Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії
У статті вирішено завдання диференційної діагностики гематологічних захворювань — вторинного еритроцитозу та справжньої поліцитемії. Відомо, що на початковій стадії розвитку патологічних процесів клінічна картина та дані лабораторних досліджень при цих захворюваннях подібні. Аналіз лабораторних дани...
Збережено в:
| Опубліковано в: : | Проблеми керування та інформатики |
|---|---|
| Дата: | 2024 |
| Автори: | , |
| Формат: | Стаття |
| Мова: | Українська |
| Опубліковано: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2024
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/211162 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії / А.М. Гупал, А.Л. Тарасов // Проблеми керування та інформатики. — 2024. — № 3. — С. 104–109. — Бібліогр.: 3 назви. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1860085119408144384 |
|---|---|
| author | Гупал, А.М. Тарасов, А.Л. |
| author_facet | Гупал, А.М. Тарасов, А.Л. |
| citation_txt | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії / А.М. Гупал, А.Л. Тарасов // Проблеми керування та інформатики. — 2024. — № 3. — С. 104–109. — Бібліогр.: 3 назви. — рос. |
| collection | DSpace DC |
| container_title | Проблеми керування та інформатики |
| description | У статті вирішено завдання диференційної діагностики гематологічних захворювань — вторинного еритроцитозу та справжньої поліцитемії. Відомо, що на початковій стадії розвитку патологічних процесів клінічна картина та дані лабораторних досліджень при цих захворюваннях подібні. Аналіз лабораторних даних проведено з використанням байєсівських процедур розпізнавання. З 41 показника окремо виділено булеві та дискретні параметри. Вперше проведено аналіз одночасно трьох груп: вторинний еритроцитоз, справжня поліцитемія та група здорових людей. . Побудована самонавчальна система на основі байєсівських процедур розпізнавання дозволяє швидко виконувати діагностику без широкого спектра аналізів.
The task of differential diagnostics of hematological diseases such as secondary erythrocytosis and true polycythemia has been solved. At the initial stage, the clinical picture and laboratory data of these diseases are similar. Laboratory data analysis was carried out using Bayesian recognition procedures. Among 41 indicators, Boolean and discrete parameters were selected separately. For the first time, an analysis of three groups was performed: secondary erythrocytosis, true polycythemia, and a healthy group. A self-learning system based on Bayesian recognition procedures allows for quick diagnosis without extensive analyses.
|
| first_indexed | 2026-03-19T10:16:44Z |
| format | Article |
| fulltext |
© А.М. ГУПАЛ, А.Л. ТАРАСОВ, 2024
104 ISSN 2786-6491
КЕРУВАННЯ В ТЕХНІЧНИХ,
ЕКОНОМІЧНИХ ТА БІОЛОГІЧНИХ СИСТЕМАХ
УДК 519.217.2+616.006
А.М. Гупал, А.Л. Тарасов
БАЙЄСІВСЬКИЙ ПІДХІД ПРИ РОЗПІЗНАВАННІ
ВТОРИННОГО ЕРИТРОЦИТОЗУ
ТА СПРАВЖНЬОЇ ПОЛІЦИТЕМІЇ
Гупал Анатолій Михайлович
Інститут кібернетики імені В.М. Глушкова НАН України, м. Київ,
gupalanatol@gmail.com
Тарасов Андрій Леонтійович
Інститут кібернетики імені В.М. Глушкова НАН України, м. Київ,
freearcher@ukr.net
У статті вирішено завдання диференційної діагностики гематологічних захво-
рювань — вторинного еритроцитозу та справжньої поліцитемії. Відомо, що на
початковій стадії розвитку патологічних процесів клінічна картина та дані ла-
бораторних досліджень при цих захворюваннях подібні. Аналіз лабораторних
даних проведено з використанням байєсівських процедур розпізнаван-
ня. З 41 показника окремо виділено булеві та дискретні параметри. Вперше
