Інформаційна система підтримки прийняття рішень на основі мереж Байєса

Цоколенко, Арсен Сергійович
Please use this identifier to cite or link to this item: https://er.chdtu.edu.ua/handle/ChSTU/6044
Full metadata record
DC Field	Value	Language
dc.contributor.advisor	Підгорний, Микола Володимирович	-
dc.contributor.author	Цоколенко, Арсен Сергійович	-
dc.date.accessioned	2025-11-16T13:04:04Z	-
dc.date.available	2025-11-16T13:04:04Z	-
dc.date.issued	2024-12-12	-
dc.identifier.uri	https://er.chdtu.edu.ua/handle/ChSTU/6044	-
dc.description.abstract	Актуальність теми. Сучасний світ переповнений цифровими ноу-хау, серед яких переважну частину новинок займають нейронні мережі, алгоритми машинного навчання та глибокого навчання. СППР займають окреме, вагоме місце на цьому ринку, адже від них частково залежить ефективність підприємств і організацій, що їх використовують. Обрана тема є актуальною, адже в ній досліджено якість роботи алгоритмів машинного навчання, глибинного навчання на основі мереж Баєса в порівнянні з аналогічними, більш традиційними методами, також аналіз СППР на основі баєсівських алгоритмів і її створення, що допоможе спростити процес прийняття рішень в компанії/установі, яка вирішить використати це програмне забезпечення. Метою роботи є розробка десктопної СППР на основі баєсових мереж, використання якої забезпечить автоматизацію і спрощення розв’язання задач прийняття рішень органам управління компанії/установи.Об’єкт дослідження: системи підтримки прийняття рішень на основі мереж Баєса. Предмет дослідження: інформаційна система підтримки прийняття рішень на основі мереж Баєса. Методи дослідження: Аналіз наукової літератури з описом систем підтримки прийняття рішень, аналіз існуючих методів СППР, порівняльний аналіз різних СППР, метод Баєса.	uk_UA
dc.language.iso	uk	uk_UA
dc.subject	СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ,	uk_UA
dc.subject	ЗАДАЧА ПРИЙНЯТТЯ РІШЕНЬ,	uk_UA
dc.subject	МЕРЕЖІ БАЄСА,	uk_UA
dc.subject	PYTHON.	uk_UA
dc.title	Інформаційна система підтримки прийняття рішень на основі мереж Байєса	uk_UA
dc.type	Master Thesis	uk_UA
Appears in Collections:	124 Системний аналіз (Системи і методи прийняття рішень)
Files in This Item:
File	Description	Size	Format
Пояснювальна записка_Кваліфікаційна робота магістра_Цоколенко Арсен_МСА-2301_2024.pdf Restricted Access		3.81 MB	Adobe PDF	View/Open Request a copy
Show simple item record
Extracted text
2 
 
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ 
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ 
 
Факультет інформаційних технологій і систем 
 
Кафедра комп’ютерних наук та системного аналізу 
 
 
 
 
 
 
 
Пояснювальна записка 
до кваліфікаційної роботи 
                                             магістра       
 (освітній рівень) 
 
на тему: «Інформаційна система підтримки прийняття рішень на основі 
мереж Байєса» 
 
 
 
Виконав: студент 2 курсу, групи МСА-2301 
  
спеціальності 124  «Системний аналіз» 
                                                             (шифр і назва спеціальності) 
 
спеціалізації «Системи і методи прийняття                                                                                                                          
(назва спеціалізації) 
рішень» 
 
 Цоколенко Арсен Сергійович 
 
Керівник                                Підгорний М. В.  
                                                    (прізвище та ініціали) 
 
Рецензент______________ Мельник В. П.  
                                                           (прізвище та ініціали) 
 
 
 
 
 
 
 
 
 
 
Черкаси 2024 року 
3 
 
 
Черкаський державний технологічний університет 
Факультет Інформаційних технологій і систем 
Кафедра Комп’ютерних наук та системного аналізу 
Освітній рівень Магістр 
Спеціальність 124 – системний аналіз 
Освітня програма Систкми і методи прийняття рішень 
 
 
 
ЗАТВЕРДЖУЮ 
Завідувач кафедри КНСА  
_______________ Юрій ТРИУС 
«____» _____________ 20__ р. 
 
 
ЗАВДАННЯ 
 
на кваліфікаційну роботу магістра студенту 
Цоколенку Арсену Сергійовичу 
(прізвище, ім‘я, по батькові) 
1. Тема роботи «Інформаційна система підтримки прийняття рішень на основі мереж 
Баєса»                                                                                                                                       
 
Керівник роботи Підгорний М.В., доцент, к.т.н., професор                  
(прізвище, ім’я, по батькові, науковий ступінь, вчене звання) 
 
затверджені наказом університету від 07 «жовтня»  2024 р. №229/04 
 
2. Строк подання студентом роботи до 12 грудня 2024 року 
3. Вихідні дані до роботи  
Звіти з лабораторних робіт з дисципліни «Методологія та організація досліджень у галузі ІТ та  
системного аналізу» 
 
4. Зміст кваліфікаційної роботи магістра (перелік питань, що належить розглянути): 
Вступ 
4.1 Загальна характеристика систем підтримки прийняття рішень. 
4.2 Матиматичні моделі, засновані на мережах Баєса, та приклади їх використання. 
4.3 Розробка рекомендаційної СППР на базі мереж Баєса для спрощення діагностування 
захворювань на мові Python. 
Висновки. 
5. Перелік додатків (з точним зазначенням назв додатків) 
5.1 Додаток А. Інструкція користувача 
5.2 Додаток Б. Опис датасету 
 
 
 
 
 
4 
 
 
6. Консутьтанти розділів роботи 
Прізвище, ініціали та Підпис, дата 
Розділ посада 
завдання видав завдання прийняв 
консультанта 
    
    
 
7. Дата видачі завдання 7 жовтня 2024 р. 
 
 
КАЛЕНДАРНИЙ ПЛАН 
Строк виконання 
№ з/п Назва етапів кваліфікаційної роботи магістра Примітка 
етапів роботи 
1 Видача завдання на кваліфікаційну роботу  
до  02.09.24 
магістра. 
2 Аналіз літературних джерел, об’єкту та предмету  
до 15.09.24 
дослідження. 
3 Написання теоретичного розділу кваліфікаційної  
до 01.10.24 
роботи магістра. 
4 Написання аналітичного розділу (аналіз об’єкту  
до 03.11.19 
й предмету дослідження). 
5 Написання практичних розділів та висновків до  
до 01.12.24 
кваліфікаційної роботи магістра. 
6 Передзахист кваліфікаційної роботи магістра на  
до 01.12.24 
засіданні кафедри КНСА. 
7 Подання роботи завідувачу кафедри КНСА. до 10.12.24  
8 Захист кваліфікаційної роботи магістра. 12.11.24  
    
    
    
    
 
 
 
Студент                                      ____________________________     Арсен ЦОКОЛЕНКО 
                                                                  (підпис) 
 
Керівник роботи                       ____________________________      Микола ПІДГОРНИЙ 
                                                       (підпис) 
 
  
5 
 
РЕФЕРАТ 
Кваліфікаційна робота магістра містить: 102 с., 31 рис., 2 таблиці, 8 
використаних джерел, 2 додатки. 
Актуальність теми. Сучасний світ переповнений цифровими ноу-хау, 
серед яких переважну частину новинок займають нейронні мережі, алгоритми 
машинного навчання та глибокого навчання. СППР займають окреме, вагоме 
місце на цьому ринку, адже від них частково залежить ефективність 
підприємств і організацій, що їх використовують. Обрана тема є актуальною, 
адже в ній досліджено якість роботи алгоритмів машинного навчання, 
глибинного навчання на основі мереж Баєса в порівнянні з аналогічними, більш 
традиційними методами, також аналіз СППР на основі баєсівських алгоритмів 
і її створення, що допоможе спростити процес прийняття рішень в 
компанії/установі, яка вирішить використати це програмне забезпечення. 
Метою роботи є розробка десктопної СППР на основі баєсових мереж, 
використання якої забезпечить автоматизацію і спрощення розв’язання задач 
прийняття рішень органам управління компанії/установи. 
Завдання кваліфікаційної роботи магістра: 
 дати загальну характеристику системам підтримки прийняття рішень; 
 розглянути теоретичні основи створення та проєктування систем 
підтримки прийняття рішень; 
 дати характеристику та розглянути теоретичні основи СППР на основі 
мереж Баєса; 
 розглянути вже реалізовані СППР у форматі web-орієнтованих систем, 
та готових десктопних рішень; 
 порівняти методики, засновані на мережах Баєса, і суміжні їм 
алгоритми; 
 сформулювати декілька задач прийняття рішень і описати математичні 
методи їх розв’язання; 
6 
 
 спроєктувати СППР на основі мереж Баєса, використовуючи мову 
програмування Python, протестувати її на практичних задачах і оцінити 
доцільність використання такого підходу. 
Об’єкт дослідження: системи підтримки прийняття рішень на основі 
мереж Баєса. 
Предмет дослідження: інформаційна система підтримки прийняття 
рішень на основі мереж Баєса. 
Методи дослідження:  
Аналіз наукової літератури з описом систем підтримки прийняття рішень, 
аналіз існуючих методів СППР, порівняльний аналіз різних СППР, метод Баєса. 
Перелік ключових слів: СИСТЕМА ПІДТРИМКИ ПРИЙНЯТТЯ 
РІШЕНЬ, ТЕОРІЯ ПРИЙНЯТТЯ РІШЕНЬ, ЗАДАЧА ПРИЙНЯТТЯ РІШЕНЬ, 
МЕРЕЖІ БАЄСА, PYTHON. 
 
  
7 
 
ABSTRACT 
The master's thesis includes: 102 pages, 31 figures, 2 tables, 8 references, 2 
appendices. 
Relevance of the topic: The modern world is filled with digital innovations, among 
which the majority are neural networks, machine learning algorithms, and deep 
learning. Decision Support Systems (DSS) hold a significant place in this market, as 
they partially determine the efficiency of enterprises and organizations that use them. 
The chosen topic is relevant as it examines the quality of machine learning and deep 
learning algorithms based on Bayesian networks compared to similar, more traditional 
methods. It also analyzes DSS based on Bayesian algorithms and its creation, which 
will help simplify the decision-making process in a company/institution that decides to 
use this software. 
Purpose of the work: The aim is to develop a desktop DSS based on Bayesian 
networks, which will ensure automation and simplification of decision-making tasks 
for the management bodies of a company/institution. 
Tasks of the master's thesis: 
 Provide a general overview of decision support systems; 
 Review the theoretical foundations for the creation and design of decision 
support systems; 
 Describe and review the theoretical foundations of DSS based on Bayesian 
networks; 
 Examine existing DSS implemented in the format of web-oriented systems and 
ready-made desktop solutions; 
 Compare methodologies based on Bayesian networks and related algorithms; 
 Formulate several decision-making tasks and describe the mathematical 
methods for solving them; 
 Design a DSS based on Bayesian networks using the Python programming 
language, test it on practical tasks, and evaluate the feasibility of using this 
approach. 
Object of research: Decision support systems based on Bayesian networks. 
8 
 
Subject of research: Information system for decision support based on Bayesian 
networks. 
Research methods: Analysis of scientific literature describing decision support 
systems, analysis of existing DSS methods, comparative analysis of various DSS, 
Bayesian method. 
Testing of results: Publications. 
Keywords: DECISION SUPPORT SYSTEM, DECISION THEORY, DECISION-
MAKING TASK, BAYESIAN NETWORKS, PYTHON. 
 
  
9 
 
ЗМІСТ 
ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ, СКОРОЧЕНЬ І ТЕРМІНІВ 10 
ВСТУП 11 
1. ЗАГАЛЬНА ХАРАКТЕРИСТИКА СИСТЕМ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ 13 
1.1 Історія розвитку СППР 13 
1.1.1 Ранній період 13 
1.1.2 Період становлення 14 
1.1.3 Ера інтеграції і масштабування 14 
1.1.4 Сучасний період 15 
1.2 класифікація СППР, їх типи та особливості 15 
1.2.1 Система класифікації за Альтером 16 
1.2.2 Система класифікації за Пауером 19 
1.3 Архітектура СППР 19 
1.3.1 Узагальнена будова СППР 21 
1.3.2 Підсистеми та їх функції в СППР 23 
1.4 Приклади використання СППР в медицині 23 
1.4.1 Застосування СППР на базі мереж Баєса для протидії covid-19 36 
1.4.2 СППР на базі мереж Баєса для дослідження геному раку 40 
1.5 Виклики, обмеження, переваги та перспективи розвитку СППР 40 
1.5.1 Переваги та недоліки використання СППР 41 
1.5.2 Перспективи розвитку СППР 42 
Висновки до розділу 1 43 
2. Математичні моделі, засновані на мережах Баєса, та приклади їх використання 43 
2.1 Наївний класифікатор Баєса 48 
2.2 К2 жадібний алгоритм створення графа Баєса 51 
Висновки до розділу 2 52 
3. РОЗРОБКА РЕКОМЕНДАЦІЙНОЇ СППР НА БАЗІ МЕРЕЖ БАЄСА ДЛЯ 52 
СПРОЩЕННЯ ДІАГНОСТУВАННЯ ЗАХВОРЮВАНЬ НА МОВІ PYTHON 
3.1 Обґрунтування вибору задачі для вирішення 52 
3.2 Опис датасету 54 
3.3 Розробка моделі та її навчання 54 
3.4 Тестування моделі на точність 62 
3.5 Розробка графічного інтерфейсу системи 64 
Висновки до розділу 3 66 
10 
 
ВИСНОВКИ 67 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 69 
Додаток А інструкція користувача 70 
Додаток Б опис датасету 72 
  
11 
 
ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ, СИМВОЛІВ, СКОРОЧЕНЬ 
І ТЕРМІНІВ 
Позначення - Розшифрування 
BD - Великі дані 
DSS - Система підтримки прийняття рішень 
EIS - Інформаційна система для керівництва 
GUI - Графічний інтерфейс користувача 
MIS - Система управлінської інформації 
NLP - Обробка натуральної мови 
OLAP - Аналітична обробка у реальному часі 
SaaS - Сервісне програмне забезпечення 
Датасет - Набір даних 
EOM - Електронні обчислювальні машини 
МПР - Метод прийняття рішень 
ПЗ - Програмне забезпечення 
ППР - Підтримка прийняття рішень 
СППР - Система підтримки прийняття рішень 
ТЗ - Технічне завдання 
ЦПР - Центр прийняття рішень  
ШІ - Штучний інтелект 
 
  
12 
 
ВСТУП 
Сучасний світ характеризується стрімким розвитком інформаційних 
технологій, що впливають на всі сфери діяльності людини. Одним з 
найважливіших аспектів цього розвитку є здатність ефективно використовувати 
великі обсяги даних для прийняття обґрунтованих рішень. В умовах постійно 
зростаючої складності даних і необхідності швидкого прийняття рішень, 
з'являється потреба у створенні інструментів, що можуть забезпечити якісну 
підтримку управлінських і не тільки процесів. Одним із таких інструментів є 
інформаційні системи підтримки прийняття рішень (СППР), які на сьогодні 
відіграють ключову роль у багатьох галузях. 
У наш час особливої уваги заслуговують методи і моделі, що дозволяють 
враховувати невизначеність і ймовірнісні залежності між різними змінними. 
Серед таких методів виділяються мережі Баєса, які стали потужним 
інструментом у сфері штучного інтелекту та машинного навчання. Мережі Баєса 
дозволяють моделювати ймовірнісні зв'язки між змінними і враховувати 
невизначеність, що робить їх особливо корисними для завдань прогнозування та 
прийняття рішень в умовах неповної інформації та невизначеності. Мережі Баєса 
є надзвичайно гнучким інструментом, що дозволяє ефективно застосовувати їх в 
тих сферах, де більш традиційні методи не є високоефективними. 
Тема кваліфікаційної роботи магістра є актуальною, оскільки вона 
досліджує можливості застосування мереж Баєса для створення 
рекомендаційних систем підтримки прийняття рішень. Такий підхід дозволяє 
спростити процес прийняття рішень в умовах неповної, або неточної інформації 
і мінімізувати помилки. 
Метою кваліфікаційної роботи магістра є розробка десктопної СППР на 
основі баєсових мереж, використання якої забезпечить автоматизацію і 
спрощення розв’язання задач прийняття рішень органам управління 
компанії/установи. Досягнення цієї мети передбачає виконання ряду завдань, 
зокрема: дослідження теоретичних основ мереж Баєса, аналіз існуючих методів 
13 
 
і моделей СППР, розробка архітектури і функціональних вимог до системи, 
реалізація та тестування прототипу десктопної СППР. 
Задача кваліфікаційної роботи магістра полягає в створенні інформаційної 
системи підтримки прийняття рішень на основі мереж Баєса, впровадження якої 
суттєво покращує достовірність прийняття рішень. У роботі це буде 
продемонстровано при діагностуванні захворювань (медична галузь), 
знизиження ризиків ускладнень. 
Об’єктом дослідження є системи підтримки прийняття рішень на основі 
мереж Баєса. 
Предмет дослідження є інформаційна система підтримки прийняття 
рішень на основі мереж Баєса. 
У рамках даної роботи будуть використані методи аналізу, моделювання 
та порівняльного аналізу для оцінки переваг і недоліків запропонованого 
підходу. 
Значення даної кваліфіаційної роботи полягає в тому, що вона надає 
практичні рекомендації щодо розробки і впровадження СППР, що базуються на 
сучасних методах машинного навчання і теорії ймовірностей. Результати даного 
дослідження можуть бути корисними для фахівців у галузі інформаційних 
технологій, управління та прийняття рішень, а також для студентів і дослідників, 
що вивчають методи штучного інтелекту та їх застосування в бізнесі. 
  
