Étkezési javaslat automatizált generálása táplálkozási és életmód-tanácsadó rendszerhez Gaál Balázs, Vassányi István, Dr. Kozmann György, Veszprémi Egyetem A dolgozat egy automatizált menügeneráló modul elsô eredményeit és felhasználhatóságát mutatja be, kitérve alkalmazásának módjára, opcióira. A menügeneráló program a Cordelia webes felületû kardiovaszkuláris rizikóelemzô és életmód-tanácsadó rendszerbe épül, melynek célja ezen betegségek kockázatának csökkentése. A modul elsôdleges célja az egészségmegôrzést segítô mennyiségi és összetételi szempontból helyes táplálkozási rend kialakítása. A rendszerrel a különbözô patológiás esetek járulékos követelményei is elvileg teljesíthetôk, de ennek részletes kidolgozására késôbb kerül sor. Kihasználva a fejlett információs technológiák nagy számítási teljesítményében és tárolási kapacitásában rejlô lehetôségeket, a modul egy hétre szóló táplálkozási javaslat automatizált generálását teszi lehetôvé, genetikus algoritmusokat, továbbá eset és tudás alapú következtetést alkalmazva. BEVEZETÉS A számítógéppel segített menügenerálás az 1960-as évek óta témája kutatásoknak [1]. Mind a mai napig azonban az ember kivétel nélkül jobb eredményeket ér el, mint az automatizált módszerek. Ennek oka a feladat bonyolultsága. Harminc perc és három óra közé tehetô az idô, mely egy tápanyagszakértônek szükséges egy napi menüterv elkészítéséhez. Több tucat tápanyagot tartalmazó ételek ezres számosságú halmazából kell összeállítani a javaslatot, mely kivitelezése az összetevôk mennyiségére szabott korlátok számának növekedésével egyre nehezedik. Egy 1995- ös tanulmány szerint, szakértôk által készített és közzétett javaslatok sem felelnek meg minden tápanyag-összetevôre vonatkozó korlátozásnak [2]. Jó heti javaslat készítéséhez három dolognak kell egyszerre teljesülnie. Elsôként meg kell felelni a tápanyagok összetevôinek mennyiségére (pl. fehérje, szénhidrát, só), és egyéb, a felhasznált tápanyagok típusából következô kvantitatív változókra (pl. gabonatartalom, hústartalom) adott numerikus korlátoknak. Másodszor a generált javaslatnak étkezéseken, napokon, és egy héten belül is harmonizálnia kell, ami alatt az ismétlôdô, egymáshoz nem társítható ételek kiszûrését értjük. Harmadszorra pedig, amennyiben a helyes táplálék-összetételt egy hoszszabb idôben vett átlagként kívánjuk elérni, az aktuális menü kialakításánál figyelembe kell venni az optimalizálandó idôszak korábbi napjain készített javaslatokat is. Ezek tükrében az aktuális numerikus korlátokat úgy kell megválasztani, hogy a jelenlegi és a korábbi generálások kvantitatív értékeinek mindenkori átlagai a felhasználó számára optimális mennyiségekhez konvergáljanak. Az ajánlat receptjeinek olyanoknak kell lenniük, melyeket a felhasználó nem fogyasztott az elmúlt napokon, héten. Az eddigi automatizált módszerek a megoldás jóságát az elsô két pont tükrében mérték. Egy a mindennapjainkban használható életmód-tanácsadó rendszernek a fentiek mellett figyelmet kell szentelnie a javaslatok következetességének, a generált étkezések változatosságának, színességének elérésére. Tekintettel arra, hogy a modern életvitel a táplálkozás szempontjából számos kikerülhetetlen kötöttséget tartalmaz, a reálisan teljesíthetô egészségmegôrzô táplálkozásnál a hangsúlyt, a tápanyagösszetevôk mennyiségére szabott korlátok egy napon belüli szoros tartása helyett, inkább a heti, vagy hónapos intervallumban számított értékek kívánt szintre állítására kell helyezni. ELVÁRÁSOK A MENÜGENERÁLÓ MODULTÓL Az internetes felületû Cordelia életmód-tanácsadó rendszer részeként mûködô menügenerálás célja elsôsorban személyre szabott heti étkezési terv készítése. A tipikusan életmód betegségek rizikójának csökkentéséhez a személyre szóló javaslaton kívül elengedhetetlen