проведено аналіз одночасно трьох груп людей: група з вторинним еритроцито-
зом; група зі справжньою поліцитемією; група здорових людей. При прове-
денні аналізу булевих параметрів ефективність розпізнавання вторинного ери-
троцитозу та справжньої поліцитемії становить 100 %. Такий показник отри-
мано завдяки тому, що в комбінації булевих параметрів k
nC увійшли всі
булеві параметри. При проведенні аналізу дискретних параметрів ефектив-
ність розпізнавання під час диференційної діагностики становить 95,55 %. При
дослідженні трьох груп людей з використанням булевих параметрів ефектив-
ність розпізнавання становить 97,77 %, а з використанням дискретних параме-
трів — 86,66 %. Таким чином, побудувавши самонавчальну систему за допо-
могою байєсівських процедур розпізнавання, можна виконати швидку діагнос-
тику без широкого спектра аналізів пацієнта (4–7 параметрів з 41, що були
проаналізовані). Найбільший внесок у досягнення високих результатів робить
показник мутації JAK2, але, як показано в роботі, оцінку лабораторних дослі-
джень можна проводити за іншими, більш доступними за вартістю показника-
ми, такими як показники еритроцитів, тромбоцитів тощо. Даний підхід можна
застосовувати і при діагностуванні інших захворювань, що потребують великої
кількості аналізів.
Ключові слова: байєсівська процедура розпізнавання, булеві показники,
дискретні показники, гематологічні захворювання, вторинний еритроцитоз,
справжня поліцитемія.
Вступ
Еритроцитозом називається збільшення кількості еритроцитів у периферич-
ній крові внаслідок їх інтенсивного утворення в кістковому мозку одночасно з під-
вищенням концентрації гемоглобіну, гематокриту та маси циркулюючих еритро-
mailto:gupalanatol@gmail.com
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2024, № 3 105
цитів. У роботі розглянуто два види еритроцитозів — вторинний еритроцитоз (ВЕ)
та клональний еритроцитоз при справжній поліцитемії (СП). ВЕ та СП віднося-
ться до гематологічних захворювань, пов’язаних з порушенням функцій крові. Як
контрольна використана група здорових людей (ГЗЛ).
ВЕ — це стан, коли кількість еритроцитів в одиниці об’єму крові збільшуєть-
ся внаслідок активації еритропоезу та виходу надлишку еритроцитів з кісткового
мозку в судинне русло.
СП — це злоякісний пухлинний процес у кровоносній системі. В крові
з’являються надлишкові еритроцити і водночас збільшується кількість тромбоци-
тів та лейкоцитів, але меншою мірою.
Диференційна діагностика ВЕ, що виникає на фоні низки різноманітних па-
тологічних станів, та клонального еритроцитозу при СП залишається складною
задачею (особливо на початковій стадії патологічного процесу) через те, що клі-
нічна картина та дані лабораторних показників при цих двох формах еритроцито-
зу можуть бути подібними [1, 2]. Так, близько 30 % хворих на СП при встанов-
ленні діагнозу не мають лейкоцитозу, тромбоцитозу та спленомегалії, які є крите-
ріями діагностики цього захворювання, визначеними Всесвітньою організацією
охорони здоров’я. З іншого боку, такі важливі діагностичні ознаки, як спленоме-
галія та лейкоцитоз, можуть бути присутні й у певної кількості пацієнтів з ВЕ.
У статті розглянуто байєсівський підхід до розпізнавання ВЕ, СП та ГЗЛ го-
ловним чином за стандартними клінічними дослідженнями крові. Основною ме-
тою при цьому підході є диференційна діагностика ВЕ та СП, а також розпізна-
вання одразу ВЕ, СП та ГЗЛ.
Розпізнавання на основі булевих параметрів
Булеві параметри — це параметри, які можуть приймати одне з двох можливих
значень: True або False. У табл. 1 наведено 30 булевих показників дослідження кро-
ві та ефективності їх розпізнавання при диференційній діагностиці ВЕ та СП.