14 
 
1 ЗАГАЛЬНА ХАРАКТЕРИСТИКА СИСТЕМ ПІДТРИМКИ 
ПРИЙНЯТТЯ РІШЕНЬ 
1.1 Історія розвитку СППР 
Історія розвитку систем підтримки прийняття рішень має глибоке коріння, 
яке тісно пов'язане з еволюцією обчислювальних технологій та менеджменту. 
1.1.1 Ранній період 
1960-ті роки: В цей період початковий розвиток СППР був пов'язаний із 
зростанням обчислювальних потужностей та впровадженням електронних 
обчислювальних машин (ЕОМ). Вчені почали розробляти моделі, що могли б 
допомогти керівникам у прийнятті рішень. У цей час головним напрямком 
досліджень було створення математичних моделей для оптимізації виробництва 
та логістики. 
1965 рік: Його вважають роком народження концепції СППР, оскільки в 
цей рік виходять роботи Джеймса Д. Літтла (James D. Little) та інших 
дослідників, які вводять поняття моделей для підтримки управлінських рішень. 
1.1.2 Період становлення 
1970-ті роки: Розширення можливостей комп'ютерів призвело до появи 
більш складних та інтегрованих систем підтримки прийняття рішень. Перші 
СППР в основному орієнтувались на задачі, пов'язані з обробкою великих 
обсягів даних та проведенням складних розрахунків. В цей період починають 
з'являтися терміни "Management Information Systems" (MIS) та "Executive 
Information Systems" (EIS), які стосувалися підтримки управлінських рішень на 
різних рівнях. 
1980-ті роки: В цей період СППР починають активно використовуватися у 
бізнесі та урядових установах. Поява персональних комп'ютерів та нових 
програмних продуктів значно розширює можливості систем підтримки рішень. 
15 
 
Розробляються перші інтерактивні системи, що дозволяють керівникам 
аналізувати дані та моделювати різні сценарії розвитку подій. 
1.1.3 Ера інтеграції та масштабування 
1990-ті роки: З появою Інтернету та розвитком мережевих технологій 
СППР починають інтегруватися з іншими інформаційними системами. В цей 
період велика увага приділяється розробці веб-орієнтованих систем підтримки 
рішень, що дозволяють працювати в режимі реального часу з даними. Виникають 
нові концепції, такі як Business Intelligence (BI) та Data Warehousing, які стають 
основою для сучасних СППР. 
2000-ті роки: Розвиток технологій великих даних (Big Data) та машинного 
навчання призводить до появи нових методів та інструментів для аналізу даних. 
СППР стають ще більш інтегрованими та масштабованими, що дозволяє 
обробляти великі обсяги даних і надавати керівникам більш точні та своєчасні 
рекомендації. 
1.1.4 Сучасний період 
Сьогодення: В цей період відбувається активне впровадження штучного 
інтелекту та методів машинного навчання у СППР. Поява хмарних технологій та 
SaaS-рішень (Software as a Service) дозволяє компаніям використовувати потужні 
системи підтримки рішень без значних інвестицій у власну інфраструктуру. 
З'являються нові напрямки, такі як Predictive Analytics та Advanced Analytics, що 
дозволяють прогнозувати майбутні події та тенденції. 
Сучасні СППР стають ще більш інтелектуальними та інтегрованими з 
різними бізнес-процесами. Використання методів глибокого навчання, 
нейронних мереж та обробки природної мови, тобто NLP(Natural language 
processing), дозволяє створювати системи, які можуть самостійно приймати 
складні рішення на основі аналізу великих обсягів даних. 
16 
 
1.2 Класифікація СППР, їх типи та особливості 
Існує декілька систем класифікації СППР: система Альтера, що 
застосовувалась в період 1976-1980 і більш сучасна система Пауера, яка є 
розширеною і модернізованою версією класифікації Альтера, класифікацію 
наведено у роботах [1 - 3] 
1.2.1 Система класифікації за Альтером  
Альтер виділяє два типи систем: 
1. Системи, що орієнтуються на дані, тобто просто здійснюють збір і 
систематизацію інформації, візуалізують її і надають змогу візуально оцінити 
ситуацію і можливі рішення; 
2. Системи, що орієнтовані на моделі, тобто ті системи, що колекціонують 
дані, проводять їх аналіз, застосовуючи математичні моделі СППР і дійсно дають 
рекомендації щодо прийняття рішень. 
Ці групи систем, у свою чергу поділяються на сім окремих підгруп: 
1. Системи аналізу даних дають змогу маніпулювати і візуалізувати дані 
для наочної репрезентації ситуації. 
2. Системи накопичування файлів містять в собі лише користувацький 
інтерфейс і базу даних, тобто такі системи дають інтерактивно приймати рішення 
користувачу системи з огляду на наявні дані. 
3. Системи аналізу інформації можуть зберігати і накопичувати 
інформацію у вигляді баз даних, також використовують прості алгоритми ППР 
для полегшення прийняття рішень. Приклади завдань, що розв’язуються за 
допомогою розрахункових моделей: аналіз беззбитковості, узагальнення оцінок 
про отримані доходи і балансові звіти, аналіз оперативних планів оцінювання 
прибутковості нового продукту. 
4. Оптимізаційні моделі застосовуються визначенням оптимальних дій і 
для покращення вже наявних процесів виробництва, їх здешевлення, скорочення 
витрат часу, тощо. 
17 
 
5. Репрезентативні моделі здатні знаходити взаємозв’язки між певними 
корелюючими наборами даних і допомагають правильно організувати 
виробництво і рекламну кампанію для реалізації продукту, даючи змогу оцінити 
можливі наслідки кожного з рішень. 
6. Розрахункові моделі використовуються для покращення планування 
бюджету шляхом надання оцінок і аналізу декларацій про прибутки, балансових 
звітів або інших фінансових документів чи критеріїв, по своїй суті працюють так 
само як і репрезентативні моделі, з тією різницею, що розрахункові моделі не 
використовуються в умовах неточності/невизначеності. 
7. Рекомендаційні моделі виконують складні розрахунки і створюють чіткі 
напрями розвитку слабоструктурованих і чітких моделей. 
1.2.2 Система класифікації за Пауером 
Пауер виділив п’ять категорій систем підтримки прийняття рішень і 
розділив їх на три групи: 
Категорії: 
1. Орієнтовані на дані СППР містять картотеку, системи керування 
звітами, тобто базу даних, що складається зі звітів, сховище даних, системи 
аналізу, графічний інтерфейс, системи бізнес інформації і загалом великі і 
багатовимірні бази даних і знань. Ці системи використовуються для графічних 
репрезентацій великих даних з можливістю керування часовою прямою. Також 
системи підтримки прийняття рішень поділяють на чотири субкатегорії: 
 СППР на основі баз даних; 
 OLAP-системи;  
 Виконавчі інформаційні системи; 
 Просторові СППР. 
2. Орієнтовані на моделі СППР надають користувачеві можливість 
використовувати різні моделі прийняття рішень, що працюють з невеликими 
об’ємами даних. У першу чергу такі системи використовуються для аналізу 
18 
 
економічних показників з застосуванням одразу кількох моделей прийняття 
рішень. 
3. Орієнтовані на знання СППР використовує експертні оцінки для 
прийняття рішень, тобто така система є людино - комп’ютерною, де людина – 
надає експертні оцінки в числовому форматі кожному фактору, а комп’ютер 
визначає найбільш ефективні рішення, або напрями управління системою. 
4. Орієнтовані на документи СППР допомагають збирати різні документи, 
сортувати їх, класифікувати, знаходити і загалом спрощують роботу з великими 
обсягами документів. 
5. Орієнтовані на комунікації і групові СППР це інтерактивні програми, 
для великої кількості учасників процесів, або проєктів, які допомагають в 
прийнятті рішень шляхом комунікації між людьми, ці системи підтримують 
цифровий зв’язок, планування, роздільне створення документів й інші засоби 
колективної роботи для підвищення ефективної обробки інформації, що сприяє 
спрощенню прийняття рішень. 
Групи: 
1. Глобально-організаційні і локально-організаційні СППР – це група 
систем підтримки прийняття рішень, що виникла в наслідок розвитку і 
поширення інтернету, ці системи є, по суті веб-ресурсом, що надає змогу 
комунікувати, ділитись інформацією, звітами, залишати рекомендації і 
аналізувати її. 
 Глобально-організаційні системи використовуються, в основному для 
налагоджень комунікацій між постачальниками і покупцями, для 
прикладу можна привести звичайний український сервіс з порівнянням 
цін «Hotline», який надає користувачеві змогу порівнювати товари між 
собою і порівнювати ціни на один і той самий товар у продавців, на 
основі чого і приймати рішення про покупку. 
 Локально-організаційні системи прийняття рішень, в свою чергу, 
розробляються і використовуються для внутрішньої комунікації 
команди підприємства і дирекції цього ж підприємства. 
19 
 
2. Системи підтримки прийняття рішень на базі WEB  технологій – це 
системи, що працюють як вебсайт через інтернет браузер, зазвичай в таких 
системах реалізований інструментарій для менеджменту, або бізнес аналітик. 
3. Функціонально-специфічні СППР і СППР загального призначення: 
 Функціонально-специфічні СППР – це, зазвичай десктопні програмні 
пакети, в яких реалізований широкий спектр методів підтримки 
прийняття рішень, але для вузького кола задач, по суті вони є аналогом 
WEB-орієнтованих СППР, але є більш спеціалізованими і працюють, 
як десктопні програми. 
 СППР загального призначення – це програмні продукти, що мають 
широку базу методів і знань, можна сказати, що вони є універсальними 
для підтримки прийняття рішень в сферах керування проєктами, 
аналізів рішень, або аналізу бізнесу. 
Для класифікації інформацйної (рекомендаційної) СППР, що буде 
реалізована в даній роботі, використовуватиметься система класифікації Пауера. 
Ця інформаційна СППР входить до категорії «орієнтовані на моделі системи» і 
належить групі «функціонально-специфічні СППР».  
20 
 
1.3 Архітектура СППР 
СППР потрібно сприймати, у першу чергу, як інтерактивну комп’ютерну 
автоматизовану систему, або програмний комплекс, що призначений для 
допомоги в прийнятті рішень у різних сферах людської діяльності, тобто СППР 
допомагає вирішувати слабо структуровані, або неструктуровані задачі 
виконуючи глибокий аналіз предметної області. 
1.3.1 Узагальнена будова СППР 
Загалом процес розробки СППР полягає в досконалому вивченні проблеми 
й підборі найкращої архітектури для вирішення конкретної задачі. Важливо 
обрати правильно тип архітектури (відкрита, чи закрита), та визначити задачу, 
що буде вирішуватись, добре продемонстровано в роботі [4]. 
СППР будь-якого типу повинна містити: 
 Підсистему введення даних користувачем, та підсистему аналізу його 
запитів; 
 Базу даних і базу знань; 
 Підсистему, що обробляє запити користувача, та аналізує їх; 
 Підсистему виведення результату в зрозумілій для користувача формі. 
Це основні елементи будь-якої СППР, які повинні включати в себе всі 
можливі варіанти введення запитів користувачем, необхідно також вказати 
користувачеві формат введення запитів, їх тип, також вибір усіх цих елементів 
повинен бути обґрунтованим.  
Ядром СППР є алгоритми оброблення даних та генерації результатів, що 
при отриманні запиту звертається до бази даних і знань й на основі цього генерує 
результат, приклади структур СППР на рисунку 1.1.  
21 
 
 
 
 
Рисунок 1.1 – Приклади структур СППР 
  
22 
 
1.3.2 Підсистеми, та їх функції в СППР. 
1. Підсистема введення даних користувачем, та підсистема аналізу його 
запитів (language system). 
Підсистема введення даних користувачем, та підсистема аналізу його 
запитів є інтерфейсом, через який користувачі взаємодіють із СППР. Вона 
складається з усіх повідомлень та вводів, які СППР може приймати від 
користувача. Ці повідомлення включають запити, команди, введення даних та 
запити на інформацію або дії. LS діє як комунікаційний міст між користувачем і 
СППР, забезпечуючи точну передачу потреб та інструкцій користувача до 
системи для обробки. 
2. Підсистема виведення результату в зрозумілій для користувача формі 
(presentation system). 
Підсистема виведення результату в зрозумілій для користувача формі 
відповідає за виведення результатів і відповідей, згенерованих СППР. Вона 
включає всі повідомлення, звіти, візуалізації та інші форми вихідних даних, які 
СППР може генерувати і представляти користувачеві. PS забезпечує, щоб 
інформація, надана користувачеві, була зрозумілою, комплексною і корисною 
для прийняття рішень. 
3. База знань і база даних (Knowledge System). 
База знань є сховищем усіх знань і даних, які СППР зберігає. Ця система 
включає бази даних, бази знань та інші форми структурованих або 
неструктурованих даних, до яких СППР має доступ. KS служить основним 
інформаційним ресурсом для СППР, забезпечуючи необхідні дані та контекст 
для аналізу та підтримки прийняття рішень. 
4. Підсистема, що обробляє запити користувача, та аналізує їх (Problem-
Processing System). 
Підсистема, що обробляє запити користувача, та аналізує їх є основним 
процесорним рушієм СППР. Це активний компонент, відповідальний за 
розпізнавання та вирішення проблем під час процесу прийняття рішень. PPS 
23 
 
використовує різні моделі, алгоритми та аналітичні інструменти для обробки 
вводу користувача, запитів до KS та генерування відповідей. Вона може 
виконувати складні обчислення, симуляції та аналіз сценаріїв для підтримки 
прийняття рішень. 
Інтеграція цих чотирьох компонентів забезпечує ефективне 
функціонування СППР. Процес зазвичай складається з таких етапів: 
Взаємодія Користувача: Користувач взаємодіє з СППР через підсистему 
введення даних користувачем, та підсистему аналізу його запитів, подаючи 
запити, дані та прохання на інформацію або дії. 
Отримання Даних: Підсистема, що обробляє запити користувача, та 
аналізує їх, отримує відповідні дані з бази даних і бази знань, або зовнішніх 
джерел за потребою. Це може включати доступ до сторонніх баз даних, сховищ 
даних або баз знань. 
Обробка та Аналіз: підсистема, що обробляє запити користувача, та 
аналізує їх. обробляє отримані дані за допомогою моделей, алгоритмів та 
аналітичних інструментів. Вона виконує обчислення, симуляції та аналіз 
сценаріїв для генерування рекомендацій. 
Представлення результатів: підсистема виведення результату в 
зрозумілій для користувача формі представляє результати та відповіді 
користувачеві у зрозумілому та комплексному форматі. Це можуть бути звіти, 
візуалізації та інші форми вихідних даних. 
Добре розроблена архітектура СППР є масштабованою та гнучкою, 
здатною адаптуватися до змінних потреб та зростаючих обсягів даних. 
Масштабованість забезпечує здатність СППР обробляти збільшення обсягів 
даних та кількості користувачів без компрометації продуктивності. Гнучкість 
дозволяє СППР включати нові моделі, джерела даних та аналітичні інструменти 
за потребою. 
  
