Облачный сервис дифференциальной диагностики и назначения персонифицированного лечения воспалительных заболеваний сердца
Автор: Грибова В.В., Шалфеева Е.А., Петряева М.В., Окунь Д.Б., Федорищев Л.А., Ковалев Р.И.
Журнал: Программные системы: теория и приложения @programmnye-sistemy
Рубрика: Медицинская информатика
Статья в выпуске: 4 (59) т.14, 2023 года.
Бесплатный доступ
Исследуется автоматизация проведения полного цикла диагностики и дифференциальной диагностики воспалительных заболеваний сердца и назначения персонифицированного лечения. Методом исследования является формирование декларативных баз знаний и объясняющего свои результаты решателя по единой онтологии. Онтологический решатель интерпретирует формализованные знания при получении сведений о новом медицинском случае (пациенте). Описаны общие принципы разработки и концептуальная архитектура интеллектуального сервиса с декларативными знаниями. Сформированы информационные компоненты для воспалительных заболеваний сердца и программные компоненты для полного цикла диагностики и дифференциальной диагностики, персонифицированного лечения. Указаны источники знаний и проведено тестирование на случаях из практики, описанных в литературе. Приведено обоснование выбора технологий и алгоритмов, выявлены и сформулированы требования к программному комплексному сервису, шаги по разработке всех компонентов. Сервис поддержки принятия диагностических решений со свойствами объяснимого искусственного интеллекта в кардиологии реализован на медицинском портале облачной платформы IACPaaS. Платформа позволяет масштабировать предложенное решение и обеспечивает доступ практикующих врачей со свободной регистрацией для экспериментов в реальных ситуациях.
Система поддержки принятия врачебных решений, интеллектуальный сервис, воспалительные заболевания сердца, база знаний, онтологический подход, специализированный решатель
Короткий адрес: https://sciup.org/143181009
IDR: 143181009 | УДК: 004.89:616.1 | DOI: 10.25209/2079-3316-2023-14-4-141-188
Cloud service for differential diagnosis and personalized treatment of inflammatory heart diseases
The aim of this research is to automate the process of differential diagnosis and prescription of personalised treatment of inflammatory heart diseases. The main method of research is the formation of declarative knowledge bases and a solver explaining its results. The ontology solver interprets the formalized knowledge. Main principles of development and the conceptual architecture of an intelligent service with declarative knowledge are described. Information components for inflammatory heart diseases and software components for the differential diagnostics and personalised treatment are formed. The clinical decision support system for cardiology with the properties of explainable artificial intelligence has been developed. It is hosted on the medical portal of the cloud platform IACPaaS. The practical significance of the results lies in the fact that the system is hosted on a platform with free registration. For the confidence of practitioners, knowledge sources are indicated and testing is performed on data described in the literature. The service is available for experimentation on the role of declarative knowledge base in real-life situations where a third opinion is required. The method used is also practically significant - the rationale for the choice of technologies and algorithms is given, the requirements for the software complex service are identified and formulated, and the steps for the development of all components are outlined. This allows us to reproduce the proposed solution on the same principles of explainable artificial intelligence, but with other knowledge and on another platform.
Список литературы Облачный сервис дифференциальной диагностики и назначения персонифицированного лечения воспалительных заболеваний сердца
- Иванов Д. О., Орел В. И., Александрович Ю.С., Пшениснов К. В., Ломовцева Р. Х. Заболевания сердечно сосудистой системы как причина смертности в Российской Федерации: пути решения проблемы // Медицина и организация здравоохранения.– 2019.– Т. 4.– №2.– С. 4–12. [РИНЦ]
- Karatzia L., Aung N., Aksentijevic D. Artificial intelligence in cardiology: Hope for the future and power for the present // Frontiers in Cardiovascular Medicine.– 2022.– Vol. 9.– id. 945726. https://doi.org/10.3389/fcvm.2022.945726
- ШляхтоЕ. В., Звартау Н. Э., Виллевальде С. В.,Яковлев А. Н., Соловьева А. Е., Алиева А. С., Авдонина Н. Г., Медведева Е. А., Федоренко А. А., Кулаков В. В., Карлина В. А., Ендубаева Г. В., Зайцев В. В., Соловьев А. Е. Система управления сердечно-сосудистыми рисками: предпосылки к созданию, принципы организации, таргетные группы // Российский кардиологический журнал.– 2019.– Т. 24.– №11.– С. 69–82. https://doi.org/10.15829/1560-4071-2019-11-69-82
- Kang S. -H., Baek H., Cho J., Kim S., Hwang H., Lee W., Park J. J., Yoon Y. E., Yoon C. -H., Cho Y. -S., Youn T. -J., Cho G. -Y., Chae I. -H., Choi D. -J., Yoo S., Suh J. -W. Management of cardiovascular disease using an mHealth tool: a randomized clinical trial // npj Digit. Med.– 2021.– Vol. 4.– id. 165.– 7 pp. https://doi.org/10.1038/s41746-021-00535-z
- Алиева А. С., Павлюк Е. И., Алборова Э. М., Звартау Н. Э., Конради А. О., Катапано А. Л., Шляхто Е.В. Системы поддержки принятия решений при нарушениях липидного обмена: актуальность, перспективы // Российский кардиологический журнал.– 2021.– Т. 26.– №6.– С. 124–127. https://doi.org/10.15829/1560-4071-2021-4539
- Lin Z., Cheng Y. T., Cheung B. M. Y. Machine learning algorithms identify hypokalaemia risk in people with hypertension in the United States National Health and Nutrition Examination Survey 1999–2018 // Ann. Med.– 2023.– Vol. 55.– No. 1.– id. 2209336.– 13 pp. https://doi.org/10.1080/07853890.2023.2209336
- Choi D. J., Park J. J., Ali T., Lee S. Artificial intelligence for the diagnosis of heart failure // npj Digital Medicine.– 2020.– Vol. 3.– No. 1.– id. 54.– 6 pp. https://doi.org/10.1038/s41746-020-0261-3
- Assadi A., Laussen P. C., Freire G., Ghassemi M., Trbovich P. Decision-centered design of a clinical decision support system for acute management of pediatric congenital heart disease // Frontiers in Digital Health.– 2022.– Vol. 4.– id. 1016522.– 11 pp. https://doi.org/10.3389/fdgth.2022.1016522
- Лямина Н. П., Котельникова Е.В. Система поддержки принятия решений как компонент пациент-ориентированной модели кардиологической реабилитации // Доктор.Ру.– 2017.– №5 (134).– С. 42–46.
