РАЗРАБОТКА МОДЕЛИ НАДЕЖНОСТИ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ДЛЯ ПОДДЕРЖКИ ПРИНЯТИЯ ВРАЧЕБНЫХ РЕШЕНИЙ В ЗДРАВООХРАНЕНИИ (ЛУЧЕВАЯ ДИАГНОСТИКА)

• 2026 № 1 (88) С. 42-48

🇷🇺 На русском

Для цитирования

Зинченко В.В., Лебедев Г.С. Разработка модели надежности интеллектуальных систем для поддержки принятия врачебных решений в здравоохранении (лучевая диагностика) // Информационно-экономические аспекты стандартизации и технического регулирования. 2026. № 1(88). С. 42–48

Аннотация

В данной работе представлена модель по оценке надежности для интеллектуальных систем для области лучевой диагностики. Контроль и мониторинг интеллектуальных систем, в том числе их надежности, представляется важным этапом жизненного цикла ввиду того, что подобные программные продукты в современной цифровой медицине помогают принимать врачебные решения. Разработанная модель включает в себя матрицы технологических дефектов различных типов работы интеллектуальных систем. Метод по оценке надежности апробирован на реальных данных для пяти интеллектуальных систем и показал свою состоятельность при применении в рамках мониторинга и контроля. В рамках исследования проведено стохастическое моделирование методом Монте-Карло для модели оценки надежности.

Ключевые слова

СИСТЕМА ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ОБРАБОТКА ДАННЫХ НАДЕЖНОСТЬ ДЕФЕКТЫ ИНТЕЛЛЕКТУАЛЬНАЯ СИСТЕМА

Об авторах

Зинченко Виктория Валерьевна

Зинченко Виктория Валерьевна — Заведующий сектором клинических и технических испытаний ГБУЗ, ГБУЗ «Научно-практический центр диагностики и телемедицины», ( Москва, Россия )

Лебедев Георгий Станиславович

Лебедев Георгий Станиславович — Доктор технических наук, Профессор, ФГАОУ ВО Первый МГМУ им. И.М. Сеченова Минздрава России, ( Москва, Россия )

Список литературы

1. Мистров Л.Е., Андрусов В.А., Шерстяных Е.С. Метод обоснования типовых ситуаций в задаче синтеза решений по разрешению конфликтов // Информационно-экономические аспекты стандартизации и технического регулирования. 2023. № 2(72). С. 38–47.
2. Бурый А.С., Цаплина О.С. Интеллектуальная поддержка принятия решений в проектных командах // Информационно-экономические аспекты стандартизации и технического ре-гулирования. 2025. № 4(85). С. 31–38.
3. Meldo A.A., Utkin L.V., Trofimova T.N. Artificial intelligence in medicine: a current state and main directions of intelligent diagnostics development // Diagnostic radiology and therapy. 2020, vol. 1, no. 11, pp. 9–17.
4. Васильев Ю.А., Владзимирский А.В., Арзамасов К.M., и др. Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента: монография. – М.: Издательские решения, 2023. – 376 с.
5. ГОСТ Р МЭК 62628–2021. Надежность в технике. Руководство по обеспечению надеж-ности программного обеспечения. – M: Российский институт стандартизации, 2022. – 62 с.
6. ГОСТ Р 56920–2024. Системная и программная инженерия. Тестирование программного обеспечения. Общие положения. – M: Российский институт стандартизации, 2024. – 32 с.
7. Зинченко В.В., Арзамасов К.М., Кремнева Е.И., Владзимирский А.В., Васильев Ю.А. Технологические дефекты программного обеспечения с искусственным интеллектом // Digital Diagnostics. 2023. Т. 4, № 4. С. 593–604.
8. Правиков Ю.М., Муслина Г.Р. Основы теории надежности технологических процессов в машиностроении: учебное пособие. – Ульяновск: УлГТУ, 2015. – 122 c.
9. ГОСТ 34100.3.1–2017 Неопределенность измерения. Часть 3. Руководство по выраже-нию неопределенности измерения. Дополнение 1. Трансформирование распределений с использованием метода Монте-Карло. – M: СТАНДАРТИНФОРМ, 2018. – 96 с.