Таблиця 1
Булевий параметр
Розпізнавання, %
Булевий параметр
Розпізнавання, %
СП ВЕ СП ВЕ
Мутація JAK2 94,44 98,33
Гіперплазія мегакаріоцита-
рна (МГКЦ) паростка
90,47 100
Еритропоетин, зниження 82,22 88,33 Трипаросткова гіперплазія 81,92 100
Гіперплазія мієлоїдного
паростка
88,09 80,39 Нейтрофільоз 74,44 94,16
Мікроциркуляторні пору-
шення
66,26 92 Спленамогелія по УЗД 65,55 85,83
Еритропоетин, норма 82,22 64,16 Лейкоцитоз 60 80
Холестерин, підвищення 95,55 59,16 Холестерин, норма 56,66 61,66
Тромбоцитоз 56,66 95,83 Плеоморфізм МГКЦ 55,95 100
Свербіж шкіри 53,33 85
Лактатдегідроненаза
(ЛДГ), норма
48,88 99,16
ЛДГ, підвищення 48,88 99,16 Холестерин, зниження 38,88 97,5
Феритин, норма 36,66 77,5 Феритин, зниження 32,22 92,5
Еритроцитоз 98,88 30,83
Учасник ліквідації наслід-
ків аварії (УЛНА)
27,77 85
Гіперплазія еритрону 100 19,6 Гемоглобін, підвищення 0 100
Резорбція кістки 39,28 0 Ретикуліновий фіброз 100 0
Феритин, підвищення 0 100 Гематокрит, підвищення 0 100
Еритропоетин, підвищення 0 24,16 Тромбоцити, зниження 0 100
У роботах [1, 2] виділено 15 булевих показників, ефективність розпізнавання
яких вища за 50 %, та створено всі можливі комбінації цих незалежних ознак:
106 ISSN 2786-6491
2
15 ,C
3 15
15 15,..., .С С Водночас найвища ефективність розпізнавання досягнута в 98,04 %
ВЕ та 100 % СП [2] для комбінації булевих параметрів: гіперплазія МГКЦ парост-
ка, свербіж шкіри, мутація JAK2, плеоморфізм МГКЦ, трипаросткова гіперплазія
та підвищення холестерину. Автори роботи не обмежились лише цими 15 парамет-
рами, а поставили за мету досягти 100 %-го розпізнавання як для ВЕ, так і для СП
шляхом побудови комбінацій булевих параметрів
2 3 8
30 30 30, ,..., ,... .С C C Розглянемо
наведений на рисунку алгоритм розпізнавання при диференційній діагностиці з ви-
користанням булевих параметрів (розподіл булевих показників при диференцій-
ній діагностиці ВЕ та СП).
Показники ВЕ
Мутація JAK2 Холестерин, підвищення Свербіж шкіри
30 показників True 25 показників True 20 показників True
90 показників False 95 показників False 100 показників False
Показники СП
Мутація JAK2 Холестерин, підвищення Свербіж шкіри
60 показників True 20 показників True 15 показників True
30 показників False 70 показників False 75 показників False
Процедура розпізнавання з незалежними ознаками базується на формулі Байєса
1 2
1 2
1 2
( , | ) ( )
( | ,
( , )
, ...,
, , ..., )
, ...,
n
n
n
P x x x f i P f i
P f i x x x
P x x x
= =
= = (1)
де 1 2( , | ), ..., nP x x x f i= — добуток частот подій 1 2, , ..., nx x x для діагнозів i;
( )P f i= — частота появи діагнозу i у всій навчальній вибірці (кількість аналізів діа-
гнозу i, поділена на загальну кількість аналізів); 1 2( , ), ..., nP x x x — добуток частот
подій 1 2, , ..., nx x x у всій навчальній вибірці; 1 2, , ..., nx x x — показники досліджень
(на рисунку — мутація JAK2, підвищення холестерину та свербіж шкіри); i — діагно-
зи, що розпізнаються (у формулах p — СП, e — ВЕ). Зазначимо, що при використанні
цієї формули всі ймовірності в ній заміщуються частотами з навчальної вибірки.