- Groenhof T. K. J., Rittersma Z. H., Bots M. L., Brandjes M., Jacobs J. J. L., Grobbee D. E., van Solinge W. W., Visseren F. L. J., Haitjema S., Asselbergs F. W., et Members of the UCC-CVRM Study Group A computerised decision support system for cardiovascular risk management ‘live’ in the electronic health record environment: Development, validation and implementation — the Utrecht Cardiovascular Cohort Initiative // Netherlands Heart Journal.– 2019.– Vol. 27.– Pp. 435–442. https://doi.org/10.1007/s12471-019-01308-w
- Авдонина Н. Г., Болгова Е. В., Ионов М. В., Звартау Н. Э., Конради А. О. Результаты применения системы поддержки принятия решений в лечении артериальной гипертензии контроль корректности ввода данных в электронную историю болезни // Артериальная гипертензия.– 2018.– Т. 24.– №6.– С. 704–709. https://doi.org/10.18705/1607-419X-2018-24-6-704-709
- Pieszko K., Hiczkiewicz J., Budzianowski J., Musielak B., Hiczkiewicz D., Faron W., J. Rzeźniczak, Burchardt P. Clinical applications of artificial intelligence in cardiology on the verge of the decade // Cardiology Journal.– 2021.– Vol. 28.– No. 3.– Pp. 460–472. https://doi.org/10.5603/cj.a2020.0093
- Chen X., Jia Sh., Xiang Y. A review: Knowledge reasoning over knowledge graph // Expert Syst. Appl.– 2020.– Vol. 141.– id. 112948.– 21 pp. https://doi.org/10.1016/j.eswa.2019.112948
- Грибова В. В., Петряева М. В., Окунь Д. Б., Шалфеева Е. А. Онтология медицинской диагностики для интеллектуальных систем поддержки принятия решений // Онтология проектирования.– 2018.– Т. 8.– №1(27).– С. 58–73. https://doi.org/10.18287/2223-9537-2018-8-1-58-73
- Грибова В. В., Окунь Д. Б., Петряева М. В., Шалфеева Е. А. Инфраструктура IACPaaS для формирования интерпретируемых баз диагностических знаний по заболеваниям произвольной направленности // Семнадцатая Национальная конференция по искусственному интеллекту с международным участием, Сборник научных трудов.– Т. 2, КИИ-2019 (21–25 октября 2019 г., г. Ульяновск, Россия), Ульяновск: УлГТУ.– 2019.– ISBN 978-5-9795-1940-1.– С. 81–89. [РИНЦ]
- Сергеева В. А., Липатова Т. Е. Миокардит при инфекции COVID-19: патогенетические механизмы, сложности диагностики (обзор) // Саратовский научно-медицинский журнал.– 2021.– Т. 17.– №3.– С. 571–577. [РИНЦ] hUtRtpLs://ssmj.ru/system/files/archive/2021/2021_03-1_571-577.pdf
- Котова Е. О., Писарюк А. С., Кобалава Ж.Д., Тимофеева Ю.А., Чипигина Н. С., Караулова Ю.Л., Ежова Л. Г. Инфекционный эндокардит и COVID-19: анализ влияния инфицирования SARS-CoV-2 на особенности диагностики, течения, прогноз // Российский кардиологический журнал.– 2023.– Т. 28.– №1.– С. 28–42. https://doi.org/10.15829/1560-4071-2023-5229
- Окунь Д. Б., Ковалев Р. И. База знаний лечения миокардита: представление знаний для дифференцированной этиотропной терапии // Материалы XV международной научной конференции «Системный анализ в медицине», САМ 2021, ред. В. П. Колосов, Благовещенск: ДНЦ ФПД.– 2021.– ISBN 978-5-905864-24-7.– С. 53–56. [РИНЦ]
- Андреев Д. А., Фирсакова В. Ю., Дорохова О. В., Масленникова О. М. Острый миокардит под маской инфаркта миокарда с подъемом сегмента ST // Вестник Ивановской медицинской академии.– 2014.– Т. 19.– №4.– С. 64–68.