24 
 
1.4 Приклади використання СППР в медицині 
 Популярніть застосування мереж Баєса в медицині, останнім часом, 
стрімко зростає, адже, хоч і до цього цей метод не був поширений, використання 
мереж Баєса може значно покращити охорону здоров’я. 
 У даному підрозділі я хочу зосередити свою увагу саме на таких задачах, 
через їх відносну новизну і вже наявні успішні приклади застосування. 
Використання  СППР на базі мереж Баєса в медицині почалися після публікації 
журналом “Machine learning” в 2016 році статті, в якій описувались перспективи 
застосування алгоритмів машинного навчання  в медицині через збільшення 
інформації в цій сфері, стаття привернула до себе увагу, після чого були 
здійснені перші спроби створити рекомендаційні СППР на мережах Баєса, що 
оцінювали ефективність лікування, застосовувались до геноміки, 
використовувались для діагностування і навіть для протидії covid-19. Деякі з цих 
прикладів я розбиратиму далі. 
1.4.1 Застосування СППР на базі мереж Баєса для протидії covid-19  
СППР, що базуються на методах аналізу сценаріїв надають змогу 
аналізувати події та наслідки цих подій, допомагаючи користувачу приймати 
правильне, обґрунтоване рішення. Основними методиками таких СППР є: 
 Аналіз (what-if) моделює різні сценарії, дозволяючи міняти вхідні 
параметри; 
 Аналіз чутливості – метод, що дозволяє аналізувати вплив вхідних 
параметрів на результат; 
 Симуляційне моделювання використовує комп'ютерні симуляції щоб 
зімітувати процес та оцінити його при появі різних сценаріїв; 
 Метод аналізу рішень аналізує сценарії прийняття складних рішень з 
використанням діаграм для наочної демонстрації різних варіантів 
розвитку подій; 
25 
 
 Баєсовий аналіз використовує ймовірнісний розподіл для оцінки різних 
сценаріїв. 
Для прикладу було вирішено взяти СППР на основі мереж Баєса, що 
оцінює стратегії протидії COVID-19 [5]. Прийняття рішень у разі катастрофи 
вимагає врахування кількох складних факторів. У таких випадках, Баєсівський 
багатокритеріальний аналіз прийняття рішень забезпечує високу точність та 
ефективність. Такий аналіз може оцінювати як короткострокову, так і 
довгострокову ефективність різних сценаріїв протидії. Очікувані утилітарні 
оцінки стратегії протидії відображають очікуваний вплив політики на результати 
в галузі охорони здоров'я та інші показники добробуту населення. Загальні 
методології, які були застосовані є вже давно відомими і широко 
використовуються. Однак це застосування має багато нових елементів: 
всепроникну невизначеність; необхідні динамічні зміни між режимами в 
кожному наборі заходів; і швидкий стохастичний розвиток основної загрози, що 
представляє нові виклики для цієї області.  
Великі катастрофи та інциденти, такі як пандемії, ядерні катастрофи, 
виверження вулканів та цунамі, можуть вплинути на короткострокове та 
довгострокове благополуччя і здоров'я людей, природи та економік. Прийняття 
рішень у таких кризах передбачає балансування кількох складних факторів, 
причому пріоритет кожного фактора може бути суб'єктивним судженням. Таке 
прийняття рішень ускладнюється центром прийняття рішень (ЦПР) – окремою 
особою або групою осіб, такими як урядовий комітет, які повинні мати 
повноваження на ухвалення рішень, що приймаються, отримуючи інформацію з 
кількох джерел. Ця інформація може бути як фактичною, так і наративною, і 
також може бути шумною, невизначеною та неповною. Баєсовий аналіз 
прийняття рішень показав свою здатність сприяти принциповому прийняттю 
рішень у таких складних, багатогранних проблемах. 
У березні 2020 року більшість країн Європи, включаючи Великобританію, 
запровадили локдауни на регіональному або національному рівнях з метою 
контролю поширення вірусу COVID-19, запобігання перевантаженню їхніх 
26 
 
систем охорони здоров'я, та надання більше часу для досліджень. Однак 
локдауни завдали економічної шкоди, особливо для сильно постраждалих 
секторів, таких як авіація, туризм та готельний бізнес. Великобританія 
перебувала в стані рецесії в перших двох кварталах 2020 року з ранніми ознаками 
відновлення в третьому кварталі, коли обмеження локдауну були послаблені. 
Станом на 18 жовтня 2020 року 9,6 мільйона робочих місць були скорочені за 
урядовою схемою збереження робочих місць Великобританії. Після послаблення 
початкових національних заходів локдауну влітку 2020 року в Великобританії 
відбулися кілька локальних спалахів COVID-19, що призвели до локальних 
локдаунів. Уряд, прагнучи уникнути чергового національного локдауну для 
захисту економіки, був підданий критиці щодо ефективності та частих змін 
заходів, запроваджених під час локальних локдаунів. У "другій хвилі" уряд знову 
стикається з важким балансуванням між впливом COVID-19 на громадське 
здоров'я з одного боку та його економічними і соціальними наслідками з іншого 
боку. 
Для порівняння медичних, соціальних та економічних наслідків стратегій 
протидії, кандидатам необхідно оцінювати їх на порівняльній шкалі. Зазвичай 
медичні та соціальні наслідки вимірюються в термінах років життя, що 
впливають на здоров'я, або років життя, що впливають на добробут, викликаних 
безпосередньо самим вірусом або непрямо заходами протидії, що 
впроваджуються для боротьби з ним; економічні наслідки вимірюються в 
термінах різниці між реалізованим ВВП та емпіричним або прогнозованим ВВП, 
або іноді в кількості робочих місць у різних секторах, зростанні споживчих 
витрат або зростанні інвестицій у бізнес. Більше того, ці наслідки часто 
рухаються в протилежних напрямах у відповідь на будь-який заданий захід. Тому 
необхідна спільна метрика для їх порівняння. 
У баєсовому аналізі рішень ця спільна метрика визначається через 
очікувану оцінку вигоди, яка надається кожному з медичних, соціальних та 
економічних атрибутів. Для кожного атрибуту було визначено функції для 
перетворення фактичних записаних або оцінених вимірів (наприклад, кількості 
27 
 
смертей або першого порядку різниці у ВВП) у спільну метрику. Далі, 
поєднуючи ці очікувані оцінки вигоди за допомогою заданої функції, ми 
отримуємо очікувану оцінку вигоди для кожної стратегії протидії. 
СППР на основі мереж Баєса були успішно адаптовані та впроваджені для 
різних застосувань, включаючи підтримку при ядерних катастрофах, управління 
продовольчою безпекою, управління промисловими ризиками та екологічне 
планування. Загроза COVID-19 розвивається швидко, що зумовлено не лише 
стохастичним поширенням вірусу, але й динамічним контролем, який 
здійснюється урядом на діяльність загального населення у відповідь на кризу. 
Будь-який інструмент підтримки для управління цією кризою має враховувати, 
що, хоча уряди можуть змінювати режими локдауну, щоб підвищити або знизити 
суворість соціальних обмежень у відповідь на поширення вірусу. Загальне 
населення може втомитися від невизначеності, що виникає через постійні зміни 
обмежень. 
Користними в даній задачі будуть дані, що постійно оновлюються і 
колекціонуються разом з емпіричними даними з минулих епідемій, але не є 
достатніми. У цьому випадку корисно отримувати необхідні оцінки та пов'язані 
з ними невизначеності через обговорення серед групи експертів у відповідних 
галузях. Структура та оцінки такої СППР повинні бути неодноразово 
переглянуті, оскільки з'являється більше інформації (наприклад, розвиток 
вакцини або нова інформація про імунітет від захворювання). Зазвичай 
ітеративні вдосконалення СППР виконуються до тих пір, поки вона не 
вважається необхідною, тобто ЦПР задоволений тим, що структура СППР 
відповідає заданим вимогам. 
Розробка цієї СППР почалася з розгляду типів стратегій, ефективність яких 
потрібно оцінити. Стратегія визначається режимами, які можуть бути 
запроваджені (наприклад, локдаун), та пороговими значеннями (на основі 
системи, які при досягненні призводять до зміни режимів). Ці стратегії 
розроблені для контролю поведінки населення класифікуються за рівнем 
28 
 
жорсткості, який вони представляють, тобто за обсягом порушень, які вони 
спричиняють у нормальному житті населення. 
Атрибути функції – це різні характеристики, які впливають на 
рекомендаційні заходи. Було визначено A={��1, ��2, …, ��m} як набір атрибутів 
інтересу. В контексті підтримки прийняття рішень для COVID-19, атрибутами, 
які можуть бути цікавими, є: роки життя, врятовані серед населення шляхом 
уникнення зараження вірусом; роки, врятовані через своєчасно надану медичну 
допомогу, наприклад, через виявлення раку та заохочення звертатися до 
відділень невідкладної допомоги при появі симптомів інсульту або серцевого 
нападу. Додатковою загрозою для виживання буде економічний спад, який 
класифікується за розподілом тривалості життя з урахуванням змін у 
соціальному класі серед населення, викликаних, наприклад, менш ефективною 
освітою, безробіттям або зниженням зайнятості. Зазначимо, що всі ці атрибути 
можуть бути виміряні в одиницях років життя, що були врятовані, або втрачені. 
На додаток до цього, ми можемо розглянути додаткові атрибути, що визначають 
якість життя населення або його добробут, такі як показники депресії та тривоги 
або економічні труднощі. 
Суб'єктивний аналіз очікуваної утиліти складається з двох компонентів: 
функції вигоди ��(��) над набором виміряних атрибутів �� =(��1,��2,…,��m) та набору 
багатовимірних ймовірнісних густин {Ps(��):��∈��}, що прогнозуються на 
майбутнє, пов'язаних з кожною можливою стратегією протидії. Хоча останні 
надаються відповідними експертами в галузі, що працюють зі статистикою та 
математичними моделями, утилітарна функція ��(��) повинна бути отримана від 
ЦПР, щоб відображати, як вони мають намір формулювати свої цілі та виставити 
кожній цілі пріоритет. Більш точно, якщо �� − та �� + позначають те, що ЦПР 
вважає відповідно найгіршими та найкращими результатами, то для кожного 
вектора результатів a, { ��: �� −≤ �� ≤ �� +}, ��(��) є зростаючою лінійною функцією 
ймовірності ��(��), де ЦПР вважає результат a з певністю однаково привабливим 
до гіпотетичної ситуації, коли вони стикаються з отриманням найкращого 
29 
 
можливого результату �� + з ймовірністю ��(��) та найгіршого �� − з ймовірністю 
1−��(��). Таким чином, може бути враховане небажання ЦПР ризикувати. 
На основі певних базових аксіом, були розроблені різні способи непрямого 
виявлення цих переваг ефективно, з меншими упередженнями. Одне з 
припущень, яке часто робиться, і може бути перевірене на основі висловлених 
переваг ЦПР, це те, що ЦПР має незалежні атрибути значення. Атрибути a 
вважаються незалежними значеннями, якщо ЦПР завжди знаходить дві стратегії 
s1 і s2 (що призводять до густин результатів ��1(��) і ��2(��) відповідно) однаково 
привабливими, коли маргінальні розподіли за ��1(��) і ��2(��) для кожного 
компонентного атрибуту в (a) однакові. Тоді можна показати, що ми можемо 
знайти позитивні ваги критеріїв (��1,��2,…,��m), ∑��i=1, таким чином, що ��(��) 
можна записати як: 
��(��) = ��������(����), 
де ��i(��i) – це так звана гранична утиліта (аi) – зростаюча функція свого 
аргументу, а (��i)≥0, ��=1,2,…,��. Чи задовольняють атрибути незалежність 
значень - ні, бо вони є суб'єктивним судженням ЦПР. У наслідок проведенні 
емпіричних дослідів було виявлено, що на практиці, за умови, що вектор 
атрибутів (a) ретельно визначений, ця проста форма добре наближає фактичну 
утилітарну функцію ЦПР у більшості аналізів. Перевага цього припущення 
полягає в тому, що ��(��) тоді набагато легше визначити і вихід аналізу набагато 
прозоріший і легше пояснюється, шо прискорює прийняття рішень, мінімізуючи 
дискусії в ЦПР. Зокрема, ваги критеріїв різних компонентних атрибутів можуть 
бути обрані для відображення їх відносної важливості, також можна збирати дані 
про прийняття рішень в процесі використання СППР і ще більше покращити 
рекомендаційну систему.  
На практиці існує великий набір різних режимів для розгляду, включаючи 
потенційно всі можливі комбінації запобіжних заходів, таких як: закриття шкіл, 
обов'язкове носіння масок та сприяння роботі з дому. Тут обмежились трьома 
режимами, між якими стратегії зможуть перемикатися для простоти. Ці режими 
приблизно відповідають режимам, що були реалізовані урядом Великобританії. 
30 
 
Режими: 
 r0 – Без локдауну Немає обмежень; 
 r1 – Частковий локдаун: Повернення до роботи та школи, відкриття 
необов'язкових підприємств із дотриманням дистанції 1 м +; 
 r2 – Повний локдаун: Робота з дому, заборона на необов'язкові контакти, 
повне закриття шкіл та необов'язкових підприємств. 
Перші два режими аналогічні політиці Великобританії, що діяла 26 березня 
та 4 липня відповідно. Стратегія визначає, коли і як відбуваються переходи між 
цими режимами, з можливістю відсутності дозволених переходів. 
Оскільки ЦПР буде реагувати на поширення хвороби в населення, яке 
схильне до шоків, таких як великі спалахи, розглянуті стратегії повинні 
природньо включати ті, що включають перемикання між цими трьома 
режимами. 
Для зручності аналізу в прикладі був звужений набір стратегій і 
встановлені наступні умови: 
 максимум одна зміна між режимами може відбутися за тиждень; 
 протягом часових рамок симуляції, як тільки обмеження почалися, ми не 
повертаємося до відсутності обмежень(r1). 
Переходи між режимами тут встановлені таким чином, що вони залежать 
від сукупної кількості зареєстрованих смертей, яка вважається відомою, та 
зареєстрованої частки населення, інфікованого, яка вважається відомою із 
затримкою в тиждень. На практиці це можна оцінити за часткою позитивних 
тестів з вибірки населення з інформацією, що надається із затримкою. 
Діаграма станів для кожної розглянутої стратегії протидії відповідає 
Рисунку1.2. 
31 
 
 
Ристунок 1.2 – діаграма станів для розробки стратегії протидії пандемії 
Зверніть увагу, що оскільки населення може перейти з r0 лише один раз, 
немає необхідності встановлювати різні умови для переходу до r1 і r2. Замість 
цього кожна стратегія визначає, чи переходить вона з r0 до r1 або r2. 
Посилення локдауну (��1→��2): Коли населення перебуває в режимі r1, 5% 
зростання кількості випадків за тиждень спричинить перехід до r2. Оскільки під 
час цього дослідження не відбулося посилення локдауну, вибір 5% був умовним 
для ілюстрації, і на практиці можуть бути розглянуті різні значення. 
Послаблення локдауну (��2→��1): З огляду на те, що населення наразі 
перебуває в режимі r2, перехід до r1 відбувається, коли частка інфікованих осіб 
знижується нижче певної критичної частки E від пікової частки інфікованих з 
моменту введення r2. Були розглянуті наступні вибори для E: 
– Без послаблення: ��0=0; 
– Послаблення відповідно до рішення Великобританії про послаблення 
локдауну: ��1=0.12; 
– Швидше послаблення: ��2=0.3; 
– Дуже швидке послаблення: ��3=0.5. 
На основі цих правил переходу командою розробників було припущено, 
що початковий перехід з r0 до r2 для всіх стратегій, які розглядаються, окрім 
трьох. Стратегія, позначена як Li Ej, має початковий перехід з r0 до r2 за 
32 
 
критичним значенням Li і дозволяє послаблення з r2 до r1 за критичною часткою 
Ej, де ��∈{1,2,3} і j∈{0,1,2,3}. Далі, аналогічно стратегіям "без повного локдауну", 
було визначено три стратегії, позначені як ��i ��*, де початковий перехід 
здійснюється з r0 до r1 за критичним значенням Li, ��∈{1,2,3}. У рамках цих трьох 
стратегій, як тільки режим r1 введений, він залишається дійсним до кінця 
симуляцій без переходу до r2. 
Розглянемо атрибути, показані на рисунку1.3, що відображає дерево 
атрибутів для нашого прикладу. Оскільки ми розглядаємо лише атрибути, 
пов'язані з охороною здоров'я, всі атрибути можуть бути виміряні в термінах 
сукупних очікуваних втрат років життя населення. У цьому прикладі нас 
цікавлять такі атрибути: 
 a1: Втрачені роки життя через COVID-19; 
 a2: Надлишкові втрачені роки життя через бідність; 
 a3: Надлишкові втрачені роки життя через затримку діагнозу раку. 
 
Рисунок 1.3 – дерево атрибутів СППР [5] 
Це дерево атрибутів можна легко адаптувати, додавши інші незалежні 
атрибути , що цікавлять ЦПР, такі як вартість впровадження стратегії, економічні 
впливи та соціальні впливи, такі як якість життя. 
У цьому прикладі, оскільки всі атрибути вимірюються в термінах втрачених 
років життя, розробники беруть маргінальну утиліту як негативну ідентичну 
функцію:  
����(����) = −���� , ∀��. 
33 
 
Значення ����, звичайно ж, є невизначеними. Однак, через припущення 
незалежності переваг та лінійної утилітарної функції для оцінки, нам потрібно 
лише отримати суб'єктивне очікування цієї величини за кожною стратегією. Тут, 
для спрощення, було обрано ототожнення цього очікування з виходом 
стохастичної моделі процесу. Припускається, що центр приймає як свої 
очікування ті, що надані відповідними експертами. Для теорії, що обґрунтовує, 
коли це є відповідним протоколом для ЦПР. 
Ваги критеріїв для цих атрибутів відображають, як ЦПР пріоритезує їх. 
Експерти порівнювали ефекти різних налаштувань ваг атрибутів ��=(��1,��2,��3) на 
сукупні зважені втрати років життя, де вага ki відповідає атрибуту ai, ��=1,2,3. 
З метою врахування невизначеності майбутнього розробники змоделювали 
невизначеність навколо швидкості інфекції з детальним описом, провівши 
стохастичну симуляцію 1000 разів і отримали очікувані значення як для атрибуту 
кількості смертей через COVID-19, так і для кількості тижнів, проведених у 
кожному режимі. Одна з цих симуляцій для кожної стратегії показана на рисунку 
1.4. Зазначимо тут, що на практиці використовуються очікувані числа, надані 
епідеміологами, які використовують більш складні моделі. 
34 
 
 
Рисунок 1.4 – Симуляція для кожної стратегії протидії пандемії [5] 
У результаті з рисунка1.6  бачимо, що при k=(1,0,0), коли розглядаються 
лише втрати років життя через COVID-19, стратегії, що не передбачають 
локдауну, показують значно гірші результати. Розглядаючи стратегії, що 
передбачають локдаун, "ранній локдаун" і "повільніше послаблення локдауну" 
призводять до меншої кількості втрачених років життя. У другому сценарії при 
k=(0.5,0.5,0), коли також розглядаються втрати років життя через затримку 
діагнозу раку, ми можемо побачити недоліки локдауну зі зменшенням різниці 
35 
 
між стратегіями, що включають локдаун, і тими, що його не включають. Однак 
стратегії локдауну залишаються більш бажаними. Цей приклад також показує 
незначну різницю між стратегіями локдауну, які відрізнялися лише 
послабленням локдауну з більш значущими відмінностями залежно від того, 
коли були введені умови локдауну. 
На рисунок 1.5. подано регіональні сукупні зважені втрати років життя за 
різними вагами атрибутів для кожної стратегії з розшаруванням за віком. Вгорі 
зліва: лише смерті від COVID-19. Вгорі справа: смерті від COVID-19 та затримки 
діагнозу раку з рівними вагами. Внизу зліва: смерті від COVID-19, затримки 
діагнозу раку та бідність з рівними вагами. Внизу справа: смерті від COVID-19, 
затримки діагнозу раку та бідність з користувацькими вагами. 
  