Відповідно до формули (1) при отриманні, наприклад, на вхід навчальної вибірки
трьох показників (мутація JAK2 — True, підвищення холестерину — False та свербіж
шкіри — True) маємо дві відповіді згідно з формулою (1) для СП та ВЕ. Стан дослі-
дження відповідає максимальному з цих двох значень; при порівнянні відповідей
знаменник у (1) скорочується та не використовується у розрахунках. Таким чином,
отримуємо формулу
1 2 3
1 2 3
1 2 3
,
( , , ) ( { , })
,
p p p
e e e
True False True p
p p p p e
True False True e
e e e p e
m m m m
m m m m m
P x x x P f p e
m m m m
m m m m m
+
= =
+
(2)
де 1 ,
pTruem 2 ,
pFalsem 3 pTruem — кількість показників True при мутації JAK2
(60 показників на рисунку), False — при підвищенні холестерину (70 показників на
рисунку) та True — при свербежу шкіри (15 показників на рисунку) відповідно при
СП; 1 ,
eTruem 2 ,
eFalsem 3 eTruem — кількість показників True при мутації JAK2
(30 показників на рисунку), False — при підвищенні холестерину (95 показників на
рисунку) та True — при свербежу шкіри (20 показників на рисунку) відповідно
при ВЕ; ,e pm m — кількість аналізів для класів ВЕ та СП відповідно.
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2024, № 3 107
Ураховуючи, що верхня частина формули (2) порівнюється з нижньою, маємо
1 2 3
2
1 2 3
1 2 3
2
,
( , , ) ( { , })
.
p p p
e e e
True False True
p
True False False
e
m m m
m
P x x x P f p e
m m m
m
= =
(3)
Згідно з рисунком та формулою (3) для СП отримуємо 260 70 15 / 90 7,78 = і
для ВЕ — 230 95 20 /120 3,96. = Вибираючи з двох значень максимальне, роби-
мо висновок, що аналіз пацієнта стосується діагнозу СП. У табл. 2 наведено ре-
зультати розпізнавання за комбінаціями булевих параметрів при диференційній
діагностиці СП та ВЕ, а в табл. 3 — при розпізнаванні СП, ВЕ та ГЗЛ.
Таблиця 2
Комбінація параметрів
Розпізнавання, %
СП ВЕ
Мутація JAK2 94,44 98,33
Мутація JAK2, трипаросткова гіперплазія 100 96,07
Мутація JAK2, гіперплазія МГКЦ паростка, еритроцитоз 98,8 100
Мутація JAK2, гіперплазія МГКЦ паростка, зниження еритропоетину,
норма еритропоетину
100 100
Гіперплазія МГКЦ паростка ЛДГ, норма 95,23 100
Таблиця 3
Комбінація параметрів
Розпізнавання, %
СП ВЕ ГЗЛ
Мутація JAK2, підвищення гемоглобіну 94,44 81,66 100
Мутація JAK2, еритроцитоз, підвищення гемоглобіну 93,33 98,33 100
Мутація JAK2, еритроцитоз, підвищення ЛДГ, підвищення гемоглобіну 94,44 97,55 100
Мутація JAK2, норма еритропоетину, зниження еритропоетину,
еритроцитоз, підвищення гемоглобіну, норма холестерину
97,77 99,16 100
З табл. 2 видно, що при диференційній діагностиці СП та ВЕ мета (100 %-ве
розпізнавання) досягнута. Основний внесок при проведенні цього розпізнавання
робить показник мутації JAK2 (розпізнавання тільки за цим показником не нижче
94,44 %). При мутації JAK2 йдеться про мутацію тірозінкінази, коли в 617-й по-
зиції валін замінений фенілаланіном. Також досягнуте максимальне розпізнавання
(98,8 %), коли з комбінації параметрів мутація JAK2 виключена. З табл. 3 видно,
що максимальний показник при розпізнаванні одразу трьох станів не менший
97,77 %. У табл. 2, 3 показано, як зростає ефективність розпізнавання із зрос-
танням кількості параметрів, що одразу входять у комбінацію параметрів (ці па-
раметри є незалежними ознаками при байєсівському підході).