a páciens komplex nyomon követése, táplálkozásának és fizikai aktivitásának figyelemmel kísérése. Az Internet az a közeg, mely ehhez megfelelô kényelmet és funkcionalitást biztosít. A népegészségügyi mutatók javítása érdekében jelenleg az elsôdleges cél az egészségmegôrzést segítô táplálkozási rend kialakítása, azonban a rendszer egy késôbbi fázisban bôvíthetô a különbözô patológiás esetekhez szükséges funkciókkal. A használhatóság érdekében biztosítani kell, hogy a felhasználó interaktív korrekciókat hajthasson végre az elkészített javaslaton, meg kell engedni, hogy az életformájából adódó tényezôket integrálja a táplálkozási tervébe. (pl. ha a felhasználó a hét öt munkanapján menzán étkezik, lehetôséget kell adni a menütervének folyamatos korrigálására, a nem szabadon választott ebédek utólagos bevitelét követôen). A rendszer a változást eladminisztrálja és a hét hátralevô részére szóló javaslatot módosítja, ha kell. Lehetôséget kell adni a fizikai aktivitás mértékének meghatározására, változtatására, és a terv ennek alapján történô rugalmas módosítására is. 51
ADATMODELL, ADATTÖRZS A menügeneráláshoz használt tápanyag és recepttörzs adatbázis egy Quadro Byte termék, melyet Magyarországon több helyen alkalmaznak étrendek, menük összeállítására. A rendszer naprakészsége érdekében az adatok aktualizálása fontos szempont, mirôl a jövôben a forgalmazó által készített frissítések gondoskodnak. Az adatállomány tartalmazza az ismertebb magyar recepteket, azok tápanyagtartalmát, és a tápanyagok energia-, fehérje-, hamu-, nyersrost-, só-, szénhidrát-, víz- és zsírtartalmát. A menügenerálási modul adatmodellje úgy lett kialakítva, hogy a felhasznált adattörzstôl független, a késôbbiekben új adatokkal bôvíthetô legyen. A táplálkozási javaslat generálása tehát nem függ a tápanyag és recept adatbázistól, amely a rendszer nagyfokú modularitását, nemzetköziségét biztosítja. Saját felfogásunk szerint az általunk létrehozott mintarendszer fô értékét a metodikai lehetôségek kidolgozása jelentette. A GENERÁLÁS FOLYAMATA A menügenerálás csatlakozik a Cordelia más szolgáltatásaihoz (rizikóelemzés, különös tekintettel a kardiovaszkuláris betegségekre prediszponáló állapotokra). Ehhez az adatgyûjtés kérdôíves technikával történik [3, 4]. A kérdôíveket az analízis során feldolgozzuk, amibôl a táplálkozás szempontjából világossá válik az energia-bevitel normális vagy kóros mennyisége és a táplálék összetételének helyes vagy helytelen volta. A kiértékelés jelenleg a táplálkozás makrokomponenseire (energia-, fehérje-, hamu-, nyersrost-, só-, szénhidrát-, víz-, zsírtartalom) vonatkozik, a döntéseknél pedig a táplálkozási piramisban foglalt kívánatos arányokból indul ki. A felhasználó részére optimális tápanyagértékek, ezek alsó és felsô korlátainak meghatározása a felhasználó súlyából, nemébôl, fizikai aktivitásából, esetleges betegségeibôl és szokásaiból, valamint a táplálkozási szakértôk által alkalmazott szabályok alapján történik. A modul bemeneti értékei, amelyek a kívánt menü tápanyagtartalmáról és összetételérôl hordoznak információt, egy hetes intervallumra vonatkoznak. A végeredmény egy konkrét, egy hétre szóló táplálkozási javaslat, felsorolva az étkezések összeállítását, az ételek pontos mennyiségét. A generálás egy lehetséges folyamata az 1. ábrán látható. A felhasználó megadhatja (1. folyamat) a számára problémát okozó komponenseket (pl. tejtermékek, sertéshús, uborka), és a kívánt javaslattípust (pl. diétás javaslat). A rendszer idôben párhuzamosan (1. folyamat) használható, (pl. egy orvos egy célcsoport részére kér javaslatot, amelyben a szénhidrát tartalmát alulról és felülrôl, a zsírtartalom értékét csak felülrôl korlátozza). A szerver a beérkezô kérelmeket párhuzamosan dolgozza fel (2. folyamat), a kitöltött