36 
 
 
Рисунок 1.5 – Діаграма, що показує кількість втрачених років життя людей в 
наслідок застосування різних стратегій протидії пандемії [5] 
При k=(1/3,1/3,1/3), що включає втрати років життя через бідність з рівною 
вагою для всіх атрибутів, стратегії без локдауну показують найкращі результати. 
Це цікаво, наскільки мала вага на довгострокові впливи на здоров'я може бути 
потрібна, перш ніж ми запровадимо найбільш суворі стратегії локдауну. При 
k=(0.45,0.45,0.1) ми розглядаємо втрати років життя в короткостроковій та 
середньостроковій перспективі як більш важливі, ніж довгострокові втрати. 
Хоча стратегії локдауну загалом все ще показують кращі результати, різниця між 
усіма стратегіями значно менша. 
37 
 
1.4.2 СППР на базі мереж Баєса для дослідження геному раку 
Розробку системи і аналіз результатів представлено у роботі [6]. Геноми 
ракових клітин мають приблизно чотири кодуючі драйверні мутації та певну 
кількість геномних аберацій, СППР, яку ми розглядаємо була розроблена для 
визначення повторюваних патернів ракових мутацій для кращого розуміння 
самої природи цієї хвороби. 
 Метод попарного порівняння мутацій, що застосовувався раніше був 
неефективним, так як не міг враховувати всі можливі шляхи розвитку раку. В той 
час, як мережі Баєса здатні враховувати шанс мутації всіх геномів і обраховувати 
ризик надання розвитку ракової переваги в мутованій клітині. 
 Суттєвою перешкодою для встановлення Баєсівських мереж як основного 
інструменту аналізу є їх інтерпретація, тоді як іншою перешкодою є необхідність 
вибору ряду параметрів. Складність пов'язаної мережі може бути надмірною у 
порівнянні з попарними тестами. Вирішується проблема використанням 
теплових карт на основі геномів як інтуїтивний локалізований вид до глобальної 
структури даних. Теплові карти є основним засобом аналізу біологічних даних, 
що використовуються як візуальний засіб представлення сирих даних. Більше 
того, можна розширити тему інтерпретації, використовуючи бінарну природу 
наборів даних. Використання оптимального алгоритму з його стандартними 
параметрами дозволяє зменшити кількість параметрів, які потрібно 
налаштовувати, до двох: μ і ϵ, які відповідно контролюють кількість змінних і 
густоту мережі. Обидва параметри легко налаштовуються і мають інтуїтивно 
зрозумілі значення.  
 Дослідники застосували запропоновану методологію до ряду наборів 
даних про рак, включаючи гематологічні (ГМЛ, МПН, Мієлома) і тверді пухлини 
(колоректальна аденокарцинома та гліобластома). 
 ГМЛ (Гострий мієлоїдний лейкоз). Аналіз мутаційного ландшафту 
гострого мієлоїдного лейкозу (ГМЛ) раніше виявив три дуже різні молекулярні 
підгрупи пацієнтів, що відображають різні шляхи еволюції ГМЛ для 
38 
 
стратифікації прогнозів та класифікації захворювання у загальній кількості 1540 
пацієнтів з трьох клінічних випробувань. Структура драйверних мутацій 
дозволила виявити неперекриваючі підгрупи пацієнтів та їх повну геномну 
класифікацію ГМЛ. Це велике та всебічне дослідження ГМЛ ідентифікувало ряд 
взаємодій ген-ген, які, наскільки нам відомо, раніше не були відомі. 
Використовуючи той самий набір даних, створений групою «Papaemmanuil» та 
іншими, аналіз БМ точно зафіксував більшість взаємодій, описаних у 
дослідженні, серед 11 геномних підгруп. Цей набір даних включає мутації та 
вибрані варіації числа копій генів. 
Дослідники використали набір даних ГМЛ як центральний засіб для 
проходження різних етапів методології. Рисунок 1.6 представляє БМ, вивчену за 
допомогою мереж Баєса, тоді як теплові карти для ряду сімейств у вивченій БМ 
представлені на рисунку 1.7. Рисунок 1.8 показує БМ з осями, кольорованими 
відповідно до попарних тестів Фішера, а рисунок 1.9 показує сегментовану БМ 
для того самого набору даних. 
 
Рисунок 1.6 – БМ, вивчена на наборі даних про ракові мутації [6] 
39 
 
 
Рисунок 1.7 – Теплові карти захворювань [6] 
 
Рисунок 1.8 – БМ з осями, кольорованими відповідно до попарних тестів 
Фішера [6] 
40 
 
 
Рисунок 1.9 – Сегментована БМ для досліджуваного набору даних [6] 
 Підгрупа ГМЛ, ідентифікована «Papaemmanuil» та іншими як геномна 
група мутації NPM1 (418 пацієнтів, 27%), добре узгоджується з патернами 
співмутацій у нашій мережі. Було 275 (18%) зразків з мутаціями хроматину та 
сплайсингу РНК. Найчастіше співмутованими генами у цій підгрупі були 
RUNX1, з SRSF2, та ASXL1 і STAG2 з TET2, тоді як DNMT3A був 
взаємовиключним зі STAG2. Аналіз БМ також зміг ідентифікувати взаємодії зі 
структурними варіантами у дослідженні ГМЛ. 
41 
 
 Результати даного дослідження показують високу ефективність 
використання і точність мереж Баєса в проблемах медицини, через що саме ця 
модель була обрана для розробки програмного забезпечення. Оглянувши 
попередні розділи сформуємо недоліки та переваги. 
1.5 Виклики, обмеження, переваги та перспективи розвитку СППР 
СППР – це безумовно корисні системи, використання яких допомагає в 
багатьох сферах життя, зокрема в медицині, менеджменті, оптимізації систем, 
якісній автоматизації процесів, аналізі даних, тощо. Однак, немає в світі нічого 
ідеального, тому хотілося б написати ще про проблеми СППР і порівняти їх 
недоліки з перевагами. 
 1.5.1 Переваги та недоліки використання СППР 
Переваги СППР: 
 Швидкість. СППР – це системи, які допомагають, в першу чергу, людині 
прийняти правильне і найбільш вигідне рішення відносно цілі, яку задає 
сама людина, оскільки СППР – це все ж комп’ютерна програма, то і 
результат аналізу вона видає набагато швидше, ніж людина. 
 Автоматизація. СППР також допомагають автоматизувати якісь 
процеси використовуючи не алгоритми, а рекомендації, що є більш 
точним методом. 
 Ефективність. СППР – безумовно є ефективною технологією з високою 
точністю. 
 Навчання. СППР є гнучкою технологією з багатьма методами, які можна 
застосувати на більшість задач, які виникають. 
 Комунікація. Застосовуючи СППР для аналізу і відображення 
ефективності працівників компанії можуть покращувати комунікації з 
працівниками і робити виробничий процес більш ефективним. 
Недоліки СППР: 
42 
 
 Погіршення навчання персоналу. Якщо працівник буде працювати 
виключно за рекомендаціями СППР, то його навички не будуть 
розвиватись, за рахунок чого може постраждати якість кадрів, 
аналогічно до погіршення якості навчання з появою штучного інтелекту. 
 Залежність від комп’ютерів. Зберігання всіх даних компанії виключно 
в цифровому вигляді – це зручно, але також несе певні ризики, особливо 
під час блекаутів, або інших екстрених ситуацій. 
 Надмірна довіра СППР. Керівництпо компаній, використовуючи СППР 
можуть занадто сильно їй довіритись, що також є ризиком. 
 Неправильне кодування. Якщо компанія почне сліпо довіряти 
неправильно спроектованій СППР, то це також призведе до негативних 
результатів. 
1.5.2 Перспективи розвитку СППР 
 Системи підтримки прийняття рішень є широко застосовуваними і мають 
попит на ринку, тож їх розвиток - лише питання часу, аналізуючи методики 
СППР та тенденції сучасного ринку можна виділити такі вектори розвитку 
технології: 
 Інтеграція СППР з ШІ та методами машинного навчання, що може 
значно підвищити якість їх роботи, та простоту розробки; 
 Вважається, що багато моделей СППР не потребують великих даних, але 
це не зовсім так, хоча прийнято вважати, що мережі Баєса не 
пристосовані для роботи з великими даними, але з правильною 
підготовкою даних цей метод показує досить хороші результати, що 
доводить СППР, реалізована в цій роботі, яка на великому масиві даних 
показує точність вище 88%, що для задачі діагностування хвороб є 
непоганим показником, порівняно з методами машинного навчання; 
 Розширена аналітика та візуалізація. СППР можуть бути застосовані для 
створення автоматизованої системи для візуалізації даних; 
43 
 
 СППР також можуть бути використані в такій задачі, як персоналізація 
програмних продуктів, щось подібне вже робить компанія Google з 
персоналізацією шляхом додавання ШІ в свої смартфони Pixel і  
Microsoft з імплементацією такої технології в свою ШІ Copilot; 
 СППР можна застосувати для підвищення цифрової безпеки, 
імплементувавши їх в сучасні антивірусні програми, що скоротить 
кількість хибних спрацьовувань.  
Висновки до розділу 1 
У даному розділі була описана історія появи СППР, розписано для чого і 
як вони використовуються. СППР були класифіковані за різними ознаками. Було 
описано архітектуру і основні компоненти СППР. Також було наведено 
приклади реального використання СППР на базі мереж Баєса в складних 
системах і описано створення архітектур СППР для цих задач. Був проведений 
аналіз проблем і переваг систем підтримки прийняття рішень і аналіз 
можливостей подальшого розвитку СППР з наведенням найперспективніших 
галузей та можливих використань. 
Також, беручи до уваги наведені приклади використання СППР в 
медицині, можна сказати, що мережі Баєса є ефективними в цій сфері. Вони 
показують високу точність, та великий можливий спектр їх застосування. 
  
44 
 
2. МАТИМАТИЧНІ МОДЕЛІ, ЗАСНОВАНІ НА МЕРЕЖАХ 
БАЄСА, ТА ПРИКЛАДИ ЇХ ВИКОРИСТАННЯ 
2.1 Наївний класифікатора Баєса 
Наївний класифікатор Баєса, також відомий, як ймовірнісний класифікатор 
[7] – це алгоритм машинного навчання, який також застосовується і у системах 
підтримки прийняття рішень, зазвичай його використовують для класифікації 
текстів, адже він добре показує себе в такій задачі, в СППР його часто 
використовують для аналізу економіки і в медицині, що і буде зроблено в даній 
кваліфікаційній роботі магістра. 
Плюси наївного класифікатора у тому, що він швидко вчиться, може 
працювати з нечіткими множинами і не має проблеми перенавчання, так як 
вираховує не лінійну залежність, а обчислює ймовірність альтернатив, через що 
інтерпретація його результатів також проста і зрозуміла. 
Наївним цей алгоритм назвали через те, що він розглядає кожен набір 
критеріїв не в сукупності, а окремо, тобто для нього, критерії хвороби такі як 
«головний біль» і «підвищена температура» не є взаємопов’язаними, що і робить 
цю модель ефективною лише у вузькому діапазоні задач. 
Математично наївний класифікатор Баєса  працює наступним чином: 
Для простоти представлення прикладу візьмемо невеликий 
датасет(рисунок 2.1), що описує поведінку покупця при трьох параметрах: 
«день(будній, вихідний, свято)», наявність знижки і наявність безкоштовної 
доставки(рисунок 2.2). 
45 
 
 
Рисунок 2.1 – Датасет до моделі наївного класифікатора Баєса 
 
Рисунок 2.2 – Опис датасету до прикладу реалізації методу наївного Баєса 
46 
 
Для отримання умовних імовірностей створюються частотні 
таблиці(рисунок 2.3), та таблиці правдоподібності(рисунок 2.4) 
 
Рисунок 2.3 –  Частотна таблиця до датасету   
47 
 
 
Рисунок 2.4 –  Таблиці правдоподібності датасету 
На основі цих даних ми і обчислюємо імовірності появи події, тобто щоб 
знайти P(No buy / Weekday) потрібно використати наступну формулу: 
P(Weekday/No buy) * P(No buy) / P(Weekday) = (2/6 * 6/30)  / (11/30) = 0.1818. 
Так само для P(Buy / Weekday): 
P(Weekday/Buy) * P(Buy) / P(Weekday) = (9/24 * 24/30)  / (11/30) = 0.8181. 
Тобто у висновку можна сказати, що клієнт скоріше купить товар у будній день, 
ніж не купить блок-схема продемонстрована на рисунку 2.5. 
  
48 
 
 
Рисунок 2.5 – Блок-схема алгоритму роботи методу «наївний Баєс» 
 
49 
 
Демонстрація реалізації цього алгоритму на мові Python: 
 
 
У результаті (рисунок 2.6) виконання коду, можна сказати, що вектор до 
якого застосовувався алгоритм скоріше класифікується, як «0». 
50 
 
 
Рисунок 2.6 – Результати роботи програми з демонстрації 
2.2 К2 жадібний алгоритм створення графа Баєса  
 К2 жадібний алгоритм [8] є найпопулярнішим методом знаходження 
мережі Баєса через покрокову оптимізацію графа. По суті алгоритм К2 по 
побудові однонапрямленого графа полягає в поступовому додаванні зв’язків в 
граф так, щоб ця зміна підвищувала точність і зупиняється тоді, коли будь-яка 
зміна графа не впливає на точність взагалі, або впливає негативно, блок-схема 
продемонстрована на рисунку 2.7. 
 Алгоритм К2: 
1. Ініціалізувати порожній граф; 
2. Ітеровано додавати ребра до змінної Хі, зупинятись коли ребро 
позитивно вплине на точність обчислювань і залишати успішне ребро; 
3. Якщо жодне додане ребро не збільшує точність цільової функції, то 
зупинити алгоритм і вивести оптимальний граф. 
 
51 
 
 
Рисунок 2.7 – Блок-схема алгоритму роботи методу «К2»  
52 
 
Демонстрація реалізації цього алгоритму на мові Python: 
 
 
53 
 
 
 
54 
 
 
 
Висновки до розділу 2 
У даному розділі було проаналізовано два методи, які використовуються в 
системах підтримки прийняття рішень на основі мереж Баєса, наведено їх 
переваги і недоліки, описано їх математичні моделі та особливості їх роботи. 
Також було розглянуто два навчальних приклади, по одному до кожного 
методу, для демонстрації роботи кожного з них, кожен з навчальних прикладів 
був реалізований на мові програмування Python і доповнювався візуалізованими 
даними. 
  
55 
 
3. РОЗРОБКА РЕКОМЕНДАЦІЙНОЇ СППР НА БАЗІ МЕРЕЖ 
БАЄСА ДЛЯ СПРОЩЕННЯ ДІАГНОСТУВАННЯ 
ЗАХВОРЮВАНЬ НА МОВІ PYTHON 
3.1 Обґрунтування вибору задачі для вирішення 
Задача була обрана, в першу чергу, через вже доведену ефективність 
роботи мереж Баєса в сфері медицини, а також через наявність зручного датасету 
для роботи з обраною моделлю. Вважаю дану задачу важливою, через те, що 
створення подібного ПЗ може допомогти медикам більш точно ставити діагнози, 
цим самим зменшуючи негативний вплив на суспільство через встановлення 
неправильних діагнозів. 
3.2 Опис датасету 
Назва датасету: «Final_Augmented_dataset_Diseases_and_Symptoms». 
Датасет складається з 382 симптомів, які описують 523 різні хвороби, 
кількість семплів в датасеті 246945 випадків окремо описаних хвороб. Кожен 
семпл – це вектор з булевим типом даних і розмірністю 382, кожен «0» – означає, 
що відповідний симптом у пацієнта відсутній, кожна «1» – навпаки, означає, що 
симптом присутній. Перша колонка датасету несе в собі назву захворювання, або 
паталогії. Датасет представлений у форматі «.csv» і виглядає як показано на 
рисунку 3.1, в обраному середовищі розробки має вигляд як на рисунку 3.2. 
Більш детальний опис датасету можна прочитати в додатку Б «опис датасету». 
  
56 
 
 
Рисунок 3.1 – Демонстрація датасету в MS office 
 
Рисунок 3.2 – Демонстрація датасету в середовищі розробки Pycharm 
  
57 
 
3.3 Розробка моделі та її навчання 
 Для розробки програмного забезпечення була обрана математична модель 
«наївний Баєс», через свою простоту і ефективність при роботі з наявним 
датасетом. Математична модель описана в підпункті 2.1. 
 Для початку, потрібно було зробити розмітку даних датасету на навчальні 
дані, тренувальні дані розмічувати не потрібно, через відсутність проблеми 
перенавчання. Для виконання цієї підзадачі було використано Python бібліотека 
pandas. 
 Pandas – це відкрите програмне забезпечення, яке існує у вигляді модуля 
(бібліотеки) у мові Python. Pandas є бібліотекою з відкритим кодом, яка базується 
на іншій бібліотеці «numpy», що призначена для роботи з багатовимірними 
даними, тобто з масивами і матрицями. В цій бібліотеці реалізовано безліч 
високорівневих математичних фукуцій для роботи з масивами багатовимірних 
даних. Нам знадобиться функція зчитування файлу з розширенням «csv», зрізи і 
функції редагування датафрейма. Робота з датасетом показана на рисунку 3.1. 
 