Розпізнавання СП та ВЕ для дискретного розподілу випадкових величин
Ще одна група показників має один показник у певному діапазоні значень. Особ-
ливість застосування байєсівських процедур до таких показників пов’язана з дискрети-
зацією їхніх даних [3]. У табл. 4 наведено результати розпізнавання за такими показ-
никами при диференційній діагностиці СП та ВЕ. У табл. 5 наведено диференційну ді-
агностику СП та ВЕ, коли розглядаються комбінації дискретних параметрів з табл. 4.
З табл. 4 та 5 видно, що після збільшення кількості параметрів, які входять
у комбінацію, підвищується ефективність розпізнавання. Так, за показниками ли-
ше тромбоцитів ефективність розпізнавання збільшується з 82,5 % до 95,55 %, ко-
ли в комбінаціях ураховується одразу п’ять параметрів.
108 ISSN 2786-6491
Таблиця 4
Дискретний параметр
Розпізнавання, %
Дискретний параметр
Розпізнавання, %
СП ВЕ СП ВЕ
Тромбоцити 83,33 82,5 Еритропоетин 82,22 85,83
Феритин 81,11 80,83 Сегментоядерні 76,66 75,83
Холестерин 80 74,16 ЛДГ 73,33 78,33
Еритроцити 71,11 73,33
Середній об’єм
еритроцита (МСV)
72,22 70
Лейкоцити 68,88 69,16 Гематокрит 66,66 74,16
Гемоглобін 62,22 63,33 — — —
Таблиця 5
Комбінація параметрів
Розпізнавання, %
СП ВЕ
Еритропоетин, сегментоядерні 88,88 89,16
Гематокрит, еритропоетин, тромбоцити 93,33 94,16
Еритропоетин, еритроцити, тромбоцити, феритин 94,44 95
МСV, гематокрит, еритропоетин, ЛДГ, тромбоцити 95,55 95,83
Як і при розпізнаванні СП, ВЕ та ГЗЛ з використанням комбінацій булевих
параметрів, розглянемо результати розпізнавання зазначених станів людей за дис-
кретними параметрами, наведеними в табл. 6.
Таблиця 6
Комбінація параметрів
Розпізнавання, %
СП ВЕ ГЗЛ
Еритроцити 67,77 73,33 100
Еритроцити, феритин 77,77 80,83 85,71
Еритроцити, сегментоядерні, феритин 82,22 82,5 85,71
Еритроцити, ЛДГ, тромбоцити, феритин 85,55 84,16 85,71
Гематокрит, еритроцити, ЛДГ, тромбоцити, феритин 85,55 85,83 85,71
МСV, гематокрит, еритроцити, сегментоядерні,
тромбоцити, холестерин
85,55 86,66 96,42
МСV, гематокрит, еритроцити, ЛДГ, сегментоядерні, тромбоцити,
холестерин
86,66 86,66 96,42
З табл. 6 видно, як із зростанням кількості дискретних параметрів, що одночасно
враховуються при розпізнаванні, покращується ефективність розпізнавання. Так, за
показниками лише еритроцитів ефективність зростає з 67,77 % до 86,66 %, коли в
комбінацію параметрів одночасно входять сім параметрів (останній рядок табл. 6).
