Отправить статью по E-mail Онтологическая оболочка для конструирования сервисов прогноза и оценки состояний пациентов
- Авторы: Грибова В.В.1,2, Шалфеева Е.А.1,2
-
Учреждения:
- Институт автоматики и процессов управления Дальневосточного отделения РАН
- Дальневосточный федеральный университет
- Выпуск: № 1 (2023)
- Страницы: 19-31
- Раздел: Системы поддержки принятия решений
- URL: https://journals.rcsi.science/2071-8594/article/view/269756
- DOI: https://doi.org/10.14357/20718594230103
- ID: 269756
Цитировать
Полный текст
Аннотация
В работе дается описание облачной оболочки для создания систем оценки рисков и прогноза состояния пациента. В ней интегрированы различные методы и подходы для решения таких задач и семантические модели электронных медицинских документов. Предоставлены средства декларативного описания правил интерпретации обученных прогнозных моделей и знаний о динамике развития заболеваний. С ними связана семантическая структура для генерации детализированного объяснения. Оболочка позволяет «собрать» в сервисе для интересующей группы заболеваний или раздела медицины те реализации методов оценки рисков и прогноза состояний и те базы знаний о патогенезе заболеваний, которым врачи готовы доверять.
Полный текст
Об авторах
Валерия Викторовна Грибова
Институт автоматики и процессов управления Дальневосточного отделения РАН; Дальневосточный федеральный университет
Email: gribova@iacp.dvo.ru
Доктор технических наук, член-корреспондент РАН. Зам. директора по научной работе
Россия, Владивосток; ВладивостокЕлена Арефьевна Шалфеева
Институт автоматики и процессов управления Дальневосточного отделения РАН; Дальневосточный федеральный университет
Автор, ответственный за переписку.
Email: shalf@iacp.dvo.ru
Доктор технических наук, доцент. Старший научный сотрудник
Владивосток; ВладивостокСписок литературы
- Гусев А. Валидация и тестирование прогностических моделей: пришло время менять подходы. // Electronic resource. URL: https://webiomed.ru/blog/validatsiia-i-testirovanieprognostcheskikh-modelei (дата обращения 1 сентября 2022).
- Adibi A., Sadatsafavi M., Ioannidis J.P.A. Validation and Utility Testing of Clinical Prediction Models: Time to Change the Approach. JAMA. 2020.324(3). Р.235–236.
- Халафян А.А. и др. Прогнозирование стадии распространения заболевания у пациентов, страдающих аденомиозом, нейронными сетями // Врач и информационные технологии. 2018. №4. С.67-74.
- Сайгитов Р.Т. и др. Прогнозирование госпитальных исходов при остром коронарном синдроме // Российский кардиологический журнал. 2006, № 2 (58). С.42–49.
- Klimov V., et al. Predictors of Complications and Unfavorable Outcomes of Minimally Invasive Surgery Treatment in Elderly Patients With Degenerative Lumbar Spine Pathologies (Case Series). Frontiers in Surgery. 2022. 9:869345.
- Климонтов В.В., Бериков В.Б., Сайк О.В. Искусственный интеллект в диабетологии // Сахарный диабет. 2021. Т. 24. №2. С. 156–166.
- Неделько С.В. Адаптивное прогнозирование многомерного временного ряда // Таврический вестник информатики и математики. 2008. №2. С. 104–110.
- Medeiros F.A., et al. Validation of a predictive model to estimate the risk of conversion from ocular hypertension to glaucoma. Archives of ophthalmology. 2005. 123(10). Р. 1351-1360.
- Литвиненко В.И. Модели обработки неполной и противоречивой информации в диагностических системах: Дис. …канд. техн. наук: 05.13.06 / Херсонский гос. технический ун-т.-Херсон, 1997. 201c.
- Тарасова С.А. Прогнозирование в клинической медицине // Инновации в науке. 2014. № 30 (2). С. 57–61.
- Метод кейсов (case study). // Electronic resource. URL: https://evolkov.net/case/case.study.html (дата обращения 1 сентября 2022).
- Еремеев А.П., Варшавский П.Р., Куриленко И.Е. Моделирование временных зависимостей в интеллектуальных системах поддержки принятия решений на основе прецедентов // Журнал «Information technologies and knowledge». 2012.Т. 6. № 3. С. 279–294.
- Грибова В.В. и др. База медицинской терминологии и наблюдений. Свидетельство о регистрации базы данных RU 2019621179, 04.07.2019.
- Грибова В.В. и др. Облачная платформа IACPaaS для разработки оболочек интеллектуальных сервисов: состояние и перспективы развития // Программные продукты и системы. 2018. Т. 31. № 3. С. 527–536.
- Рыбина Г.В., Смирнов В.В. Верификация баз знаний в интегрированных экспертных системах // Новости искусственного интеллекта. 2005. № 3. C. 7–19.
Дополнительные файлы