kérdôív, a dietetikus szakértôk által feltöltött adatbázis segítségével pontos korlátokat ad a tápanyag-összetevôkre, és meghatározza azoknak optimális mennyiségét is. Ezek után a pontos numerikus korlátokkal konfiguráljuk az intelligens generáló modult (3. folyamat). A generált javaslatot a felhasználó a monitoron olvashatja (4. folyamat), vagy elektronikus úton (4. folyamat) a csoportot kezelô orvos kapja meg. GENETIKUS ALGORITMUS A LEGJOBB JAVASLAT MEGTALÁLÁSÁHOZ A probléma nehézségét az adja, hogy nem tudunk egy félig elkészített javaslatot értékelni (például a hétvégére vonatkozó napi tervek még nem állnak rendelkezésre, ezért nem tudunk véleményt mondani az egy hétre szóló javaslatról), ezért egy kezdeti javaslat fokozatos javítását kell elvégezni. A rendszer minden egyes javaslatot osztályoz, figyelembe véve kvantitatív értékeinek az optimálistól való eltérését és komponenseinek harmóniáját. Minél közelebb esik a tápanyag-összetevôk értéke az optimálishoz, és minél harmonikusabb az összeállítás, annál jobb osztályzatot kap. A javaslat összetételének harmóniájára a dietetikus szakértôk által megfogalmazott szabályok alapján következtet a rendszer. A kezdeti terv eset-alapú következtetéssel kerül feltöltésre, korábbi, hasonló céllal készült javaslatok felhasználásával. Az iterációs javítás osztályzás feladat megoldása genetikus algoritmussal (GA) történik. A GA-ok véletlen keresôalgoritmusok, amelyek egy, a keresési tér részhalmazát lefedô populációt alkotó egyedi megoldások kollektív tanulási folyamatán alapszanak [5]. Az algoritmus iterációi során minden egyedi megoldás osztályzatot kap. A populáció (az egyedi megoldások halmaza, adott esetben például lehetséges ebédek halmaza) következô generációjába a legrosszabb osztályzatú egyedi megoldás helyére nagy eséllyel jobb osztályzatú egyedi megoldások különbözô operátorokkal kapott leszármazottjai kerülnek. Ilyen operátorok, a keresztezés és a mutáció, melyek két egyedi megoldás tulajdonságait felcserélik, illetve véletlenül változtatják meg azokat (mutációval véletlenszerûen megváltoztatható egy ebéd feltétje, keresztezéssel felcserélhetô két ebéd körete). OSZD MEG ÉS URALKODJ! 1. ábra A Cordelia életmód- és táplálkozás-tanácsadó rendszerbe integrált heti étkezéstervet generáló modul mûködésének folyamatterve A GA szempontjából az egész heti javaslatot tekinthetjük egyetlen egyedi megoldásnak. A problémát azonban érde- 52
mes részekre, elemi megoldások halmazára bontani. Egy heti menü hét nap öt étkezésébôl épül fel. Az étkezéseket tekintve elemi megoldásnak, a problémát, úgymond oszd meg és uralkodj módon több egymásra épülô részfeladatra bontjuk. A heti étkezéstervet készítô folyamat irányítja a napi étkezéstervet készítô folyamatokat, és felhasználja azok eredményeit. Egy napi étkezésért felelôs folyamat irányítja az egy napon belüli étkezésekért felelôs folyamatokat, felhasználva azok megoldásait. E hierarchikus rendszer minden szintjének folyamatai megegyezô szerkezetû GA-t alkalmaznak (2. ábra). Az étkezések típusainak sokfélesége miatt szükséges volt egy absztrakt GA és adatszerkezet kialakítása, mely végtelen számú különbözô étkezés-, napi terv, és heti tervtípus tárolását teszi lehetôvé. Ennek lehetôsége modulárissá, széles körben alkalmazhatóvá teszi a rendszert. Egy átlagos ebéd levesbôl, feltétbôl, köretbôl, ivólébôl és kiegészítôbôl áll, mely szerkezet nehézkessé teszi olyan ebéd tervezését, melyhez két feltét, és két kiegészítô tartozik. Egy megszokott napi étkezés reggelibôl, tízóraiból, ebédbôl, uzsonnából és vacsorából áll. Egy ilyen szerkezetben nem lehetséges nem szokványos, például villás reggelis napi étkezések generálása. Az absztrakt GA szerkezet célja a különbözô heti terv-, napi terv-, étkezéstípus egységes kezelhetôsége. Egységesen megoldásnak hívjuk azt a tervezendô dolgot, melyre GA-tól várunk javaslatot. Megoldás lehet egy heti táplálkozási terv, egy napi táplálkozási terv, egy étkezés. A megoldást meghatározza attribútumainak száma és azok lehetséges értékei, melyek más problémák megoldásai (egy napi táplálkozási tervnek 5 attribútuma van, melyek lehetséges értékei rendre reggeli, tízórai, ebéd, uzsonna és vacsora megoldás). 