Генерация базы знаний для создания системы поддержки принятия врачебных решений по управлению процессом лечения

Генерация базы знаний для создания системы поддержки принятия врачебных решений по управлению процессом лечения

Автор: Бородулина Е.А., Грибова В.В., Окунь Д.Б., Еременко Е.П., Бородулин Б.Е., Ковалев Р.И., Вдоушкина Е.С., Амосова Е.А.

Журнал: Сибирский журнал клинической и экспериментальной медицины @cardiotomsk

Рубрика: Цифровые технологии поддержки решений в медицине

Статья в выпуске: 2 т.39, 2024 года.

Бесплатный доступ

В стратегии научно-технологического развития Российской Федерации в приоритете обозначено формирование новых подходов к лечению туберкулеза, включая формы с множественной лекарственной устойчивостью. В современных условиях выполнение данной задачи невозможно без интенсивного внедрения передовых цифровых и интеллектуальных технологий, роботизированных систем и систем, использующих методы искусственного интеллекта. Данный подход должен начинаться с важного компонента - создания базы знаний.Цель работы: разработка базы знаний медикаментозной терапии на основе соответствующей онтологии, сборка прототипа системы поддержки принятия врачебных решений для управления процессами лечения туберкулеза легких.Материал и методы. В качестве модели использован туберкулез легких, где для лечения применяются единые стандартные подходы с ограниченным набором специфической химиотерапии. Использованы актуальные научные данные и рекомендации по лечению туберкулеза легких у взрослых, согласно клиническим рекомендациям, утвержденным Министерством здравоохранения Российской Федерации в 2022 г. Для реализации интеллектуального сервиса применяется платформа IACPaaS.Результаты. Создана база знаний для управления процессом лечения пациентов с туберкулезом легких, которая позволяет структурировать знания о медикаментозной терапии туберкулеза, определить понятия, отношения и аксиомы, описывающие данный процесс. Каждый элемент онтологии включает сложно структурированный блок условий, позволяющий описать в формальном представлении необходимые клинические критерии, которые определяют условия создания интеллектуального ассистента врача фтизиатра.Заключение. Генерация базы знаний позволит перейти к персонализированной медицине за счет рационального применения препаратов, что даст возможность сократить сроки и повысить эффективность лечения заболевания.

Еще

База знаний, туберкулез, лечение, лекарственная устойчивость

Короткий адрес: https://sciup.org/149145652

IDR: 149145652   |   DOI: 10.29001/2073-8552-2024-39-2-209-217

Список литературы Генерация базы знаний для создания системы поддержки принятия врачебных решений по управлению процессом лечения

