![Page Background](./../common/page-substrates/page0295.png)
данных о лекарственных растениях (ЛР), и обобщить, трансформиро
вать имеющийся массив такого материала можно только на основе ин
формационных банков данных при широком применении вычисли
тельной техники и соответствующего математического аппарата.
Впервые об использованиии ЭВМ для анализа ЛР упоминается в
работах, выполненных под руководством И. И. Брехмана и М. А.
Гриневич в 70-х годах. Было показано, что применение математиче
ских методов в отношении исследователя в плане анализа существую
щих и создания новых рецептур. В частности, были выделены так на
зываемые "ядра” восточных рецептов - наборы растений, наиболее
часто встречающихся в рецептах, обладающих выраженным фармако
логическим действием и широко используемых для лечения различ
ных заболеваний.
Цель наших исследований - на основе современных математиче
ских методов провести: 1) анализ качественного анализа состава ре
цептур; 2) оптимизацию состава рецептур по критериям, задаваемым
исследователем (цена, эффективность и др.); 3) разработку новых ре
цептур с заданным фармакодинамическим эффектом.
Для этого мы применили методы многомерного статистического
анализа (MCA), хорошо зарекомендовавшие себя в различных отрас
лях науки и техники. Они позволяют определять скрытые, неявные
закономерности, объективно существующие в изучаемых явлениях, но
не поддающиеся непосредственному измерению. По нашему мнению,
весьма перспективным является факторный анализ (ФА ), в частности
метод главных факторов (МГФ). Одним из препятствий, стоящих на
пути широкого применения этого метода в фитотерапии, является не
достаточная стандартизация переменных, характеризующих ЛР в оп
ределенном ракурсе. Нами разработана карта экспертных оценок, по
зволившая получить характеристики ЛР с точки зрения их фармако
логического воздействия на системы организма, в частности сердечно
сосудистую (83 растения), нервную (91), мочевыводящую (107) и т. д.
Многомерные массивы данных обрабатывались с помощью моди
фицированного нами МГФ. Это дало возможность вполне успешно ре
шить проблему снижения размерности матрицы исходных данных до
2-х главных факторов. Вследствие применения эффективных и надеж
ных алгоритмов сжатия данных потеря исходной информации не пре
вышала 20% - 25%. Благодаря сказанному, появилась возможность ви
зуального анализа многомерных матриц исходных данных в 2-мерном
пространстве. Последнее позволило создать основу для принятия ре
шения о целесообразности использования тех или иных ЛР в рецеп
тах, предназначенных для лечения отдельных заболевания нервной,
сердечно-сосудистой и других систем.
В частности, при анализе информации о ЛР, оказывающих влия
292
Научная электронная библиотека ЦНСХБ