3. ábra A lehetséges értékek halmazszerû tárolása 2. ábra Az oszd meg és uralkodj szerkezetben felépülô hierarchikus modell A szerver számítógépen párhuzamosan futó folyamatokat egy globális osztályozó függvény kapcsolja össze. A hierarchia bármely szintjén elhelyezkedô folyamatban bekövetkezett változás (új, az eddiginél jobb egyedi megoldás találása) megváltoztathatja a többi folyamat értékelési szempontját. Az ily módon párhuzamosított számítási folyamatot koevolúciós genetikus algoritmus rendszernek nevezzük. A 2. ábra példáján bemutatva, a feltétekre megállapított optimális zsírtartalom csökkeni fog, ha az ebéd, vagy a napi étkezésterv osztályzatán egy magasabb zsírtartalmú leves választásával javítottunk. Ennek célja, az ebéd zsírtartalmának optimális megadása. Az attribútumok által felvehetô lehetséges értékek a 3. ábrán látható szerkezetben kerül tárolásra. Amennyiben egy attribútum lehetséges értékeit a hús halmazból veheti fel, akkor mind a fehér, mind a vörös részhalmaz értékeit felveheti. A lehetséges értékek e halmazszerû tárolása megkönnyíti a táplálkozási terv harmóniájához szükséges szabályok megfogalmazását. Minden egyes ételpárosításhoz rendelt szabály helyett elegendô a lehetséges érték halmazok párosításához rendelni azokat (pl. piros köret piros levessel nem adható, hideg vacsora nem adható villás reggelivel egy napon belül). EREDMÉNYEK, TOVÁBBI FELADATOK Egy genetikus algoritmusokon alapuló intelligens rendszer került kialakításra, mely lehetôséget nyújt konkrét táplálkozási javaslatok automatizált generálására. A kutatás során a genetikus módszer kimerítô vizsgálata kimutatta annak a menügenerálási feladat megoldásában való alkalmazhatóságát [6, 7]. MEGOLDÁS ATTRIBÚTUM LEHETSÉGES ÉRTÉK SZERKEZET 4. ábra A menügeneráló algoritmus futási ideje és jósága különbözô konfigurációk mellett. Minden egyes pont egy futtatásnak felel meg A 4. ábrán látható pontok egy-egy étkezés generálás végeredményének legjobb egyedi megoldását ábrázolják. Az osztályzat (a generált legjobb étkezés osztályzata, minél rosszabb egy megoldás, annál kisebb az osztályzata, az elméletileg legjobb, a korlátoknak és a harmónia követelményeinek tökéletesen megfelelô megoldás 0-ás osztályzatot kap) és az idô (a folyamat futási ideje) mért értékek. Az al- 53
goritmus futási ideje a különbözô GA konfigurációs paraméterek értékeitôl függött. A változók a generáció szám (a folyamat megadott iteráció számig futott), a populáció mérete (a GA egyedi megoldásainak a száma egy iterációs cikluson belül), a keresztezési valószínûség és a mutációs valószínûségek voltak. A megnyugtató eredmény az, hogy sok jó egyedi megoldás generálásához viszonylag rövid idôre volt szükség. A rendszerben rejlô lehetôséget az mutatja, hogy a futtatások nagy része rövid idô alatt is talál jó egyedi megoldást, mely jól látható az idô-osztályzat ábrán (4. ábra). Létrejött egy tápanyagérték-összetevô szempontból helyes étkezéseket generáló, a generálási módszer vizsgálatát segítô mintarendszer. A program grafikus felületen teszi lehetôvé az étkezési terv elkészítéséhez felhasznált GA konfigurálását, tesztelését. 