Student at the Institute of Artificial Intelligence
студент Института искусственного интеллекта
д-р техн. наук, профессор базовой кафедры № 254 вычислительных комплексов Института искусственного интеллекта; профессор кафедры систем обработки информации и управления; главный научный сотрудник
Doctor of Technical Sciences, Professor at the Department of Computational Complexes of the Institute of Artificial Intelligence; Professor at the Department of Information Processing Systems and Control; Chief Researcher
The study is dedicated to the use of mivar expert systems for identifying bacterial resistance to existing antibiotics. A modular architecture of the system was presented, which allows easy addition and updating of individual components. A knowledge base consisting of 56 rules for working with the expert system was created. It is proposed to implement the system using the KESMI software, which allowed for logical conclusions to be drawn. The system was tested on three different cases. The first case involved the presence of a mutation in the mecA gene, the second involved methylated ribosomes, and the third involved Gram-positive bacteria. Testing of the Mivar expert system showed that the bacteria's resistance results matched the established knowledge base. The impact of using Mivar expert systems on the process of detecting antibiotic resistance has been studied. A description of the methodologies used to evaluate the system's effectiveness was proposed. It was justified why the use of expert systems can significantly improve the diagnosis and treatment of infectious diseases.
Исследование посвящено использованию миварных экспертных систем для выявления бактериальной устойчивости к существующим антибиотикам. Представлена модульная архитектура системы, которая позволяет легко добавлять и обновлять отдельные компоненты. Создана миварная база знаний, состоящая из 56 правил для работы с экспертной системой. Предлагается реализовать систему с использованием программного обеспечения (ПО) КЭСМИ, которое позволило получать логический вывод решения. Система протестирована на трех различных случаях. Первый случай включал наличие мутации в гене mecA, второй – метилированные рибосомы, а третий – грамположительные бактерии. Тестирование миварной экспертной системы показало, что результаты устойчивости бактерий соответствовали установленной базе знаний. Изучено влияние использования миварных экспертных систем на процесс выявления антибиотикорезистентности. Предложено описание методологий, использованных для оценки эффективности системы. Обосновано, почему использование миварных экспертных систем может значительно улучшить диагностику и лечение инфекционных заболеваний.