🇬🇧 In English

DEVELOPMENT OF A RELIABILITY MODEL OF INTELLIGENT SYSTEMS TO SUPPORT MEDICAL DECISION-MAKING IN HEALTHCARE (RADIOLOGY)

For citation

Zinchenko V.V., Lebedev G. S. Development of a reliability model of intelligent systems to support medical decision-making in healthcare (radiology). Information and Economic Aspects of Standardization and Technical Regulation. 2026; 1(88): 42–48. (In Russ.).

Abstract

This paper presents a model for assessing the reliability of intelligent systems in healthcare (radiology). The quality control and monitoring of intelligent systems, including their reliability, is an essential stage in their life cycle, because such software products help make informal medical decisions in modern digital healthcare. The developed reliability model includes matrices of various technological defects defined by the real-world operation of intelligent systems. The reliability assessment method has been tested on real data for five intelligent systems and has shown its effectiveness in monitoring and control. The study conducted a stochastic Monte Carlo simulation of the reliability assessment model.

Keywords

DECISION SUPPORT SYSTEM DATA PROCESSING RELIABILITY DEFECTS INTELLIGENT SYSTEM

About the authors

Zinchenko V. V.

Zinchenko V. V. — Head of the Clinical and Technical Testing Sector, Scientific and Practical Center for Diagnostics and Telemedicine, ( Moscow, Russia )

Lebedev G. S.

Lebedev G. S. — Doctor of Technical Sciences, Professor, First Moscow State Medical University named after I.M. Sechenov of the Ministry of Health of the Russian Federation, ( Moscow, Russia )

References

1. Mistrov L.E., Andrusov V.A., Sherstyanyh E.S. Method of justification of typical situations in the synthesis problem solutions for conflict resolution. Information and economic aspects of standardization and technical regulation. 2023, no. 2(72), pp. 38–47.
2. Buryi A.S., Tsaplina O.S. Intellektual’naya podderzhka prinyatiya reshenij v proektnyh ko-mandah. Information and economic aspects of standardization and technical regulation. 2025, no. 4(85), pp. 31–38.
3. Meldo A.A., Utkin L.V., Trofimova T.N. Artificial intelligence in medicine: a current state and main directions of intelligent diagnostics development // Diagnostic radiology and therapy. 2020, vol. 1, no. 11, pp. 9–17.
4. Vasilyev Yu.A., Vladzimirsky A.V., Arzamasov K.M., et al. Kompyuternoe zrenie v luchevoy diagnostike: pervyy etap Moskovskogo eksperimenta: monografiya [Computer Vision in Radi-ology: The First Stage of the Moscow Experiment: A Monograph]. Moscow, 2023, 376 p.
5. GOST R IEC 62628–2021. Reliability in technology. Guidelines for software reliability assur-ance. Moscow: FSBI “RSI” Publ., 2022, 62 p.
6. GOST R 56920–2024. Sistemnaya i programmnaia inzheneriia. Testirovanie programmnoho obespecheniia. Obshchie polozheniia [System and software engineering. Software testing. General provisions.] Moscow: FSBI “RSI” Publ., 2024, 32 p.
7. Zinchenko V.V., Arzamasov K.M., Kremneva E.I., Vladzimirskiy, et al. Tekhnologicheskie defekty programmnogo obespecheniya s iskusstvennym intellektom. [Technological defects in artificial intelligence software]. Digital Diagnostics. 2023; 4(4):593-604.
8. Pravikov Yu.M., Muslina G.R. Osnovy teorii nadezhnosti tekhnologicheskikh protsessov v mashinostroenii: uchebnoe posobie. [Fundamentals of Reliability Theory for Technological Processes in Mechanical Engineering: A Study Guide]. Ulyanovsk: UGTU Publ., 2015, 122 p.
9. GOST 34100.3.1–2017/ISO/IEC Guide 98-3/Suppl 1:2008. Uncertainty of measurement. Part 3. Guide to the expression of uncertainty in measurement. Supplement 1. Propagation of distri-butions using a Monte Carlo method. Moscow: STANDARTINFORM Publ., 2018, 96 p.