Висновок
При проведенні аналізу булевих параметрів розпізнавання СП та ВЕ досягну-
та 100 %-ва ефективність. Це стало можливим завдяки тому, що в комбінацію бу-
левих параметрів k
nC увійшли всі булеві параметри. Така висока ефективність
розпізнавання досягнута при n = 30 та k = 4. У роботі [2] ефективність становить
98,04 % при n = 15 та k = 6. При аналізі дискретних параметрів розпізнавання ефе-
ктивність диференційної діагностики становить 95,55 %. У роботі [2] вона стано-
вить 82,5 %.
Розпізнавання СП, ВЕ та ГЗЛ стало можливим завдяки тому, що було отри-
мано нові дані для ГЗЛ. Ефективність розпізнавання за булевими показниками
цих трьох станів не менша 97,77 %, а за дискретними показниками — 86,66 %.
Міжнародний науково-технічний журнал
Проблеми керування та інформатики, 2024, № 3 109
Таким чином, побудувавши самонавчальну систему з використанням байє-
сівських процедур розпізнавання, можна виконати швидку діагностику без ши-
рокого спектра аналізів пацієнта. Даний підхід також можна застосовувати при
діагностуванні інших захворювань, що потребують проведення великої кількос-
ті аналізів.
A. Gupal, A. Tarasov
BAYESIAN APPROACH IN RECOGNITION
OF SECONDARY ERYTHROCYTOSIS
AND POLYCYTHEMIA VERA
Anatolii Gupal
V.M. Glushkov Institute of Cybernetics of the NAS of Ukraine, Kyiv,
gupalanatol@gmail.com
Andrii Tarasov
V.M. Glushkov Institute of Cybernetics of the NAS of Ukraine, Kyiv,
freearcher@ukr.net
The task of differential diagnostics of hematological diseases such as secondary eryth-
rocytosis and True polycythemia has been solved. It is known that at the initial stage of
the development of pathological processes, the clinical picture and data of laboratory
studies in these diseases are similar. Analysis of laboratory data was carried out using
Bayesian recognition procedures. Boolean and discrete parameters are separately se-
lected among 41 indicators. For the first time, an analysis of three conditions was car-
ried out at once-secondary erythrocytosis, True polycythemia and a group of healthy
people. When analyzing Boolean parameters, the efficiency of recognizing secondary
erythrocytosis and True polycythemia was 100 %. It was possible to do this due to the
fact that in this work, all Boolean parameters took part in the formation of combina-
tions of Boolean parameters. When discrete parameters were analyzed, the recognition
efficiency of differential diagnosis was 95,55 %. When recognizing True polycythe-
mia, secondary erythrocytosis, and a group of healthy people at the expense of Boole-
an parameters, the efficiency of recognition was 97,77 %, and at the expense of dis-
crete parameters 86,66 %. Thus, on the basis of a self-learning system due to Bayesian
recognition procedures, it is possible to make a quick diagnosis without using a wide
range of patient analyzes (4–7 parameters out of 41 that were analyzed). The greatest
contribution to obtaining high results is provided by the JAK2 mutation indicator, but
as shown in this work, the evaluation of laboratory studies can be carried out by other,
more affordable indicators, such as indicators of erythrocytes, platelets, etc. This ap-
proach can be used to diagnose other diseases that require a large number of tests.
Keywords: Bayesian recognition procedure, Boolean indicators, discrete indica-
tors, hematological diseases, secondary erythrocytosis, polycythemia vera.
ПОСИЛАННЯ
1. Вагис А.А., Гупал Н.А., Тарасов А.Л. Эффективные процедуры распознавания медицин-
ских заболеваний. Компьютерная математика. 2014. № 2. С. 127–132.