  • Васильева И.А., Белиловский Е.М., Борисов С.Е., Стерликов С.А. Туберкулез с множественной лекарственной устойчивостью возбудителя в странах мира и в Российской Федерации. Туберкулез и болезни легких. 2017;95(11):5-17. https://doi.org/10.21292/2075-1230-2017-95-11-5-17.
  • Омарова А.Р., Ибрагимова С.И. Мультирезистентный туберкулез легких (литературный обзор). Теория и практика современной науки. 2018;32(2):453-456.
  • Эльгали А.И., Асеев А.В., Рясенский Д.С., Гришкина Н.А. Отдаленные результаты лечения у больных лекарственно-резистентным туберкулезом легких при неэффективности предшествующей терапии. Эпидемиология и инфекционные болезни. 2019;24(2):88-91. https://doi.org/10.18821/1560-9529-2019-24-2-88-91.
  • Дьяков А.В. Эффективность лечения больных туберкулезом с широкой лекарственной устойчивостью возбудителя, проживающих в сельской местности. Вестник Центрального научно-исследовательского института туберкулеза. 2021;(1):161-162. https://doi.org/10.7868/S2587667821050721.
  • Савинцева Е.В., Алиева А.Р., Иванова Л.М., Козлова Т.П., Битнева А.М. Медико-социальный портрет больных туберкулезом легких с лекарственной устойчивостью МБТ. Форум молодых ученых. 2019;32(4):922-928.
  • Комиссарова О.Г., Чумакова Е.С., Абдуллаев Р.Ю., Одинец В.С. Эффективность лечения впервые выявленных больных туберкулезом с МЛУ возбудителя при раннем определении лекарственной устойчивости МБТ к рифампицину. Уральский медицинский журнал. 2018;163(8):47-52. https://doi.org/10.25694/URMJ.2018.05.50.
  • Лепшина С.М., Атаев О.В., Сердюк О.В., Юровская Е.И. Эффективность лечения больных мультирезистентным туберкулезом в зависимости от сроков выявления туберкулеза. Вестник гигиены и эпидемиологии. 2019;23(4):360-363.
  • Арбузова Е.В., Джазыбекова П.М., Аденов М.М. Цифровые технологии в национальной туберкулезной программе республики Казахстан. Фтизиопульмонология. 2022;1:236-239. https://doi.org/10.56834/26631504_2022_1_236.
  • Наркевич А.Н., Виноградов К.А., Гржибовский А.М. Интеллектуальные методы анализа данных в биомедицинских исследованиях: деревья классификации. Экология человека. 2021;3:54-64. https://doi.org/10.33396/HUMECO0354-64-47297.
  • Gribova V., Kovalev R., Okun D. A Specialized Shell for Intelligent Systems of Prescribing Medication. Scientific and Technical Information Processing. 2021; 48 (5):1-11. https://doi.org/10.3103/S0147688221050038.
  • Грибова В.В., Окунь Д.Б. Онтологии для формирования баз знаний и реализации лечебных мероприятий в медицинских интеллектуальных системах. Информатика и системы управления. 2018;57(3):71-80. https://doi.org/10.22250/isu.2018.57.71-80.
  • Туберкулез у взрослых: Клинические рекомендации. Общероссийская общественная организация «Российское общество фтизиатров», Национальная ассоциация некоммерческих организаций фтизиатров «Ассоциация фтизиатров». Утверждены Министерством здравоохранения Российской Федерации. М.; 2022:45-48.
  • Переволоцкий В.С., Грибова В.В. Подход к автоматическому формированию баз знаний на основе онтологий. Научный аспект. 2023;2(2):213-221.
  • Бородулин Б.Е., Бородулина Е.А., Еременко Е.П. Амбулаторная фтизиатрия: учебное пособие. М.: КноРус; 2022:432.
  • Гайда А.И., Абрамченко А.В., Романова М.И., Тоичкина Т.В., Бурыхин В.С., Борисов С.Е. и др. Обоснование длительности химиотерапии больных туберкулезом с множественной и преширокой лекарственной устойчивостью возбудителя в Российской Федерации. Туберкулез и болезни легких. 2022;100(12):44-53. 10.21292/2075-1230-2022-100-12-44-53.
  • Рыжкова О.А, Стрельцова Е.Н. Структура лекарственной устойчивости M. Tuberculosis у впервые выявленных больных туберкулезом органов дыхания. Вестник ЦНИИТ. 2021;(3):54-60. https://doi.org/10.7868/S2587667821030067.
  • Gribova V., Moskalenko P., Timchenko V., Shalfeyeva E. Intelligent services development technology using the IACPaaS cloud platform. In: Golenkov V., Krasnoproshin V., Golovko V., Shunkevich D. (eds.) Open semantic technologies for intelligent systems. OSTIS 2021. Communications in computer and information science. Springer, Cham. 2022;1625:19-38. (In Russ.). https://doi.org/10.1007/978-3-031-15882-7_2.
  • Грибова В.В., Москаленко Ф.М., Тимченко В.А., Шалфеева Е.А. Платформа IACPaaS для разработки систем на основе онтологий: десятилетие использования. Искусственный интеллект и принятие решений. 2022;4:55-65. https://doi.org/10.14357/20718594220406.
  • Грибова В.В., Окунь Д.Б., Шалфеева Е.А., Щеглов Б.О., Щелканов М.Ю. Облачный сервис для дифференциальной клинической диагностики острых респираторных вирусных инфекций (в том числе - связанных с особо опасными коронавирусами) методами искусственного интеллекта. Якутский медицинский журнал. 2020;2:44-47. https://doi.org/10.25789/YMJ.2020.70.13.
  • Wong W., Liu W., Bennamoun M. Ontology learning from text: A look back and into the future. ACM Comput. Surv. 2012;44(4):1-36. (In Russ.). https://doi.org/10.1145/2333112.2333115.
Еще
Статья научная
QR-код для установки приложения SciUp Наведите камеру и скачайте бесплатное приложение SciUp