5. ábra Részlet a tesztprogram grafikus felületébôl, amelyen a memóriában tárolt objektumszerkezet és a GA populációjának állapota látható faszerkezetben A 5. ábrán, az a1-es mezôben láthatjuk a memóriában található objektumszerkezetet, amely a receptekbôl és az azokat felépítô tápanyagokból áll. Az a2-es mezôben a populáció aktuális állapotát tekinthetjük meg. Az elemek osztályozó függvény szerinti osztályzatuk alapján vannak sorba rendezve, így a legelsô eleme a listának az aktuálisan legjobb egyedi megoldása a populációnak. A fastruktúra legfelsô szintjén az objektív (osztályozó függvény szerinti) és a fitnesz (egy léptékezési módszer szerint módosított) osztályzatokat láthatjuk. A következô szinten az egyedi megoldást felépítô recepteket találjuk. A harmadik szinten 2 elemet, a paraméterek és receptek pontokat találjuk. A paraméterek ágon találhatjuk a recept tulajdonságait (energia, fehérje, stb....), a receptek ágon pedig megtekinthetjük a receptet összetevô tápanyagokat. Az ábrán azt láthatjuk, hogy a generálás aktuális állapotában a legjobb egyed körete konzervbôl készült zöldbabfôzelék-püré, feltétje stefánia marhasült, a leves diétás, rántott. Láthatjuk még a zöldbabfôzelékpüré paramétereit (energiatartalom, fehérjetartalom stb.) és a receptet meghatározó tápanyag-összetevô értékeket (olaj, tejföl, liszt stb.). 6. ábra Részlet a program grafikus felületébôl. Az osztályozó függvény paramétereinek konfigurációs mezôje, étkezés típus konfiguráció A 6. ábrán, az a8-as mezôben látható beviteli mezôk és rádió gombok segítségével konfigurálhatjuk az osztályozó függvényt, mely minden egyedi megoldás értékeléséért felelôs. A tápanyag-összetevôk 100 személyes adagra vonatkoznak, ugyanis az adatbázis ilyen értékeket tárol, a szakértôk ezekkel számolnak. Az energia érték mértékegysége kjban, a többi tápanyag-összetevôé grammban adható meg. Az a9-es mezôben az étkezés típusát választhatjuk meg, az a10-ben az algoritmus futási idejét láthatjuk másodpercben. A tesztprogram mellett kialakításra került a használandó adatszerkezet, melyet feltöltöttünk a Quadro Byte adatbázis receptjeivel és tápanyagaival. A késôbbiekben a receptek és tápanyagok halmaza egyéb forrásból is bôvülhet. A dietetikus szakértôk számára, a javaslatok harmóniájáért felelôs szabályok szerkesztésének, adminisztrálásának segítéséhez webes felületû grafikus felhasználói program készül. Jelenleg implementálási fázisban van az absztrakt GA szerkezetet futtató intelligens modul és a menügenerálást teljes egészében a Cordelia szerkezetébe integráló keretrendszer. KITEKINTÉS A bemutatott módszerrel legjobban összevethetô kísérlet Kyung-shik Shin koreai professzor munkája [8], amelyben egy kollégium menzája számára generált kellôen változatos, költségkímélô és egészséges étrendet. A feladatot az Evolver [9] kereskedelmi szoftver segítségével oldotta meg, amely a korlátozás kielégítési és optimalizálási problémák megoldásához genetikus algoritmusokat használ. Az Ohio Egyetemen fejlesztett CAMP [10] esetalapú következtetést használ napi menük generálásához. Az esetalapú következtetés lényege, hogy új problémák megoldásához, illetve új esetek értelmezéséhez már korábban feldolgozott eseteket eltárol, s ha ezek között az újonnan megoldandó problémához bizonyos szempontok szerint hasonlót talál, akkor azt adaptálva állítja elô a megoldást. A Veszprémi Egyetemen fejlesztett modul a fenti rendszerekben felhasznált mesterséges intelligenciai módszerek mindegyikét alkalmazza, újdonságát ezek ötvözése, az egy 54