Рисунок 3.1 – Перетворення датасету в навчальні дані 
Пояснення коду: 
Рядок 1: імпортується бібліотека pandas. 
Рядок 2: зчитується інформація з файлу за допомогою команди 
read.read_csv. 
Рядок 3: визначаються навчальні дані, а саме фічі кожного семплу, 
вилучаючи рядок з шуканим результатом за допомогою команди 
«DataFrame.drop». 
Рядок 4: відбувається перетворення даних в зручний формат матриці з 
булевим типом даних командою «to_numpy». 
58 
 
Рядок 5: визначаються навчальні дані шуканих результатів за допомогою 
запису в змінну однієї колонки датасету командою «DataFrame['diseases']». 
Рядок 6: визначається масив даних, в який входять лише унікальні випадки 
хвороби для подальшого перетворення його у масив векторів з умовними 
імовірностями командою «Y.unique». 
 Далі потрібно розробити і навчити модель. Було прийнято рішення вести  
розробку моделі вручну, без використання сторонніх бібліотек, через відсутність 
нормально реалізованого алгоритму в мережі, який би працював з моїми даними 
так, як мені потрібно. Вигляд моделі на мові python показаний на рисунку 3.2. 
 
Рисунок 3.2 – Модель «наївний Баєс» реалізація на мові python 
 
59 
 
Пояснення коду: 
 Функція def_bayes_fit_model() приймає в себе раніше розмічені дані, тобто 
ознаки(фічі) шуканий результат і вектор унікальних значень з усіма хворобами. 
Потім, відповідно до розмірності всіх цих даних створює матрицю векторів 
умовних імовірностей і вираховує їх, як описано в підпункті 2.3, ця матриця 
векторів є результатом виконання коду, яку функція повертає після виконання і 
вона має вигляд як на рисунку 3.3. 
 
Рисунок 3.3 – Результат навчання моделі у вигляді матриці векторів з умовними 
імовірностями 
 Після навчання і отримання результатів потрібно реалізувати функцію, що 
буде вираховувати імовірності появи хвороб. Було розроблено дві такі функції 
(bayes_predict, bayes_predict_set), перша повертає лише найбільш імовірну 
хворобу, друга повертає ранжований по імовірностям список можливих хвороб 
від найбільш імовірної до найменш імвірної. Функції показані на рисунках 3.4 і 
3.5, а також на блок-схемах на рисунках 3.5 і 3.7.  
  
60 
 
 
Рисунок 3.4 – Функція «bayes_predict», результатом виконання якої є найбільш 
імовірний діагноз 
61 
 
 
Рисунок 3.5 – Функція «bayes_predict_set», результатом виконання якої є список 
найбільш імовірних діагнозів 
62 
 
 
Рисунок 3.6 – Блок-схема «bayes_predict», результатом виконання якої є 
найбільш імовірний діагноз 
63 
 
 
Рисунок 3.7 – Блок-схема «bayes_predict_set», результатом виконання якої є 
список найбільш імовірних діагнозів 
64 
 
 Також для роботи функцій «bayes_predict» і «bayes_predict_set» була 
розроблена допоміжна функція «create_request», що з списку симптомів, які 
передаються їй в довільному порядку, створює вектор, який буде 
застосовуватись для оцінки ймовірностей появи подій, функція показана на 
рисунку 3.8. 
 
Рисунок 3.8 – Функція «create_request» яка перетворює запит користувача в 
зрозумілу для моделі форму 
 Навчання моделі на даному наборі і на моєму пристрої займає приблизно 
8 хвилин, у результаті чого ми отримуємо масив векторів з ймовірностями появи 
кожного симптому в кожній хворобі. 
 Протестувавши працездатність сирого коду вписавши симптоми «опухле 
око і опухла повіка» (Рисунок 3.9) отримуємо результат (Рисунок 3.10), шо каже 
нам про можливість двох діагнозів: трихіазис (волосяні фолікули, що запалились 
через неправильний ріст) і ячмінь, пояснення непотрібне. 
 
Рисунок 3.9 – Приклад застосування сирої моделі без графічного інтерфейсу 
 
Рисунок 3.10 – Результати застосування сирої моделі без графічного інтерфейсу 
65 
 
3.4 Тестування моделі на точність 
 Настав час визначити точність діагностування, те що проблема 
перенавчання у метода відсутня, то я робив тест на навчальному датасеті, 
прогнавши через аналіз 2020 випадковим чином взятих випадків (Рисунок 3.11), 
було отримано такі результати (Рисунок 3.12). На рисунку 3.13 показані прямі, 
що відповідають абсолютно правильним діагнозам і імовірно неправильним, 
відповідно. Термін «імовірно неправильний діагноз» означає, що правильний 
діагноз або має нижчу пріорність, ніж перший, що трапляється дуже часто, або 
правильного діагнозу взагалі немає в представленому списку можливих 
діагнозів, що траплялось дуже рідко. 
 
Рисунок 3.11 – Демонстрація алгоритму тестування точності моделі 
 
Рисунок 3.12 – Результати роботи алгоритму тестування точності моделі 
66 
 
 
Рисунок 3.13 – Графічна демонстрація точності зі зміною кількості 
проаналізованих семплів 
Абсолютна точність моделі знаходиться на рівні 90%, фактична значно 
вище. 
 Також була проведена розмова і тестування розробленої моделі 
рекомендаційної СППР з студенткою Одеського національного медичного 
університету. Під час аналізу ми визначили, що модель має дійсно широкий 
список можливих захворювань (їх список знаходиться в додатку Б) і може 
запропонувати варіанти діагнозів які є маловідомими, але на які точно варто 
звертати увагу при діагностиці, адже це допоможе поставити діагноз з більшою 
точністю і запобігти погіршенню ситуації. 
3.5 Розробка графічного інтерфейса системи 
 Для розробки графічного інтерфейсу систми була використана бібліотека 
python tkinter. Загальний вигляд програмного продукту зображений на 
рисунку 3.14. 
67 
 
 
Рисунок 3.14 – Демонстрація графічного інтерфейсу програмного продукту 
 Програмний продукт має такі елементи інтерфейсу як: інформаційна марка 
з назвою програмного продукту, інформаційні марки з вказівками для 
користувча текстове поле для введення симптомів, текстове поле для виведення 
результатів, кнопка оновлення сторінки, разом з усією раніше записаною 
інформацією. На рисунку 3.15 описана логіка програми. Докладніше про 
використання застосунку написано в додатку А. 
68 
 
 
Рисунок 3.15 – спрощена структура розробленої рекомендаційної СППР  
69 
 
Висновки до розділу 3 
 У даному розділі був описаний датасет і база знань системи підтримки 
прийняття рішень, описана задача діагностики хвороб, з розв’язанням якої буде 
допомагати інформаційна СППР. Також було розписано процес розробки і 
навчання математичної моделі інформаційної СППР, була проведена оцінка 
точності інформаційної системи підтримки прийняття рішень, були проведені 
реальні випробовування і тести програмного продукту за співпраці студента-
медика. В даному розділі також був описаний процес розробки графічного 
інтерфейсу програми і продемонстрований на рисунках, була також зроблена 
графічна інтерпретація перевірки точності системи. 
 Тож, можна сказати, що розроблена інформаційна СППР має потенціал до 
реального використання, адже вона має досить високу точність і при 
правильному використанні може сильно спростити роботу цільовим клієнтам, 
тобто лікарям. 
 Наївний класифікатор Баєса дуже добре себе показав при вирішенні даної 
задачі, тобто ця математична модель хоч і є вузькоспеціалізованою, але в 
профільних задачах дійсно демонструє хороші результати. Наївний баєс 
виявився моделлю, яка добре працює з великими об’ємами інформації і не має 
проблеми перенавчання, що є дуже зручним фактором під час розробки. 
  
70 
 
ВИСНОВКИ 
 Дана кваліфікаційна робота магістра показує, що інформаційні системи 
підтримки прийняття рішень є невід’ємною складовою сучасного світу. Ці 
системи є спорідненими з найбільшим проривом сьогодення, тобто з 
нейронними мережами і методами машинного навчання. Якоюсь мірою СППР 
можна назвати прообразом цих технологій, адже виникли вони дещо раніше, 
побудовані на схожих математичних моделях і подекуди виконують подібні 
функції. 
 У кваліфікаційній роботі було розглянуто історію виникнення СППР, їх 
перспективи розвитку, їх базову структуру, наведено приклади реального 
використання інформаційних СППР в важливих, подекуди навіть надважливих 
задачах, таких як прогнозування впливу управління державою під час пандемії 
covid-19, що демонструє важливість даної технології та її безумовно позитивний 
вплив на якість життя людей. Інформаційні СППР можуть бути застосовані для 
підвищення якості високотехнологічного виробництва, для підвищення 
ефективності управління підприємствами, що позитивно впливає на економіку, 
а значить підвищує рівень життя людей. 
 Також було розглянуто деякі математичні алгоритми, що 
використовуються в інформаційних СППР на базі мереж Баєса, була надана 
класифікація систем підтримки прийняття рішень, особлива увага приділялась 
інформаційним СППР на основі мереж Баєса, які є унікальними по своїй суті, бо 
в них використовуються статистичні ймовірності, що дає як багато переваг, так і 
недоліків, про які також написано у кваліфікаційній роботі. 
 Мета роботи була успішно досягнута, адже була спроєктована 
інформаційна система підтримки прийняття рішень, що використовує метод 
наївного Баєса. Вона отримала назву «Doctor Bayes» і здатна, при правильному 
використанні, досить точно визначати ймовірні хвороби людей, вона має велику 
базу знань, куди входять більш ніж 500 хвороб і 300 симптомів, разом з 
векторами ймовірностей появи кожного з симптомів при кожній з хвороб. Був 
71 
 
реалізований математичний метод і графічний інтерфейс, що дозволяє з 
відносним комфортом використовувати розроблену інформаційну СППР, 
реалізовано модуль передачі даних у математичну модель, модуль обробки 
запитів і виведення результатів у зрозумілій для користувача формі. До того ж, 
була розроблена інструкція користувача і опис бази даних. 
 У результаті виконання кваліфікаційної роботи магістра було виконано всі 
поставлені завдання, в подальшому можливе значне покращення розробленого 
програмного продукту, додавання нових функцій, моделей і методів, створення 
системи пошуку симптомів по категоріям і популярності, що значно підвищило 
б комфорт використання. 
  
72 
 
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 
 
1. Шевчук І. Б. Системи підтримки прийняття рішень: навч. посіб.  Львів / 
Львівський національний університет імені Івана Франка. URL: 
https://financial.lnu.edu.ua/wp-content/uploads/2015/12/SPPR_tema-5.pdf 
2. Decision Support System. URL: https://www.geeksforgeeks.org/decision-
support-system/ (дата звернення: 25.11.2024) 
3. Advantages and disadvantages of decision support system. URL: 
https://www.itrelease.com/2021/03/advantages-and-disadvantages-of-decision-
support-system/ (дата звернення: 25.11.2024) 
4. A Decision Support System (DSS) for the Prediction and Selection of Optimum 
Operational Parameters in Pressure Die-Casting Processes. URL: 
https://www.mdpi.com/1996-1944/15/15/5309 (дата звернення: 25.11.2024) 
5. Building a Bayesian decision support system for evaluating COVID-19 
countermeasure strategies. URL: 
https://www.tandfonline.com/doi/full/10.1080/01605682.2021.2023673#d1e12
77 (дата звернення: 25.11.2024) 
6. Bayesian networks elucidate complex genomic landscapes in cancer. URL: 
https://www.nature.com/articles/s42003-022-03243-w (дата звернення: 
25.11.2024) 
7. Наївний алгоритм Баєса в машинному навчанні. URL: 
https://www.guru99.com/uk/naive-bayes-classifiers.html (дата звернення: 
25.11.2024) 
8. Learn to Code. URL: https://www.w3schools.com/ (дата звернення: 
25.11.2024) 
 
 
  
73 
 
Додаток А 
Інструкція користувача 
 Для початку роботи з програмою потрібно опитати клієнта (хвогого) на 
наявність у нбого симптомів і знайти їх в додатку Д. відкрити програму версії 1.0 
можна через буль-яке середовище розробки python, інсталювання додаткових 
бібліотек не є обав’язковим. 
 Після запуску програми ви побачите вікно користувацького інтерфейсу, як 
на рисунку А.1 
 
Рисунок А.1 – Вікно користувацького інтерфейсу програми 
 У вікні користувача є текстову поле, що знаходиться навпроти 
інформаційної марки «sympthoms», показано на рисунку А.2. 
 
Рисунок А.2 – Текстове поле для введення симптомів 
 Для аналізу користувачеві потрібно вводити симптоми по одному в це 
поле, порядок симптомів не важливий, але написані вони мають бути 
англійською мовою і малими літерами, як в додатку Д. після введення кожного 
симптома слід натиснути клавішу «return».Симптоми будуть записуватись і 
зберігатись під полем вводу. 
 Після введення всіх симптомів вікно вашої програми буде виглядати як 
показано на рисунку А.3. 
74 
 
 
Рисунок А.3 – Вигляд вікна програми після введення симптомів 
 Після введення всіх симптомів, для їх аналізу слід натиснути комбінацію 
клавіш «control + w», якщо ви виконали усе правильно, то в нижньому 
текстовому полі з’явиться список з назвами імовірних хвороб і їх імовірностями, 
показано на рисунку А.4. 
 
Рисунок А.4 – Результати виконання роботи програми 
 Щоб видалити раніше вписані дані і очистити поля потрібно натиснути 
кнопку «doctor Bayes». Також програма має додаткову функцію калькулятора, 
для виклику якого слід натиснути кнопку «calculator» інтерфейс вікна показаний 
на рисунку А.5 
 
Рисунок А.5 – Вигляд програми після видалення даних 
 
75 
 
Додаток Б 
Опис датасету 
Датасет «Final_Augmented_dataset_Diseases_and_Symptoms» таблиці 
переліку хвороб і симптомів таблиці Б.1 і Б.2, відповідно. 
Таблиця Б.1 – хвороби українською і англійською мовами 
Назва хвороби англійською Назва хвороби українською 
Panic disorder Панічний розлад 
Vocal cord polyp Поліп голосових зв'язок 
Turner syndrome Синдром Тернера 
Cryptorchidism Крипторхізм 
Poisoning due to ethylene glycol Отруєння етиленгліколем 
Atrophic vaginitis Атрофічний вагініт 
Fracture of the hand Перелом руки 
Cellulitis or abscess of mouth Целюліт або абсцес рота 
Eye alignment disorder Порушення вирівнювання очей 
Headache after lumbar puncture Головний біль після люмбальної пункції 
Pyloric stenosis Пілоростеноз 
Salivary gland disorder Порушення слинних залоз 
Osteochondrosis Остеохондроз 
Injury to the knee Травма коліна 
Metabolic disorder Метаболічний розлад 
Vaginitis Вагініт 
Sick sinus syndrome Синдром слабкості синусового вузла 
Tinnitus of unknown cause Шум у вухах невідомої причини 
Glaucoma Глаукома 
Eating disorder Розлад харчової поведінки 
Transient ischemic attack Транзиторна ішемічна атака 
Pyelonephritis Пієлонефрит 
Rotator cuff injury Травма обертальної манжети плеча 
Chronic pain disorder Хронічний больовий розлад 
Problem during pregnancy Проблема під час вагітності 
Liver cancer Рак печінки 
Atelectasis Ателектаз 
Injury to the hand Травма руки 
Choledocholithiasis Холедохолітіаз 
Injury to the hip Травма стегна 
Cirrhosis Цироз 
76 
 
Thoracic aortic aneurysm Аневризма грудного відділу аорти 
Subdural hemorrhage Субдуральна кровотеча 
Diabetic retinopathy Діабетична ретинопатія 
Fibromyalgia Фіброміалгія 
Ischemia of the bowel Ішемія кишечника 
Fetal alcohol syndrome Алкогольний синдром плода 
Peritonitis Перитоніт 
Injury to the abdomen Травма живота 
Acute pancreatitis Гострий панкреатит 
Thrombophlebitis Тромбофлебіт 
Asthma Астма 
Foreign body in the vagina Чужорідне тіло у вагіні 
Restless leg syndrome Синдром неспокійних ніг 
Emphysema Емфізема 
Cysticercosis Цистицеркоз 
Induced abortion Індукований аборт 
Teething syndrome Синдром прорізування зубів 
Infectious gastroenteritis Інфекційний гастроентерит 
Acute sinusitis Гострий синусит 
Substance-related mental disorder Психічний розлад, пов'язаний з вживанням 
речовин 
Postpartum depression Післяпологова депресія 
Coronary atherosclerosis Коронарний атеросклероз 
Spondylitis Спондиліт 
Pituitary adenoma Аденома гіпофізу 
Uterine fibroids Фіброми матки 
Idiopathic nonmenstrual bleeding Ідіопатична неменструальна кровотеча 
Chalazion Халазіон 
Ovarian torsion Торсія яєчника 
Retinopathy due to high blood pressure Ретинопатія через високий кров'яний тиск 
Vaginal yeast infection Вагінальна дріжджова інфекція 
Mastoiditis Мастоїдит 
Lung contusion Контузія легені 
Hypertrophic obstructive cardiomyopathy Гіпертрофічна обструктивна кардіоміопатія 
(HOCM) (ГОКМ) 
Ingrown toe nail Врослий ніготь 
Pulmonary eosinophilia Легенева еозинофілія 
Corneal disorder Порушення рогівки 
Foreign body in the gastrointestinal tract Чужорідне тіло в шлунково-кишковому тракті 
Endophthalmitis Ендофтальміт 
77 
 
