ИСТИНА

Для заданной болезни и соответствующей базы данных пациентов создается вероятностная прогностическая модель на основе байесовской сети с наивной топологией. Корневым узлом байесовской сети является прогнозируемое событие, например исход болезни, а остальные узлы-листья представляют собой переменные, соответствующие параметрам пациентов. Для параметров базы данных с непрерывными значениями проводится дискретизация путем разбиения на интервалы. С помощью оригинальных программ проводится обучение заданной сети на базе данных, в результате которого для каждого узла сети вычисляются таблицы условных вероятностей. С помощью обученной сети для новых пациентов можно рассчитать условную вероятность исхода по значениям их параметрам. Качество предсказания различных байесовских сетей определяется разработанными программами оценки на основе расчета величины AUC – площади под ROC-кривой. Чем ближе значение AUC к единице, тем выше качество предсказания – меньше ложных предсказаний. На основе программ оценки создаются гистограммы риска, позволяющие сопоставить условным вероятностям абсолютные вероятности исхода заболевания для каждой группы пациентов, на основе которых для каждого нового пациента и делается предсказание исхода заболевания. Для увеличения качества предсказания и уменьшения числа прогностических параметров сеть может быть оптимизирована по числу узлов с целью достижения максимального значения AUC.