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.
База знаний, туберкулез, лечение, лекарственная устойчивость
Короткий адрес: https://sciup.org/149145652
IDR: 149145652 | УДК: 616-07-08:004.658 | DOI: 10.29001/2073-8552-2024-39-2-209-217
A knowledge base generation for creation a medical decision support system for managing the treatment process
The strategy of scientific and technological development of the Russian Federation prioritizes the formation of new approaches to the treatment of tuberculosis, including forms with multidrug resistance. In modern conditions the fulfillment of this task is impossible without the intensive introduction of advanced digital and intelligent technologies, robotic systems and systems using artificial intelligence methods. This approach should start with an important component -the creation of a knowledge base.Aim: To create a knowledge base of drug therapy based on the appropriate ontology, to assemble a prototype of a medical decision support system for managing the treatment of patients with pulmonary tuberculosis.Material and Methods. Current scientific data and recommendations for the treatment of pulmonary tuberculosis in adults were used, according to clinical recommendations approved by the Ministry of Health of the Russian Federation in 2022. The IACPaaS platform is used to implement the intelligent service.Results. A knowledge base has been created to manage the treatment of patients with pulmonary tuberculosis, which allows you to structure knowledge about drug therapy of tuberculosis, define concepts, relationships and axioms describing this process. Each element of the ontology includes a complexly structured block of conditions that allows you to describe in a formal presentation the necessary clinical criteria that determine the conditions for creating an intelligent assistant to a phthisiologist.Conclusion. The generation of the knowledge base will make it possible to switch to personalized medicine through the rational use of anti-tuberculosis drugs, which will reduce the time and improve the effectiveness of tuberculosis treatment.
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.