Intestinal malabsorption Кишкове порушення всмоктування 
Viral warts Вірусні бородавки 
Hyperhidrosis Гіпергідроз 
Stroke Інсульт 
Pilonidal cyst Пілонідальна кіста 
Crushing injury Розчавлююча травма 
Normal pressure hydrocephalus Нормотензивна гідроцефалія 
Alopecia Алопеція 
Hashimoto thyroiditis Тиреоїдит Хашимото 
Flat feet Плоскостопість 
Nonalcoholic liver disease (NASH) Неалкогольна жирова хвороба печінки 
(НАЖХП) 
Hemarthrosis Гемартроз 
Pelvic organ prolapse Пролапс органів малого таза 
Fracture of the arm Перелом руки 
Coagulation (bleeding) disorder Порушення згортання крові 
Intracranial hemorrhage Внутрішньочерепна кровотеча 
Hyperkalemia Гіперкаліємія 
Cornea infection Інфекція рогівки 
Abscess of the lung Абсцес легені 
Dengue fever Лихоманка денге 
Chronic sinusitis Хронічний синусит 
Cholesteatoma Холестеатома 
Volvulus Заворот кишок 
Injury to the finger Травма пальця 
Poisoning due to analgesics Отруєння анальгетиками 
Atrial fibrillation Фібриляція передсердь 
Pinworm infection Інфекція гостриками 
Urethral valves Клапани уретри 
Open wound of the neck Відкрита рана шиї 
Achalasia Ахалазія 
Conductive hearing loss Кондуктивна втрата слуху 
Abdominal hernia Грижа живота 
Cerebral palsy Церебральний параліч 
Marijuana abuse Зловживання марихуаною 
Cryptococcosis Криптококоз 
Obesity Ожиріння 
Indigestion Розлад травлення 
Bursitis Бурсит 
78 
 
Esophageal cancer Рак стравоходу 
Pulmonary congestion Легенева застій 
Juvenile rheumatoid arthritis Ювенільний ревматоїдний артрит 
Actinic keratosis Актинічний кератоз 
Acute otitis media Гострий середній отит 
Astigmatism Астигматизм 
Tuberous sclerosis Туберозний склероз 
Empyema Емпієма 
Presbyacusis Пресбіакузіс 
Neonatal jaundice Неонатальна жовтяниця 
Chronic obstructive pulmonary disease Хронічне обструктивне захворювання легень 
(COPD) (ХОЗЛ) 
Dislocation of the elbow Вивих ліктя 
Spondylosis Спондилоз 
Herpangina Герпангіна 
Injury to the shoulder Травма плеча 
Poisoning due to antidepressants Отруєння антидепресантами 
Infection of open wound Інфекція відкритої рани 
Deep vein thrombosis (DVT) Тромбоз глибоких вен (ТГВ) 
Protein deficiency Білкова недостатність 
Myoclonus Міоклонус 
Bone spur of the calcaneus Кістковий шпора п'яткової кістки 
Von Willebrand disease Хвороба фон Віллебранда 
Open wound of the back Відкрита рана спини 
Heart block Серцева блокада 
Colonic polyp Поліп ободової кишки 
Magnesium deficiency Магнієва недостатність 
Female infertility of unknown cause Жіноче безпліддя невідомої причини 
Pericarditis Перикардит 
Attention deficit hyperactivity disorder Синдром дефіциту уваги з гіперактивністю 
(ADHD) (СДУГ) 
Pulmonic valve disease Захворювання легеневого клапана 
Tietze syndrome Синдром Тітце 
Cranial nerve palsy Параліч черепного нерва 
Injury to the arm Травма руки 
Conversion disorder Розлад конверсії 
Complex regional pain syndrome Комплексний регіональний больовий синдром 
Otosclerosis Ото склероз 
Injury to the trunk Травма тулуба 
Hypothyroidism Гіпотиреоз 
79 
 
Primary insomnia Первинне безсоння 
Lice Воші 
Vitamin B12 deficiency Недостатність вітаміну B12 
Diabetes Діабет 
Vulvodynia Вульводинія 
Endometriosis Ендометріоз 
Vasculitis Васкуліт 
Concussion Струс мозку 
Oral leukoplakia Оральний лейкоплакія 
Chronic kidney disease Хронічна хвороба нирок 
Bladder disorder Порушення сечового міхура 
Chorioretinitis Хоріоретиніт 
Priapism Приапізм 
Myositis Міозит 
Mononucleosis Мононуклеоз 
Neuralgia Невралгія 
Polycystic kidney disease Полікістозна хвороба нирок 
Bipolar disorder Біполярний розлад 
Amyloidosis Амилоїдоз 
Chronic inflammatory demyelinating Хронічна запальна демієлінізуюча 
polyneuropathy (CIDP) полінейропатія (ХЗДП) 
Gastroesophageal reflux disease (GERD) Гастроезофагеальна рефлюксна хвороба 
(ГЕРХ) 
Vitreous hemorrhage Склоподібна кровотеча 
Poisoning due to antimicrobial drugs Отруєння через антимікробні препарати 
Open wound of the mouth Відкрита рана рота 
Scleroderma Склеродермія 
Myasthenia gravis Міастенія гравіс 
Hypoglycemia Гіпоглікемія 
Idiopathic absence of menstruation Ідіопатична відсутність менструації 
Dislocation of the ankle Вивих щиколотки 
Carbon monoxide poisoning Отруєння чадним газом 
Panic attack Панічна атака 
Plantar fasciitis Підошовний фасциїт 
Hyperopia Далекозорість 
Poisoning due to sedatives Отруєння через седативи 
Pemphigus Пемфігус 
Peyronie disease Хвороба Пейроні 
Hiatal hernia Грижа стравохідного отвору діафрагми 
Extrapyramidal effect of drugs Екстрапірамідний ефект препаратів 
80 
 
Meniere disease Хвороба Меньєра 
Anal fissure Анальна тріщина 
Allergy Алергія 
Chronic otitis media Хронічний середній отит 
Fracture of the finger Перелом пальця 
Hirschsprung disease Хвороба Гіршпрунга 
Polymyalgia rheumatica Поліміалгія ревматична 
Lymphedema Лімфедема 
Bladder cancer Рак сечового міхура 
Acute bronchospasm Гострий бронхоспазм 
Acute glaucoma Гостра глаукома 
Open wound of the chest Відкрита рана грудної клітини 
Dislocation of the patella Вивих надколінника 
Sciatica Ішіас 
Hypercalcemia Гіперкальціємія 
Stress incontinence Стресове нетримання сечі 
Varicose veins Варикозні вени 
Benign kidney cyst Доброякісна киста нирки 
Hydrocele of the testicle Гідроцеле яєчка 
Degenerative disc disease Дегенеративне захворювання дисків 
Hirsutism Гірсутизм 
Dislocation of the foot Вивих стопи 
Hydronephrosis Гідронефроз 
Diverticulosis Дивертикульоз 
Pain after an operation Біль після операції 
Huntington disease Хвороба Гантінгтона 
Lymphoma Лімфома 
Dermatitis due to sun exposure Дерматит через сонячне випромінювання 
Anemia due to chronic kidney disease Анемія через хронічну хворобу нирок 
Injury to internal organ Травма внутрішнього органу 
Scleritis Склерит 
Pterygium Птерігіум 
Fungal infection of the skin Грибкова інфекція шкіри 
Insulin overdose Передозування інсуліну 
Syndrome of inappropriate secretion of ADH Синдром неадекватної секреції АДГ 
(SIADH) (СНСАДГ) 
Foreign body in the ear Чужорідне тіло у вусі 
Premenstrual tension syndrome Передменструальний напруження синдром 
Orbital cellulitis Орбітальний целюліт 
81 
 
Injury to the leg Травма ноги 
Hepatic encephalopathy Печінкова енцефалопатія 
Bone cancer Рак кісток 
Syringomyelia Сирингомієлія 
Pulmonary fibrosis Легеневий фіброз 
Mitral valve disease Захворювання мітрального клапана 
Parkinson disease Хвороба Паркінсона 
Gout Подагра 
Otitis media Середній отит 
Drug abuse (opioids) Зловживання наркотиками (опіоїди) 
Myelodysplastic syndrome Мієлодиспластичний синдром 
Fracture of the shoulder Перелом плеча 
Acute kidney injury Гостра травма нирки 
Threatened pregnancy Загроза вагітності 
Intracranial abscess Внутрішньочерепний абсцес 
Gum disease Захворювання ясен 
Open wound from surgical incision Відкрита рана від хірургічного розрізу 
Gastrointestinal hemorrhage Шлунково-кишкова кровотеча 
Seborrheic dermatitis Себорейний дерматит 
Drug abuse (methamphetamine) Зловживання наркотиками (метамфетамін) 
Torticollis Тортиколіс 
Poisoning due to antihypertensives Отруєння через антигіпертензивні препарати 
Tension headache Напружений головний біль 
Alcohol intoxication Алкогольне інтоксикація 
Scurvy Цинга 
Narcolepsy Нарколепсія 
Food allergy Харчова алергія 
Labyrinthitis Лабіринтит 
Anxiety Тривога 
Impulse control disorder Розлад контролю імпульсів 
Stenosis of the tear duct Стеноз слізного каналу 
Abscess of nose Абсцес носа 
Omphalitis Омфаліт 
Leukemia Лейкемія 
Bell palsy Параліч Белла 
Conjunctivitis due to allergy Алергічний кон'юнктивіт 
Drug reaction Реакція на ліки 
Adrenal cancer Рак надниркової залози 
Myopia Міопія 
82 
 
Osteoarthritis Остеоартрит 
Thyroid disease Захворювання щитовидної залози 
Pharyngitis Фарингіт 
Chronic rheumatic fever Хронічна ревматична лихоманка 
Hypocalcemia Гіпокальціємія 
Macular degeneration Макулярна дегенерація 
Pneumonia Пневмонія 
Cold sor Герпес 
Premature ventricular contractions (PVCs) Передчасні шлуночкові скорочення 
Testicular cancer Рак яєчка 
Hydrocephalus Гідроцефалія 
Breast cancer Рак молочної залози 
Anemia due to malignancy Анемія через злоякісну пухлину 
Esophageal varices Варикозне розширення вен стравоходу 
Endometrial cancer Рак ендометрія 
Cystic fibrosis Кістозний фіброз 
Intertrigo (skin condition) Інтертриго (стан шкіри) 
Parathyroid adenoma Аденома паращитовидної залози 
Glucocorticoid deficiency Недостатність глюкокортикоїдів 
Temporomandibular joint disorder Порушення скронево-нижньощелепного 
суглоба 
Wilson disease Хвороба Вільсона 
Vesicoureteral reflux Везико-уретеральний рефлюкс 
Vitamin A deficiency Недостатність вітаміну А 
Gonorrhea Гонорея 
Fracture of the rib Перелом ребра 
Ependymoma Епендимома 
Hepatitis due to a toxin Гепатит через токсин 
Vaginal cyst Вагінальна кіста 
Open wound of the shoulder Відкрита рана плеча 
Ectopic pregnancy Позаматкова вагітність 
Chronic knee pain Хронічний біль у коліні 
Pinguecula Пінгекула 
Hypergammaglobulinemia Гіпергаммаглобулінемія 
Alcohol abuse Зловживання алкоголем 
Carpal tunnel syndrome Синдром карпального тунелю 
Pituitary disorder Порушення гіпофізу 
Kidney stone Камінь у нирці 
Autism Аутизм 
83 
 
Cat scratch disease Хвороба котячих подряпин 
Chronic glaucoma Хронічна глаукома 
Retinal detachment Відшарування сітківки 
Aplastic anemia Апластична анемія 
Overflow incontinence Переповнюване нетримання сечі 
Hemolytic anemia Гемолітична анемія 
Lateral epicondylitis (tennis elbow) Латеральний епікондиліт (тенісний лікоть) 
Open wound of the eye Відкрита рана ока 
Syphilis Сифіліс 
Diabetic kidney disease Діабетична хвороба нирок 
Nose disorder Захворювання носа 
Drug withdrawal Відмова від наркотиків 
Dental caries Карієс 
Hypercholesterolemia Гіперхолестеринемія 
Fracture of the patella Перелом надколінника 
Kidney failure Ниркова недостатність 
Fracture of the neck Перелом шиї 
Muscle spasm М'язовий спазм 
Hemophilia Гемофілія 
Hyperosmotic hyperketotic state Гіперосмотичний гіперкетотичний стан 
Peritonsillar abscess Перитонзилярний абсцес 
Gastroparesis Гастропарез 
Itching of unknown cause Свербіж невідомої причини 
Polycythemia vera Поліцитемія вера 
Thrombocytopenia Тромбоцитопенія 
Head and neck cancer Рак голови та шиї 
Pseudohypoparathyroidism Псевдогіпопаратиреоз 
Goiter Зоб 
Urge incontinence Неутримання позиву 
Edward syndrome Синдром Едвардса 
Open wound of the arm Відкрита рана руки 
Muscular dystrophy М'язова дистрофія 
Mittelschmerz Міттельшмерц 
Corneal abrasion Відшарування рогівки 
Anemia of chronic disease Анемія хронічного захворювання 
Dysthymic disorder Дистимічний розлад 
Scarlet fever Скарлатина 
Hypertensive heart disease Гіпертонічне серцеве захворювання 
Drug abuse (barbiturates) Зловживання барбітуратами 
84 
 
Polycystic ovarian syndrome (PCOS) Синдром полікістозних яєчників (СПКЯ) 
Encephalitis Енцефаліт 
Cyst of the eyelid Кіста повіки 
Balanitis Баланіт 
Foreign body in the throat Чужорідне тіло в горлі 
Drug abuse (cocaine) Зловживання кокаїном 
Optic neuritis Оптичний неврит 
Alcohol withdrawal Алкогольна абстиненція 
Premature atrial contractions (PACs) Передчасні скорочення передсердь 
Hemiplegia Геміплегія 
Hammer toe Палець у вигляді молотка 
Open wound of the cheek Відкрита рана щоки 
Joint effusion Накопичення рідини в суглобі 
Open wound of the knee Відкрита рана коліна 
Meningioma Менінгіома 
Brain cancer Рак мозку 
Placental abruption Відшарування плаценти 
Seasonal allergies (hay fever) Сезонні алергії (сінна лихоманка) 
Lung cancer Рак легені 
Primary kidney disease Первинне захворювання нирок 
Uterine cancer Рак матки 
Dry eye of unknown cause Сухе око невідомої причини 
Fibrocystic breast disease Фіброзно-кістозна хвороба молочної залози 
Fungal infection of the hair Грибкова інфекція волосся 
Tooth abscess Абсцес зуба 
Envenomation from spider or animal bite Отруєння від укусу павука або тварини 
VACTERL syndrome Синдром VACTERL 
Vertebrobasilar insufficiency Вертибробазилярна недостатність 
Rectal disorder Ректальний розлад 
Atonic bladder Атонічний сечовий міхур 
Benign paroxysmal positional vertigo (BPPV) Доброякісне пароксизмальне позиційне 
запаморочення (ДППЗ) 
Blepharospasm Блефароспазм 
Sarcoidosis Саркоїдоз 
Metastatic cancer Метастатичний рак 
Trigger finger (finger disorder) Триггерний палець (розлад пальця) 
Stye Ячмінь 
Hemochromatosis Гемохроматоз 
Osteochondroma Остеохондрома 
85 
 
Cushing syndrome Синдром Кушинга 
Typhoid fever Тифозна лихоманка 
Vitreous degeneration Дегенерація склоподібного тіла 
Atrophic skin condition Атрофічний стан шкіри 
Aspergillosis Аспергільоз 
Uterine atony Атонія матки 
Trichinosis Трихіноз 
Whooping cough Кашлюк 
Open wound of the lip Відкрита рана губи 
Subacute thyroiditis Підгострий тиреоїдит 
Oral mucosal lesion Ураження слизової оболонки рота 
Open wound due to trauma Відкрита рана через травму 
Intracerebral hemorrhage Внутрішньомозкова кровотеча 
Alzheimer disease Хвороба Альцгеймера 
Vaginismus Вагінізм 
Systemic lupus erythematosus (SLE) Системний червоний вовчак (СЧВ) 
Premature ovarian failure Передчасна недостатність яєчників 
Thoracic outlet syndrome Синдром верхнього отвору грудної клітки 
Ganglion cyst Гангліозна кіста 
Dislocation of the knee Вивих коліна 
Crohn disease Хвороба Крона 
Postoperative infection Післяопераційна інфекція 
Folate deficiency Недостатність фолатів 
Fluid overload Перевантаження рідиною 
Atrial flutter Тріпотіння передсердь 
Skin disorder Захворювання шкіри 
Floaters Плаваючі помутніння 
Tooth disorder Порушення зубів 
Heart attack Інфаркт міокарда 
Open wound of the abdomen Відкрита рана живота 
Fracture of the leg Перелом ноги 
Oral thrush (yeast infection) Кандидоз рота (дріжджова інфекція) 
Pityriasis rosea Лишай Жибера 
Allergy to animals Алергія на тварин 
Orthostatic hypotension Ортостатична гіпотензія 
Obstructive sleep apnea (OSA) Обструктивне апное сну (ОАС) 
Hypokalemia Гіпокаліємія 
Psoriasis Псоріаз 
Dislocation of the shoulder Вивих плеча 
86 
 
