К примеру, показано, что тесты на рафинозу (тест 1) и рамнозу

К примеру, показано, что тесты на рафинозу (тест 1) и рамнозу (тест 2) у представителей Esherihia (группа А) и Shigella (группа В) дают положительный и отрицательный результат с частотой 0,5, то есть P = 0,5. Если нет иной информации, то справедливо сделать заключение о непригодности этих тестов для дифференциации указанных групп. При подсчете окажется, что все ДК = 0. Гипотеза. Теперь предположим, что получена дополнительная информация о достоверном различии в скоррелированности одних и тех же сочетаний градаций признаков у дифференцируемых групп.

Сочетания градаций «элементарныхпризнаков выступают здесь как градации признака-комплекса. Обозначим их в буквенном выражении (таблица 2) и дадим им произвольные числовые значения, соблюдая вышеуказанное равенство – все ДК = 0. Таблица 2. Частота градаций V-признака у дифференцируемых групп * Примечание: Для исправления нулевых частот использована формула : P = 1/(n + a), где P – исправленная частота (в таблице дана в скобках); n – общее число штаммов в группе (здесь условно взято100); а – число градаций признака (здесь 2). = -1. По формуле 1 вычислим, что значениям V = 10, тождественным ДК, соответствует вероятность Р = 0,91, имеющая значение в медицинских научных исследованиях, свидетельствующая о преобладании вероятности группы А. Прочим градациям виртуального признака соответствует Р = 0,44, указывающая на преобладание вероятности группы В. Таким образом, теоретически показана возможность получения диагностической информации, не содержащейся ни в одном из отдельно взятых признаков. До настоящего времени информация подобного рода в ее количественной мере в микробиологии не использовалась и фактически была потеряна для исследователя.

Практика. Для нахождения V-информации на основе реальных данных мы взяли признак-комплекс арабиноза-рамноза для дифференциации Salmonella typhimurium от Shigella flexneri 1-5, x – и y-variant. Данные о наличии сочетаний признаков у биоваров дифференцируемых групп (соответственно 25 и 15 биоваров) мы взяли из таблиц 39 и 41 литературного источника, по ним вычислили частоты градаций V-признака: P a1,2 = 0,68; P a1,2 = 0,08; P a1,2 = 0,20; P a1,2 = 0,04; P b1,2 b1,2 b1,2 = 0,267; P b1,2 = 0,2, а затем определили, согласно формул таблицы 1: V = 4,1(P=0,72); V = -5,2(P=0,77); V = -1,2(P=0,43); V = -7,0(P=0,17). Таким образом, учет виртуальных признаков может внести свою лепту диагностической информации, и подчас существенную, в дело распознавания образов.

Для получения V-информации не требуется изучения дополнительных признаков – используется уже изученные признаки, от которых получали ДК-информацию. На практике реализация виртуальных признаков может осуществляться табличными методами или с помощью ЭВМ. Это сделает ее доступной для рядовых врачей. Полагаем, что более полное использование признаков, за счет извлечения V-информации позволит уменьшить число обязательных тестов в схемах распознавания.

Особенно привлекательным это может оказаться при проведении весьма дорогостоящих испытаний новых лекарственных препаратов на людях. Думается, что признаки-комплексы сами, или в сочетании с «элементарнымипризнаками могут являться составляющими для более интегрированных виртуальных признаков. Вышеизложенный алгоритм может быть использован для моделирования такого свойства как интуиция, о чем будет рассказано в планируемой к публикации статье «Объемное знание –3. Интуиция». Литература Генес В. С. Некоторые простые методы кибернетической обработки данных диагностических и физиологических исследований.

Категория: Наша Медицина
Вы можете следить за комментариями с помощью RSS 2.0-ленты. Комментарии и пинги к записи запрещены.

Комментарии закрыты.