,8. Показатели качества прогнозирования выше, чем у известной системы прогнозирования ишемической болезни сердца - превышает SCORE, в среднем, на 14%. Выводы. Анализ показателей качества классификации в экспериментальной группе обследуемых с различным показателем ишемического риска и в контрольной группе, составленной из машинистов электролокомотивов, для которых релевантными показателями ишемических рисков являются вибрационная болезнь и пребывание в электромагнитных полях, показал, что учет влияния этих факторов риска в контрольной группе повышает диагностическую эффективность на семь процентов по сравнению с экспериментальной группой, выступающей как фоновая
The aim of the study is to improve the quality of predicting coronary heart disease by taking into account the synergistic effect of the presence of concomitant diseases and occupational factors through multi-agent intelligent systems. Research methods. To predict coronary heart disease, a basic structure of a multi-agent intelligent system is proposed, which contains “strong” and “weak” classifiers. At the same time, the "weak" classifiers are divided into four groups, the first of which analyzes data obtained on the basis of traditional risk factors for coronary heart disease, the second - based on the analysis of electrocardiological studies, the third group of "weak" classifiers is intended for the diagnosis of concomitant diseases and syndromes based on predictors used by the first two groups of agents, and the fourth analyzes environmental risk factors. The mobile system allows you to manage the decision-making process through a combination of expert assessments, statistical data and current information. Results. Experimental studies of various modifications of the proposed model of the classifier, consisting in the sequential exclusion from the aggregator of decisions of "weak" classifiers at various hierarchical levels, have been carried out. In the course of experimental evaluation and as a result of mathematical modeling, it was shown that when using all informative signs, the confidence in the correct forecast for the risk of coronary heart disease exceeds 0.8. The indicators of the quality of prediction are higher than those of the known predictive system for coronary heart disease - they exceed SCORE, on average, by 14%. Conclusions. Analysis of the classification quality indicators in the experimental group of subjects with different ischemic risk indicators and in the control group made up of electric locomotive drivers, for whom vibration sickness and exposure to electromagnetic fields are relevant indicators of ischemic risks, showed that taking into account the influence of these risk factors in the control group increases diagnostic efficiency by seven percent compared with the experimental group serving as background
Assessing the quality of intelligent systems with flexible programmable architecture