Intussusception Інвагінація 
Cervicitis Цервіцит 
Abscess of the pharynx Абсцес глотки 
Primary thrombocythemia Первинна тромбоцитемія 
Arthritis of the hip Артрит стегна 
Decubitus ulcer Пролежень 
Hypernatremia Гіпернатріємія 
Sensorineural hearing loss Сенсоневральна втрата слуху 
Chronic ulcer Хронічна виразка 
Osteoporosis Остеопороз 
Ileus Кишковий параліч 
Sickle cell crisis Криза при серповидноклітинній анемії 
Urethritis Уретрит 
Prostatitis Простатит 
Otitis externa (swimmer's ear) Зовнішній отит (вухо плавця) 
Poisoning due to anticonvulsants Отруєння антиконвульсантами 
Testicular torsion Торсія яєчка 
Tricuspid valve disease Захворювання трикуспідального клапана 
Urethral stricture Стриктура уретри 
Vitamin D deficiency Недостатність вітаміну D 
Hydatidiform mole Пухлиноподібне розростання трофобласта 
Pain disorder affecting the neck Больовий розлад, що впливає на шию 
Tuberculosis Туберкульоз 
Pelvic fistula Тазова фістула 
Acute bronchiolitis Гострий бронхіоліт 
Presbyopia Пресбіопія 
Dementia Деменція 
Insect bite Укус комахи 
Paroxysmal ventricular tachycardia Пароксизмальна шлуночкова тахікардія 
Congenital heart defect Вроджена вада серця 
Connective tissue disorder Розлад сполучної тканини 
Foreign body in the eye Чужорідне тіло в оці 
Poisoning due to gas Отруєння газом 
Pyogenic skin infection Піогенна інфекція шкіри 
Endometrial hyperplasia Гіперплазія ендометрія 
Acanthosis nigricans Чорний акантоз 
Central atherosclerosis Центральний атеросклероз 
Viral exanthem Вірусна екзантема 
Noninfectious gastroenteritis Неінфекційний гастроентерит 
87 
 
Benign prostatic hyperplasia (BPH) Доброякісна гіперплазія простати (ДГП) 
Menopause Менопауза 
Primary immunodeficiency Первинна імунодефіцит 
Ovarian cancer Рак яєчника 
Cataract Катаракта 
Dislocation of the hip Вивих стегна 
 
Spinal stenosis Стеноз хребта 
Intestinal obstruction Кишкова непрохідність 
Heart contusion Контузія серця 
Congenital malformation syndrome Синдром вроджених вад 
Sporotrichosis Споротрихоз 
Lymphangitis Лімфангіт 
Wernicke-Korsakoff syndrome Синдром Верніке-Корсакова 
Intestinal disease Захворювання кишечника 
Acute bronchitis Гострий бронхіт 
Persistent vomiting of unknown cause Постійне блювання невідомої причини 
Open wound of the foot Відкрита рана стопи 
Myocarditis Міокардит 
Preeclampsia Прееклампсія 
Ischemic heart disease Ішемічна хвороба серця 
Neurofibromatosis Нейрофіброматоз 
Chickenpox Вітряна віспа 
Pancreatic cancer Рак підшлункової залози 
Neuropathy due to drugs Невропатія через ліки 
Croup Круп 
Idiopathic excessive menstruation Ідіопатичні надмірні менструації 
Amblyopia Амбліопія 
Meckel diverticulum Дивертикул Меккеля 
Dislocation of the wrist Вивих зап'ястя 
Ear drum damage Пошкодження барабанної перетинки 
Erectile dysfunction Еректильна дисфункція 
Temporary or benign blood in urine Тимчасова або доброякісна кров у сечі 
Kidney disease due to longstanding Захворювання нирок через тривалу 
hypertension гіпертензію 
Chondromalacia of the patella Хондромаляція надколінника 
Onychomycosis Оніхомікоз 
Urethral disorder Порушення уретри 
Lyme disease Хвороба Лайма 
Iron deficiency anemia Анемія через дефіцит заліза 
88 
 
Acute respiratory distress syndrome (ARDS) Гострий респіраторний дистрес-синдром 
(ГРДС) 
Toxic multinodular goiter Токсичний багатовузловий зоб 
Open wound of the finger Відкрита рана пальця 
Autonomic nervous system disorder Порушення автономної нервової системи 
Psychosexual disorder Психосексуальний розлад 
Anemia Анемія 
Tendinitis Тендиніт 
Common cold Застуда 
Amyotrophic lateral sclerosis (ALS) Аміотрофічний латеральний склероз (АЛС) 
Central retinal artery or vein occlusion Оклюзія центральної артерії або вени сітківки 
Paroxysmal supraventricular tachycardia Пароксизмальна суправентрикулярна 
тахікардія 
Venous insufficiency Венозна недостатність 
Trichomonas infection Інфекція трихомонас 
Acne Акне 
Depression Депресія 
Drug abuse Зловживання наркотиками 
Urinary tract obstruction Обструкція сечовивідних шляхів 
Diabetes insipidus Нецукровий діабет 
Iridocyclitis Іридоцикліт 
Varicocele of the testicles Варикоцеле яєчок 
Irritable bowel syndrome Синдром роздратованого кишечника 
Fracture of the foot Перелом стопи 
Ovarian cyst Кіста яєчника 
Chlamydia Хламідія 
Parasitic disease Паразитарне захворювання 
Fracture of the jaw Перелом щелепи 
Lipoma Ліпома 
Female genitalia infection Інфекція жіночих статевих органів 
Pulmonary hypertension Легенева гіпертензія 
Thyroid nodule Вузол щитовидної залози 
Broken tooth Зламаний зуб 
Dumping syndrome Синдром швидкого спорожнення 
Lymphadenitis Лімфаденіт 
Injury to the face Травма обличчя 
Aortic valve disease Захворювання аортального клапана 
Rheumatoid arthritis Ревматоїдний артрит 
Spermatocele Сперматоцеле 
Impetigo Імпетиго 
89 
 
Anal fistula Анальна фістула 
Hypothermia Гіпотермія 
Oppositional disorder Розлад опозиційної поведінки 
Migraine Мігрень 
Diabetic peripheral neuropathy Діабетична периферійна нейропатія 
Testicular disorder Порушення яєчка 
Gestational diabetes Гестаційний діабет 
Hidradenitis suppurativa Гідраденіт супуративний 
Valley fever Каліфорнійська гарячка 
Conjunctivitis due to bacteria Бактеріальний кон'юнктивіт 
Lewy body dementia Деменція з тільцями Леві 
Multiple myeloma Множинна мієлома 
Head injury Травма голови 
Ascending cholangitis Висхідний холангіт 
Idiopathic irregular menstrual cycle Ідіопатичний нерегулярний менструальний 
цикл 
Interstitial lung disease Інтерстиціальне захворювання легень 
Mononeuritis Мононеврит 
Malaria Малярія 
Somatization disorder Соматизаційний розлад 
Hypovolemia Гіповолемія 
Schizophrenia Шизофренія 
Knee ligament or meniscus tear Розрив зв'язки або меніска коліна 
Endocarditis Ендокардит 
Sepsis Сепсис 
Heat stroke Сонячний удар 
Cholecystitis Холецистит 
Cardiac arrest Зупинка серця 
Cardiomyopathy Кардіоміопатія 
Social phobia Соціальна фобія 
Meningitis Менінгіт 
Spherocytosis Сфероцитоз 
Hormone disorder Гормональний розлад 
Raynaud disease Хвороба Рейно 
 
Reactive arthritis Реактивний артрит 
Scabies Короста 
Ear wax impaction Закупорка вушної сірки 
Hypertension of pregnancy Гіпертензія під час вагітності 
Peripheral arterial embolism Периферійна артеріальна емболія 
90 
 
Rosacea Розацеа 
Fracture of the skull Перелом черепа 
Uveitis Увіїт 
Fracture of the facial bones Перелом кісток обличчя 
Tracheitis Трахеїт 
Jaw disorder Порушення щелепи 
Perirectal infection Перианальна інфекція 
Breast cyst Кіста молочної залози 
Post-traumatic stress disorder (PTSD) Посттравматичний стресовий розлад (ПТСР) 
Kidney cancer Рак нирки 
Vulvar cancer Рак вульви 
Blepharitis Блефарит 
Celiac disease Целіакія 
Cystitis Цистит 
Sickle cell anemia Серповидноклітинна анемія 
Subconjunctival hemorrhage Підкон'юнктивальна кровотеча 
Hemorrhoids Геморой 
Contact dermatitis Контактний дерматит 
Sinus bradycardia Синусова брадикардія 
High blood pressure Високий кров'яний тиск 
Pelvic inflammatory disease Запальне захворювання тазових органів 
 
 
Liver disease Захворювання печінки 
Chronic constipation Хронічний запор 
Thyroid cancer Рак щитовидної залози 
Flu Грип 
Friedrich ataxia Атаксія Фрідріха 
Tic (movement) disorder Розлад тік (руху) 
Skin polyp Поліп шкіри 
Brachial neuritis Плечовий неврит 
Cervical cancer Рак шийки матки 
Adrenal adenoma Аденома надниркової залози 
Esophagitis Езофагіт 
Gas gangrene Газова гангрена 
Yeast infection Дріжджова інфекція 
Spina bifida Розщеплення хребта 
Drug poisoning due to medication Отруєння через ліки 
Alcoholic liver disease Алкогольне захворювання печінки 
91 
 
Malignant hypertension Злоякісна гіпертензія 
Diverticulitis Дивертикуліт 
Moyamoya disease Хвороба Моямоя 
Heat exhaustion Виснаження від спеки 
Psychotic disorder Психотичний розлад 
Frostbite Обмороження 
Atrophy of the corpus cavernosum Атрофія печеристих тіл 
Smoking or tobacco addiction Куріння або залежність від тютюну 
Sprain or strain Розтягнення або розрив 
Essential tremor Первинний тремор 
Open wound of the ear Відкрита рана вуха 
Foreign body in the nose Чужорідне тіло в носі 
Idiopathic painful menstruation Ідіопатичні болісні менструації 
Down syndrome Синдром Дауна 
Idiopathic infrequent menstruation Ідіопатичні рідкісні менструації 
Pneumothorax Пневмоторакс 
De Quervain disease Хвороба де Кервена 
Fracture of the vertebra Перелом хребця 
Human immunodeficiency virus infection Інфекція вірусу імунодефіциту людини (ВІЛ) 
(HIV) 
Mumps Свинка 
Subarachnoid hemorrhage Субарахноїдна кровотеча 
Acute fatty liver of pregnancy (AFLP) Гостра жирова дистрофія печінки під час 
вагітності (ГЖДП) 
Ectropion Ектропіон 
Scar Шрам 
Lactose intolerance Непереносимість лактози 
Eustachian tube dysfunction (ear disorder) Порушення функції євстахієвої труби 
(захворювання вуха) 
Appendicitis Апендицит 
Graves disease Хвороба Грейвса 
Dissociative disorder Дисоціативний розлад 
Open wound of the face Відкрита рана обличчя 
Dislocation of the vertebra Вивих хребця 
Phimosis Фімоз 
Hyperemesis gravidarum Гіперемезис вагітних 
Pregnancy Вагітність 
Thalassemia Таласемія 
Placenta previa Передлежання плаценти 
Epidural hemorrhage Епідуральна кровотеча 
92 
 
Septic arthritis Септичний артрит 
Athlete's foot Грибок стопи 
Pleural effusion Плевральний випіт 
Aphakia Афакія 
Vulvar disorder Порушення вульви 
Sialoadenitis Сіаладеніт 
Gynecomastia Гінекомастія 
Urinary tract infection Інфекція сечовивідних шляхів 
Histoplasmosis Гістоплазмоз 
Erythema multiforme Багатоформна еритема 
Scoliosis Сколиоз 
Bunion Кісточка 
Arrhythmia Аритмія 
Trigeminal neuralgia Тригемінальна невралгія 
Ankylosing spondylitis Анкілозуючий спондиліт 
Peripheral nerve disorder Периферійний нервовий розлад 
Sebaceous cyst Сальна кіста 
Poisoning due to antipsychotics Отруєння антипсихотиками 
Neurosis Невроз 
Prostate cancer Рак простати 
Cerebral edema Мозковий набряк 
Dislocation of the finger Вивих пальця 
Birth trauma Травма при народженні 
Chronic pancreatitis Хронічний панкреатит 
Hematoma Гематома 
Carcinoid syndrome Карциноїдний синдром 
Open wound of the head Відкрита рана голови 
Seborrheic keratosis Себорейний кератоз 
Burn Опік 
Spontaneous abortion Мимовільний аборт 
Genital herpes Генітальний герпес 
Adjustment reaction Адаптаційна реакція 
Gallstone Жовчний камінь 
Multiple sclerosis Розсіяний склероз 
Zenker diverticulum Дивертикул Зенкера 
Fracture of the pelvis Перелом тазу 
 
Pneumoconiosis Пневмоконіоз 
Hyperlipidemia Гіперліпідемія 
93 
 
Ulcerative colitis Виразковий коліт 
Male genitalia infection Інфекція чоловічих статевих органів 
HPV Вірус папіломи людини (ВПЛ) 
Angina Стенокардія 
Injury to the spinal cord Травма спинного мозку 
Nasal polyp Назальний поліп 
Lichen simplex Простий лишай 
Trichiasis Трихиаз 
Acariasis Акараз 
Colorectal cancer Колоректальний рак 
Skin pigmentation disorder Порушення пігментації шкіри 
Factitious disorder Фіктивний розлад 
Lymphogranuloma venereum Венерична лімфогранулема 
Galactorrhea of unknown cause Галакторея невідомої причини 
G6PD enzyme deficiency Недостатність ферменту Г6ФД 
Nerve impingement near the shoulder Затискання нерва біля плеча 
Toxoplasmosis Токсоплазмоз 
Fibroadenoma Фіброаденома 
Open wound of the hand Відкрита рана руки 
Missed abortion Перерваний аборт 
Diabetic ketoacidosis Діабетичний кетоацидоз 
Granuloma inguinale Гранульома пахова 
Obsessive compulsive disorder (OCD) Обсесивно-компульсивний розлад (ОКР) 
Injury of the ankle Травма щиколотки 
Hyponatremia Гіпонатріємія 
Stricture of the esophagus Стеноз стравоходу 
Fracture of the ankle Перелом щиколотки 
Soft tissue sarcoma Саркома м'яких тканин 
Bone disorder Порушення кісток 
Epilepsy Епілепсія 
Personality disorder Розлад особистості 
Shingles (herpes zoster) Опоясуючий лишай (герпес зостер) 
Tourette syndrome Синдром Туретта 
Avascular necrosis Авскулярний некроз 
Strep throat Стрептококовий фарингіт 
Spinocerebellar ataxia Спіноцеребелярна атаксія 
Osteomyelitis Остеомієліт 
Sjogren syndrome Синдром Шегрена 
Adhesive capsulitis of the shoulder Адгезивний капсуліт плеча 
94 
 
Viral hepatitis Вірусний гепатит 
Tonsillar hypertrophy Гіпертрофія мигдаликів 
Gastritis Гастрит 
Skin cancer Рак шкіри 
Rheumatic fever Ревматична гарячка 
Aphthous ulcer Афтозний виразок 
Tonsillitis Тонзиліт 
Intestinal cancer Рак кишечника 
Rocky Mountain spotted fever Лихоманка Скелястих гір 
Stomach cancer Рак шлунка 
Developmental disability Розвиткові вади 
Acute stress reaction Гостра стресова реакція 
Delirium Делірій 
Callus Мозоль 
Guillain Barre syndrome Синдром Гієна-Барре 
Lumbago Люмбаго 
Deviated nasal septum Викривлення носової перегородки 
Hemangioma Гемангіома 
Peripheral arterial disease Периферійна артеріальна хвороба 
Chronic back pain Хронічний біль у спині 
Heart failure Серцева недостатність 
Conjunctivitis Кон'юнктивіт 
Herniated disk Грижа міжхребцевого диска 
Rhabdomyolysis Рабдоміоліз 
Breast infection (mastitis) Інфекція молочної залози (мастит) 
Abdominal aortic aneurysm Аневризма черевної аорти 
Pulmonary embolism Легенева емболія 
Conduct disorder Розлад поведінки 
Mastectomy Мастектомія 
Epididymitis Епідидиміт 
Premature rupture of amniotic membrane Передчасний розрив амніотичної оболонки 
Molluscum contagiosum Контагіозний молюск 
Necrotizing fasciitis Некротизуючий фасціит 
Benign vaginal discharge (leukorrhea) Доброякісні вагінальні виділення (лейкорея) 
Bladder obstruction Обструкція сечового міхура 
Melanoma Меланома 
Cervical disorder Порушення шийки матки 
Laryngitis Ларингіт 
Dyshidrosis Дисгідроз 
95 
 
Poisoning due to opioids Отруєння через опіоїди 
Diaper rash Попрілості 
Lichen planus Плоский лишай 
Gastroduodenal ulcer Гастродуоденальна виразка 
Inguinal hernia Пахова грижа 
Eczema Екзема 
Asperger syndrome Синдром Аспергера 
Mucositis Мукозит 
Paronychia Пароніхія 
Open wound of the jaw Відкрита рана щелепи 
White blood cell disease Захворювання білих кров'яних клітин 
Kaposi sarcoma Саркома Капоші 
Spondylolisthesis Спондилолістез 
Pseudotumor cerebri Псевдопухлина мозку 
Conjunctivitis due to virus Вірусний кон'юнктивіт 
Open wound of the nose Відкрита рана носа1 
 
