Разработка математических моделей для диагностики гинекологических заболеваний

Abstract

В настоящее время в медицине гинекологические заболевания остаются на высоком уровне распространенности. Среди них наиболее часто встречаются такие заболевания как эндометриоз, встречается у 4,65% пациенток, опухоль яичников и миома матки – доброкачественная опухоль, встречающаяся у 6,88% пациенток Современный алгоритм диагностики при подозрении на миому матки, включает в себя гинекологический осмотр, УЗИ, лабораторную диагностику, однако на практике возникают сложности с интерпретацией данных. Также рост объема медицинской информации создает необходимость в разработке автоматизированных систем обработки медицинской информации. Создание автоматизированных подсистем является актуальной задачей, которая может своевременно выявлять изменения в состоянии здоровья пациента и предотвращать возможные осложнения. А также это сократит время на медицинское обслуживание пациентов и повысит качество и эффективность медицинского обслуживания. Таким образом, актуальностью данной темы является необходимость разработки методов интеллектуальной поддержки процесса диагностики гинекологических заболеваний. Целью работы является разработка моделей на основе статистического моделирования для реализации подсистемы диагностики гинекологических заболеваний, так как это необходимо для улучшения и оптимизации процесса диагностики и лечения Currently, gynecological diseases remain at a high level of prevalence in medicine. Among them, the most common diseases are endometriosis, which occurs in 4.65% of patients, ovarian tumor and uterine fibroids, a benign tumor that occurs in 6.88% of patients. The modern diagnostic algorithm for suspected uterine fibroids includes gynecological examination, ultrasound, and laboratory diagnostics, but in practice it is difficult to interpret the data. Also, the growing volume of medical information creates the need to develop automated medical information processing systems. The creation of automated subsystems is an urgent task that can timely detect changes in the patient's health status and prevent possible complications. It will also reduce the time spent on medical care for patients and improve the quality and efficiency of medical care. Thus, the relevance of this topic is the need to develop methods of intellectual support for the diagnosis of gynecological diseases. The aim of the work is to develop models based on statistical modeling for the implementation of a subsystem for the diagnosis of gynecological diseases, as this is necessary to improve and optimize the process of diagnosis and treatment