•    Упрощение причинной модели до уровня качественной модели принятия решений.

Поскольку применяемая модель предназначена для принятия решений, касающихся способа лечения, а не для других целей (таких как определение совместной вероятности некоторых комбинаций симптом/нарушение), часто можно упростить причинную модель, удаляя переменные, которые не требуются в процессе принятия решений, касающихся лечения. Кроме того, иногда возникает необходимость разделить или соединить переменные, чтобы они соответствовали интуитивным представлениям специалиста. Например, предположим, что первоначальная модель коарктации аорты включала переменную Treatment (Лечение) со значениями surgery (хирургическое вмешательство), angioplasty (ангиопластика) и medication (терапевтическое лечение), а также отдельную переменную Timing для определения сроков выполнения процедуры лечения. Но допустим, что специалисту нелегко рассматривать все эти переменные отдельно, поэтому они были объединены так, что переменная Treatment принимает значения типа surgery in l month (проведение хирургического вмешательства в течение одного месяца). В результате будет получена модель, приведенная на рис. 16.8.

•    Присвоить значения вероятностей. Вероятности можно определить по базам данных о пациентах, по результатам исследований, приведенным в литературе, или на основании субъективных оценок самого специалиста. В тех случаях, если в литературе даны сведения о вероятностях не совсем подходящих типов, для вычисления требуемых вероятностей можно применить такие методы, как правило Байеса и маргинализация. Исследования показали, что специалисты в проблемной области в большей степени обладают способностью оценить вероятность результата, если дана причина (например, Р(dyspnoea | heart failure)), а не наоборот.

•    Присвоение значений полезностей. Если количество возможных результатов невелико, то их можно перечислить и оценить отдельно. Допустим, что в данном случае создается шкала результатов от наилучшего к наихудшему и каждому из них присваивается числовое значение, например случаю смерти присваивается значение -1000, а полному излечению — значение 0. После этого на данную шкалу можно поместить другие результаты. Такая задача может быть выполнена специалистом в данной проблемной области, но лучше, если в ее решении примет участие пациент (или, если речь идет о детях, то родители пациентов), поскольку разные люди имеют различные предпочтения. Если же количество результатов растет экспоненциально, то может потребоваться определенный способ, позволяющий комбинировать их с использованием многоатрибутных функций полезности. Например, можно утверждать, что отрицательная полезность различных осложнений является аддитивной.

Рис. 16.8. Диаграмма влияний для задачи принятия решений, касающихся коарктации аорты (предоставлена Питером Лукасом)