  
96 
 
Таблиця Б.2 – симптоми українською і англійською мовами 
Назва симптому англійською Назва симптому українською 
Anxiety and nervousness Тривога та нервозність 
Depression Депресія 
Shortness of breath Задишка 
Depressive or psychotic symptoms Депресивні або психотичні симптоми 
Sharp chest pain Гострий біль у грудях 
Dizziness Запаморочення 
Insomnia Безсоння 
Abnormal involuntary movements Ненормальні мимовільні рухи 
Chest tightness Стиснення у грудях 
Palpitations Серцебиття 
Irregular heartbeat Нерегулярний серцевий ритм 
Breathing fast Швидке дихання 
Hoarse voice Хрипкий голос 
Sore throat Біль у горлі 
Difficulty speaking Труднощі з мовою 
Cough Кашель 
Nasal congestion Закладеність носа 
Throat swelling Набряк горла 
Diminished hearing Зниження слуху 
Lump in throat Комок у горлі 
Throat feels tight Відчуття стиснення у горлі 
Difficulty in swallowing Труднощі з ковтанням 
Skin swelling Набряк шкіри 
Retention of urine Затримка сечі 
Groin mass Пухлина в паху 
Leg pain Біль у нозі 
Hip pain Біль у стегні 
Suprapubic pain Біль у надлобковій зоні 
Blood in stool Кров у калі 
Lack of growth Відсутність росту 
Emotional symptoms Емоційні симптоми 
Elbow weakness Слабкість ліктя 
Back weakness Слабкість спини 
Pus in sputum Гній у мокроті 
Symptoms of the scrotum and testes Симптоми мошонки та яєчок 
Swelling of scrotum Набряк мошонки 
Pain in testicles Біль у яєчках 
Flatulence Метеоризм 
Pus draining from ear Виділення гною з вуха 
Jaundice Жовтяниця 
Mass in scrotum Пухлина у мошонці 
White discharge from eye Біле виділення з ока 
Irritable infant Дитяча роздратованність 
Abusing alcohol Зловживання алкоголем 
Fainting Непритомність 
Hostile behavior Ворожа поведінка 
Drug abuse Зловживання наркотиками 
Sharp abdominal pain Гострий біль у животі 
97 
 
Feeling ill Відчуття нездужання 
Vomiting Блювання 
Headache Головний біль 
Nausea Нудота 
Diarrhea Діарея 
Vaginal itching Свербіж вагіни 
Vaginal dryness Сухість вагіни 
Painful urination Болісне сечовипускання 
Involuntary urination Мимовільне сечовипускання 
Pain during intercourse Біль під час статевого акту 
Frequent urination Часте сечовипускання 
Lower abdominal pain Біль у нижній частині живота 
Vaginal discharge Виділення з вагіни 
Blood in urine Кров у сечі 
Hot flashes Припливи 
Intermenstrual bleeding Міжменструальна кровотеча 
Hand or finger pain Біль у руках або пальцях 
Wrist pain Біль у зап'ясті 
Hand or finger swelling Набряк рук або пальців 
Arm pain Біль у руці 
Wrist swelling Набряк зап'ястя 
Arm stiffness or tightness Скутість або стиснення у руці 
Arm swelling Набряк руки 
Hand or finger stiffness or tightness Скутість або стиснення у руках або пальцях 
Wrist stiffness or tightness Скутість або стиснення у зап'ясті 
Lip swelling Набряк губ 
Toothache Зубний біль 
Abnormal appearing skin Аномальний вигляд шкіри 
Skin lesion Ураження шкіри 
Acne or pimples Акне або прищі 
Dry lips Сухі губи 
Facial pain Біль на обличчі 
Mouth ulcer Виразка у роті 
Skin growth Ріст шкіри 
Eye deviation Відхилення ока 
Diminished vision Зниження зору 
Double vision Подвійне бачення 
Cross-eyed Косоокість 
Symptoms of eye Симптоми ока 
Pain in eye Біль в оці 
Eye moves abnormally Ненормальні рухи ока 
Abnormal movement of eyelid Ненормальні рухи повіка 
Foreign body sensation in eye Відчуття чужорідного тіла в оці 
Irregular appearing scalp Аномальний вигляд скальпу 
Swollen lymph nodes Набряк лімфатичних вузлів 
Back pain Біль у спині 
Neck pain Біль у шиї 
Low back pain Біль у попереку 
Pain of the anus Біль у анусі 
Pain during pregnancy Біль під час вагітності 
Pelvic pain Біль у тазі 
98 
 
Impotence Імпотенція 
Infant spitting up Відрижка у немовляти 
Vomiting blood Блювання кров'ю 
Regurgitation Регургітація 
Burning abdominal pain Пекучий біль у животі 
Restlessness Неспокій 
Symptoms of infants Симптоми у немовлят 
Wheezing Хрипи 
Peripheral edema Периферійний набряк 
Neck mass Пухлина на шиї 
Ear pain Біль у вусі 
Jaw swelling Набряк щелепи 
Mouth dryness Сухість у роті 
Neck swelling Набряк шиї 
Knee pain Біль у коліні 
Foot or toe pain Біль у нозі або пальцях стопи 
Bowlegged or knock-kneed Вигнуті або збиті коліна 
Ankle pain Біль у щиколотці 
Bones are painful Біль у кістках 
Knee weakness Слабкість коліна 
Elbow pain Біль у лікті 
Knee swelling Набряк коліна 
Skin moles Родимки на шкірі 
Knee lump or mass Пухлина або вузлик на коліні 
Weight gain Набір ваги 
Problems with movement Проблеми з рухом 
Knee stiffness or tightness Скутість або стиснення в коліні 
Leg swelling Набряк ноги 
Foot or toe swelling Набряк ноги або пальців стопи 
Heartburn Печія 
Smoking problems Проблеми з курінням 
Muscle pain М'язовий біль 
Infant feeding problem Проблема з годуванням немовляти 
Recent weight loss Остання втрата ваги 
Problems with shape or size of breast Проблеми з формою або розміром грудей 
Underweight Недостатня вага 
Difficulty eating Труднощі з їжею 
Scanty menstrual flow Мізерні менструації 
Vaginal pain Біль у вагіні 
Vaginal redness Почервоніння вагіни 
Vulvar irritation Подразнення вульви 
Weakness Слабкість 
Decreased heart rate Зниження серцевого ритму 
Increased heart rate Підвищення серцевого ритму 
Bleeding or discharge from nipple Кровотеча або виділення з соска 
Ringing in ear Дзвін у вусі 
Plugged feeling in ear Відчуття закладеності у вусі 
Itchy ear(s) Свербіж у вусі (вухах) 
Frontal headache Лобовий головний біль 
Fluid in ear Рідина у вусі 
Neck stiffness or tightness Скутість або стиснення шиї 
99 
 
Spots or clouds in vision Плями або хмари в зору 
Eye redness Почервоніння очей 
Lacrimation Сльозотеча 
Itchiness of eye Свербіж очей 
Blindness Сліпота 
Eye burns or stings Печіння або поколювання очей 
Itchy eyelid Свербіж повіка 
Feeling cold Відчуття холоду 
Decreased appetite Зниження апетиту 
Excessive appetite Надмірний апетит 
Excessive anger Надмірна лють 
Loss of sensation Втрата чутливості 
Focal weakness Фокусна слабкість 
Slurring words Нечітка мова 
Symptoms of the face Симптоми на обличчі 
Disturbance of memory Порушення пам'яті 
Paresthesia Парестезія 
Side pain Біль у боці 
Fever Гарячка 
Shoulder pain Біль у плечі 
Shoulder stiffness or tightness Скутість або стиснення у плечі 
Shoulder weakness Слабкість плеча 
Arm cramps or spasms Судоми або спазми у руці 
Shoulder swelling Набряк плеча 
Tongue lesions Ураження язика 
Leg cramps or spasms Судоми або спазми в нозі 
Abnormal appearing tongue Ненормальний вигляд язика 
Ache all over Біль по всьому тілу 
Lower body pain Біль у нижній частині тіла 
Problems during pregnancy Проблеми під час вагітності 
Spotting or bleeding during pregnancy Кровотеча або виділення під час вагітності 
Cramps and spasms Судоми та спазми 
Upper abdominal pain Біль у верхній частині живота 
Stomach bloating Здуття живота 
Changes in stool appearance Зміни у вигляді калу 
Unusual color or odor to urine Незвичайний колір або запах сечі 
Kidney mass Пухлина нирки 
Swollen abdomen Набряклий живіт 
Symptoms of prostate Симптоми простати 
Leg stiffness or tightness Скутість або стиснення ніг 
Difficulty breathing Труднощі з диханням 
Rib pain Біль у ребрах 
Joint pain Біль у суглобах 
Muscle stiffness or tightness Скутість або стиснення м'язів 
Pallor Блідість 
Hand or finger lump or mass Пухлина або вузлик на руці чи пальці 
Chills Озноб 
Groin pain Біль у паху 
Fatigue Втома 
Abdominal distention Здуття живота 
Regurgitation Регургітація 
100 
 
Symptoms of the kidneys Симптоми нирок 
Melena Мелена 
Flushing Припливи 
Coughing up sputum Кашель із виділенням мокротиння 
Seizures Судоми 
Delusions or hallucinations Марення або галюцинації 
Shoulder cramps or spasms Судоми або спазми у плечі 
Joint stiffness or tightness Скутість або стиснення суглобів 
Pain or soreness of breast Біль або біль у грудях 
Excessive urination at night Надмірне сечовипускання вночі 
Bleeding from eye Кровотеча з ока 
Rectal bleeding Ректальна кровотеча 
Constipation Запор 
Temper problems Проблеми з настроєм 
Coryza Риніт 
Wrist weakness Слабкість зап'ястя 
Eye strain Напруга очей 
Hemoptysis Кровохаркання 
Lymphedema Лімфедема 
Skin on leg or foot looks infected Шкіра на нозі або стопі виглядає зараженою 
Allergic reaction Алергічна реакція 
Congestion in chest Застій у грудях 
Muscle swelling Набряк м'язів 
Pus in urine Гній у сечі 
Abnormal size or shape of ear Ненормальний розмір або форма вуха 
Low back weakness Слабкість попереку 
Sleepiness Сонливість 
Apnea Апное 
Abnormal breathing sounds Ненормальні звуки дихання 
Excessive growth Надмірний ріст 
Elbow cramps or spasms Судоми або спазми у лікті 
Feeling hot and cold Відчуття спеки та холоду 
Blood clots during menstrual periods Згустки крові під час менструацій 
Absence of menstruation Відсутність менструації 
Pulling at ears Потягування за вуха 
Gum pain Біль у яснах 
Redness in ear Почервоніння у вусі 
Fluid retention Затримка рідини 
Flu-like syndrome Грипоподібний синдром 
Sinus congestion Закладеність носових пазух 
Painful sinuses Болісні пазухи 
Fears and phobias Страхи та фобії 
Recent pregnancy Недавня вагітність 
Uterine contractions Маткові скорочення 
Burning chest pain Пекучий біль у грудях 
Back cramps or spasms Судоми або спазми у спині 
Stiffness all over Скутість у всьому тілі 
Muscle cramps, contractures, or spasms М'язові судоми, контрактури або спазми 
Low back cramps or spasms Судоми або спазми у попереку 
Back mass or lump Пухлина або вузлик на спині 
Nosebleed Носова кровотеча 
101 
 
Long menstrual periods Довгі менструації 
Heavy menstrual flow Рясні менструації 
Unpredictable menstruation Непередбачувані менструації 
Painful menstruation Болісні менструації 
Infertility Безпліддя 
Frequent menstruation Часті менструації 
Sweating Потовиділення 
Mass on eyelid Пухлина на повіці 
Swollen eye Набрякле око 
Eyelid swelling Набряк повіки 
Eyelid lesion or rash Ураження або висип на повіці 
Unwanted hair Небажане волосся 
Symptoms of bladder Симптоми сечового міхура 
Irregular appearing nails Ненормальний вигляд нігтів 
Itching of skin Свербіж шкіри 
Hurts to breathe Біль при диханні 
Nailbiting Гризіння нігтів 
Skin dryness, peeling, scaliness, or roughness Сухість шкіри, лущення, лускатість або 
шорсткість 
Skin on arm or hand looks infected Шкіра на руці або кисті виглядає зараженою 
Skin irritation Подразнення шкіри 
Itchy scalp Свербіж скальпу 
Hip swelling Набряк стегна 
Incontinence of stool Нетримання калу 
Foot or toe cramps or spasms Судоми або спазми в стопі або пальцях 
Warts Бородавки 
Bumps on penis Горбики на пенісі 
Too little hair Занадто мало волосся 
Foot or toe lump or mass Пухлина або вузлик на стопі або пальцях 
Skin rash Висип на шкірі 
Mass or swelling around the anus Пухлина або набряк навколо ануса 
Low back swelling Набряк попереку 
Ankle swelling Набряк щиколотки 
Hip lump or mass Пухлина або вузлик на стегні 
Drainage in throat Виділення у горлі 
Dry or flaky scalp Сухий або лущиться скальп 
Premenstrual tension or irritability Передменструальне напруження або 
дратівливість 
Feeling hot Відчуття спеки 
Feet turned in Підвернуті стопи 
Foot or toe stiffness or tightness Скутість або стиснення в стопі або пальцях 
Pelvic pressure Тиск у тазі 
Elbow swelling Набряк ліктя 
Elbow stiffness or tightness Скутість або стиснення у лікті 
Early or late onset of menopause Ранній або пізній початок менопаузи 
Mass on ear Пухлина на вусі 
Bleeding from ear Кровотеча з вуха 
Hand or finger weakness Слабкість руки або пальців 
Low self-esteem Низька самооцінка 
Throat irritation Подразнення горла 
Itching of the anus Свербіж ануса 
102 
 
Swollen or red tonsils Набряклі або червоні мигдалики 
Irregular belly button Нерівний пупок 
Swollen tongue Набряк язика 
Lip sore Болячка на губі 
Vulvar sore Болячка на вульві 
Hip stiffness or tightness Скутість або стиснення в стегні 
Mouth pain Біль у роті 
Arm weakness Слабкість руки 
Leg lump or mass Пухлина або вузлик на нозі 
Disturbance of smell or taste Порушення запаху або смаку 
Discharge in stools Виділення у калі 
Penis pain Біль у пенісі 
Loss of sex drive Втрата статевого потягу 
Obsessions and compulsions Нав'язливі ідеї та дії 
Antisocial behavior Антисоціальна поведінка 
Neck cramps or spasms Судоми або спазми шиї 
Pupils unequal Нерівні зіниці 
Poor circulation Погане кровообіг 
Thirst Спрага 
Sleepwalking Лунатизм 
Skin oiliness Жирність шкіри 
Sneezing Чхання 
Bladder mass Пухлина сечового міхура 
Knee cramps or spasms Судоми або спазми коліна 
Premature ejaculation Передчасна еякуляція 
Leg weakness Слабкість ніг 
Posture problems Проблеми з поставою 
Bleeding in mouth Кровотеча в роті 
Tongue bleeding Кровотеча язика 
Change in skin mole size or color Зміна розміру або кольору родимки 
Penis redness Почервоніння пеніса 
Penile discharge Виділення з пеніса 
Shoulder lump or mass Пухлина або вузлик на плечі 
Polyuria Поліурія 
Cloudy eye Каламутне око 
Hysterical behavior Істерична поведінка 
Arm lump or mass Пухлина або вузлик на руці 
Nightmares Нічні кошмари 
Bleeding gums Кровотеча ясен 
Pain in gums Біль у яснах 
Bedwetting Нічне нетримання сечі 
Diaper rash Попрілості 
Lump or mass of breast Пухлина або вузлик у грудях 
Vaginal bleeding after menopause Вагінальна кровотеча після менопаузи 
Infrequent menstruation Рідкісні менструації 
Mass on vulva Пухлина на вульві 
Jaw pain Біль у щелепі 
Itching of scrotum Свербіж мошонки 
Postpartum problems of the breast Післяпологові проблеми грудей 
Eyelid retracted Втягнута повіка 
Hesitancy Вагання 
103 
 
Elbow lump or mass Пухлина або вузлик на лікті 
Muscle weakness М'язова слабкість 
Throat redness Почервоніння горла 
Joint swelling Набряк суглобів 
Tongue pain Біль у язикові 
Redness in or around nose Почервоніння у або навколо носа 
Wrinkles on skin Зморшки на шкірі 
Foot or toe weakness Слабкість стопи або пальців 
Hand or finger cramps or spasms Судоми або спазми у руках або пальцях 
Back stiffness or tightness Скутість або стиснення у спині 
Wrist lump or mass Пухлина або вузлик на зап'ясті 
Skin pain Біль у шкірі 
Low back stiffness or tightness Скутість або стиснення у попереку 
Low urine output Мала кількість сечі 
Skin on head or neck looks infected Шкіра на голові або шиї виглядає зараженою 
Stuttering or stammering Заїкання 
Problems with orgasm Проблеми з оргазмом 
Nose deformity Деформація носа 
Lump over jaw Пухлина над щелепою 
Sore in nose Болячка у носі 
Hip weakness Слабкість стегна 
Back swelling Набряк спини 
Ankle stiffness or tightness Скутість або стиснення у щиколотці 
Ankle weakness Слабкість щиколотки 
Neck weakness Слабкість шиї
ChSTU repository

ChSTU repository preserves and enables easy and open access to all types of digital content including text, images, moving images, mpegs and data sets