2. Гупал А.М., Гупал М.А., Тарасов А.Л. Байєсівські процедури розпізнавання гематологіч-
них захворювань. Кібернетика і системний аналіз. 2017. № 6. С. 118–124. https://www.
kibernetika.org/volumes/2017/numbers/06/articles/11/ArticleDetailsUA.html
3. Тарасов А.Л. Аналіз показників поверхневого плазмонного резонансу з використанням
байєсівських процедур розпізнавання з незалежними ознаками при гліомах, метастазах та
менінгіомах. Кібернетика та комп’ютерні технології. 2021. № 4. С. 35–42. DOI: https://
doi.org/10.34229/2707-451X.21.4.4
Отримано 08.05.2024
mailto:gupalanatol@gmail.com
http://www.kibernetika.org/volumes/2017/numbers/06/articles/11/ArticleDetailsUA.html
http://www.kibernetika.org/volumes/2017/numbers/06/articles/11/ArticleDetailsUA.html
https://doi.org/10.34229/2707-451X.21.4.4
https://doi.org/10.34229/2707-451X.21.4.4
|
| id | nasplib_isofts_kiev_ua-123456789-211162 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 0572-2691 |
| language | Ukrainian |
| last_indexed | 2026-03-19T10:16:44Z |
| publishDate | 2024 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Гупал, А.М. Тарасов, А.Л. 2025-12-25T09:22:12Z 2024 Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії / А.М. Гупал, А.Л. Тарасов // Проблеми керування та інформатики. — 2024. — № 3. — С. 104–109. — Бібліогр.: 3 назви. — рос. 0572-2691 https://nasplib.isofts.kiev.ua/handle/123456789/211162 519.217.2+616.006 10.34229/1028-0979-2024-3-8 У статті вирішено завдання диференційної діагностики гематологічних захворювань — вторинного еритроцитозу та справжньої поліцитемії. Відомо, що на початковій стадії розвитку патологічних процесів клінічна картина та дані лабораторних досліджень при цих захворюваннях подібні. Аналіз лабораторних даних проведено з використанням байєсівських процедур розпізнавання. З 41 показника окремо виділено булеві та дискретні параметри. Вперше проведено аналіз одночасно трьох груп: вторинний еритроцитоз, справжня поліцитемія та група здорових людей. . Побудована самонавчальна система на основі байєсівських процедур розпізнавання дозволяє швидко виконувати діагностику без широкого спектра аналізів. The task of differential diagnostics of hematological diseases such as secondary erythrocytosis and true polycythemia has been solved. At the initial stage, the clinical picture and laboratory data of these diseases are similar. Laboratory data analysis was carried out using Bayesian recognition procedures. Among 41 indicators, Boolean and discrete parameters were selected separately. For the first time, an analysis of three groups was performed: secondary erythrocytosis, true polycythemia, and a healthy group. A self-learning system based on Bayesian recognition procedures allows for quick diagnosis without extensive analyses. uk Інститут кібернетики ім. В.М. Глушкова НАН України Проблеми керування та інформатики Керування в технічних, економічних та біологічних системах Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії Bayesian Approach in Recognition of Secondary Erythrocytosis and Polycythemia Vera Article published earlier |
| spellingShingle | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії Гупал, А.М. Тарасов, А.Л. Керування в технічних, економічних та біологічних системах |
| title | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії |
| title_alt | Bayesian Approach in Recognition of Secondary Erythrocytosis and Polycythemia Vera |
| title_full | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії |
| title_fullStr | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії |
| title_full_unstemmed | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії |
| title_short | Байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії |
| title_sort | байєсівський підхід при розпізнаванні вторинного еритроцитозу та справжньої поліцитемії |
| topic | Керування в технічних, економічних та біологічних системах |
| topic_facet | Керування в технічних, економічних та біологічних системах |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/211162 |
| work_keys_str_mv | AT gupalam baiêsívsʹkiipídhídprirozpíznavannívtorinnogoeritrocitozutaspravžnʹoípolícitemíí AT tarasoval baiêsívsʹkiipídhídprirozpíznavannívtorinnogoeritrocitozutaspravžnʹoípolícitemíí AT gupalam bayesianapproachinrecognitionofsecondaryerythrocytosisandpolycythemiavera AT tarasoval bayesianapproachinrecognitionofsecondaryerythrocytosisandpolycythemiavera |