hétre történô automatikus, on-line generálás, és a nyomon követés lehetôsége adja. Az automatizált menügenerálás jelentôsége abban rejlik, hogy kapacitása csak a felhasznált technológiai infrastruktúrától függ (egy mai átlagos személyi számítógéppel másodperces nagyságrendû idôbe telik egy étkezés generálása). Az automatizált módszer sok tekintetben segítheti a táplálkozás szakértôket (egy gép által tervezett menüt felhasználhatnak, módosíthatják ahelyett, hogy maguk terveznék a teljes javaslatot), bizonyos területeken kiválthatja munkájukat. KÖSZÖNETNYILVÁNÍTÁS A kutatás az NKFP OM 2/052/2001 sz. projekt keretében történt. IRODALOMJEGYZÉK [1] Balintfy, J. L.: Menu Planning by Computer, Communications of the ACM, vol. 7, no. 4, pp. 255-259., April, 1964 [2] Dollahite, J., D. Franklin, R. McNew: Problems encountered in meeting the recommended dietary allowances for menus designed according to the dietary guidelines for Americans., Journal of the American Dietetic Association, 1995 [3] Balázs G., Drozdik B., Jókuthy A. és Kozmann Gy.: Információs rendszer egészségmegôrzésre, rizikóbecslésre és távmonitorozásra, Informatika és Menedzsment az Egészségügyben, 2002. szeptember [4] D.E. Goldberg: Genetic algorithms in search, optimization and machine learning, 1989 [5] Gaál B.: Intelligens menügenerálás táplálkozási tanácsadó rendszerhez, OTDK dolgozat, 2003 [6] Gaál, B., Vassányi I., Kozmann Gy.: Automated Planning of Weekly Menus for Personalized Cardiovascular Risk Counselling, MIE 2003 - megjelenésben, 2003 [7] Kyung-shik Shin: A Meal Plan Support System Using Genetic Algorithm Technique, 1999 [8] www.palisade.com [9] C.R. Marling, G.J. Petot, L.S. Sterling: Integrating casebased and rule-based reasoning to meet multiple design constraints, Computational Intelligence, Volume 15, Number 3, 1999 A SZERZÔK BEMUTATÁSA Gaál Balázs Jelenleg a Veszprémi Egyetem ötödéves mûszaki informatika szakos hallgatója. Diplomamunkáját az Információs Rendszerek Tanszéken automatizált menügenerálás témájában készíti. A 2002. évi Intézményi TDK versenyen 3. helyezést ért el, dolgozatát OTDK versenyre nevezték. Hallgatói munkája során részt vesz a Költség-hatékony egészségmegôrzés és gyógyítás információtechnológiai módszerekkel NKFP projekt 1. részfeladatában (Internet bázisú, rizikóés életmód-elemzô és tanácsadó rendszer) és az új módszerek az egészségügyi információ-tárolásában és -megjelenítésében OTKA projektben. Kutatási területei: Mesterséges intelligenciai módszerek orvosi alkalmazásai, egészségügyi információ tárolása és feldolgozása. Dr. Kozmann György Az MTA doktora. Villamosmérnöki oklevelet 1964-ben szerzett a Budapesti Mûszaki Egyetemen. Ezt követôen az MTA KFKI kutatója lett. Kezdetben szilárdtestfizikai és reaktorfizikai mérésekkel foglalkozott, 1972-73-ban az Institut Laue-Langevin (Grenoble) vendégkutatója. Biomérnöki kutatásokkal foglalkozik 1973-tól, az erre a feladatra létrehozott osztály vezetôjeként. 1986 és 1989 között a Nora Eccles Harrison Research and Training Institute, University of Utah vendégprofesszora. A KFKI átalakulását követôen az MTA MFA Biomérnöki Osztályának vezetôje lett. A felsôoktatásba intenzíven 1993-ban kapcsolódott be, a Veszprémi Egyetemen. 1998-óta fôállásban a Veszprémi Egyetem Információs Rendszerek Tanszékének a vezetôje. Vezetése alatt indult meg az országban elsôként az egyetemi szintû graduális egészségügyi informatika képzés szakirány szinten, a Mûszaki informatika szak keretében. Vezetôje volt az egészségügyi informatika témakörében futó Ph.D. alprogramnak, jelenleg a Veszprémi Egyetem Informatikai Tudományok Doktori iskolájának alapító tagja. A NJSZT Orvosbiológiai Szakosztály elnöke, az MTA Orvosi Informatika Munkabizottság tagja, a VEAB Egészségügyi Informatika Munkabizottság elnöke, a MIE 2002 Európai Orvosi Informatikai Kongresszus Helyi Szervezô Bizottságának elnöke, az Információ és Menedzsment az Egészségügyben címû lap fôszerkesztôje, az NKFP 2/052 Költséghatékony egészségmegôrzés és gyógyítás információtechnológiai módszerekkel c. projekt konzorciumvezetôje. Szakmai érdeklôdése elsôsorban az elektrokardiológiai mérések és modellezések terére, valamint a távdiagnosztikára terjed ki. Vassányi István bemutása a 41. oldalon található. 55