ПРИНЦИП ПРЕДЕЛЬНЫХ ОБОБЩЕНИЙ: методология, задачи ...

250
включал результаты от 2 до 5 тестов (было задано ограничение на
количество тестов в синдромах – не более 5). Поиск минимального
количества синдромов при условии максимального процента покрытия
соответствующей группы пациентов (модель знаний {S} υ Min на {τ/T} * ) дал
следующие результаты: для прогрессирующего течения – 11, для
стабильного течения – 16, для регрессирующего течения – 12. Фрагмент
найденных множеств синдромов приведен на рис. 5.4.
Рис. 5.4 – Фрагмент списка синдромов с указанием % покрытия для
регрессирующего течения
Список синдромов приведен не в полном объеме, так как предварительный
анализ найденных синдромов экспертами показал необходимость
фальсификации некоторых из них путем корректировки конфигураторов,
корректировки некоторых заключений, а также добавления новых
прецедентов, опровергающих соответствующий синдром. После этапа
корректировки банка тестов и фальсификации всех вызывающих сомнение
синдромов можно говорить о стабилизации модели знаний. После
стабилизации модель {S} υ Min может быть применена для прогноза течения
заболевания в разные периоды после инфаркта миокарда.
В главе 7 будет произведено ультраоснащение модели знаний {S} υ Min в
виде среды радикалов. Каждый радикал является элементарной
функциональной системой, стремящейся установить наличие
определенного синдрома. Среда радикалов позволяет реализовать
разнообразные, в том числе самоорганизующиеся схемы работы
когнитивной динамической системы.
Данный пример показывает, что метод предельных обобщений может
быть эффективно применен для решения широкого класса клинических
задач, включая диагностику, прогнозирование и оценку эффективности
лечения.