ARTIFICIAL INTELLIGENCE AND DECISION MAKINGARTIFICIAL INTELLIGENCE AND DECISION MAKINGИскусственный интеллект и принятие решений2071-859426536810.14357/20718594240203JXIDPSAI-enabled SystemsСистемы, включающие искусственный интеллектResearch ArticleThe possibility to use artificial intelligence methods in predicting the outcomes of neurosurgical operationsВозможность применения методов искусственного интеллекта при прогнозировании исходов нейрохирургических операцийZabezhailoMichael I.ЗабежайлоМихаил Иванович
Russian Federation

Doctor of physical and mathematical sciences, Head of Department

доктор физико-математических наук, заведующий отделом

m.zabezhailo@yandex.ruGavrjushinAndrey V.ГаврюшинАндрей Владимирович
Russian Federation

Candidate of medical sciences. Neurosurgeon, Researcher of the glial tumours department

кандидат медицинских наук, врач-нейрохирург, научный сотрудник отделения глиальные опухоли

avg.avg03@gmail.comFederal research center “Computer science and control” of Russian Academy of SciencesФедеральный исследовательский центр "Информатика и управление" РАНN.N. Burdenko Neurosurgery Centre of the Ministry of Health of the Russian FederationНациональный медицинский исследовательский центр нейрохирургии имени акад. Н. Н. Бурденко Минздрава России05082024237520310202403102024Copyright ©; 2024, ФИЦ ИУ РАНCopyright ©; 2024,2024ФИЦ ИУ РАНhttps://journals.rcsi.science/2071-8594/article/view/265368

Some abilities of artificial intelligence methods application in predicting the outcomes of neurosurgical operations are discussed. The presented approach is based on the analysis of causal similarity as a basis for generation cause-and-effect dependencies initially hidden in accumulated empirical data. The mathematical formalization of this heuristic is constructed by clarifying similarity as a binary algebraic operation used to compare descriptions of precedents and search in them for approximate representation of the causality of target effects – the outcomes of neurosurgical operations. The possibilities of the presented approach are illustrated by the results of an intelligent analysis of real empirical data covering a series of neurosurgical operations of stem tumors performed in 2005-2018 at the N.N. Burdenko National Medical Research Center for Neurosurgery.

Обсуждаются некоторые возможности применения методов искусственного интеллекта в задачах прогнозирования исходов нейрохирургических операций. В основе представляемого подхода – эвристика причинного сходства как средство восстановления причинно-следственных зависимостей, изначально скрытых в накапливаемых эмпирических данных. Математическая формализация этой эвристики строится с помощью уточнения сходства как бинарной алгебраической операции, используемой для сопоставления описаний прецедентов и поиска в них приближенных представлений о причинности целевых эффектов – исходов нейрохирургических операций. Возможности представляемого подхода иллюстрируются на результатах интеллектуального анализа реальных эмпирических данных, охватывающих серию нейрохирургических операций опухолей ствола, выполненных в 2005-2018 годах в НМИЦ НХ им. Н. Н. Бурденко.

artificial intelligenceneurosurgical operationspredictionintelligent data analysisreasoning formalizationискусственный интеллектнейрохирургические операциипрогнозированиеинтеллектуальный анализ данныхкомпьютерное моделирование рассужденийпричинный анализэвристика причинного сходстваPearl J. Causality: models, reasoning, and inference. N.-Y.: Cambridge University Press, 2000. P. 384.Höfler M. Causal inference based on counterfactuals. BMC Med Res Methodol, 2005. V. 5. No 28. https://bmcme- dresmethodol.biomedcentral.com/articles/10.1186/1471- 2288-5-28.Evidence-Based Medicine Working Group. Evidence-based medicine. A new approach to teaching the practice of medicine // JAMA. 1992. V. 268. No 17. P. 2420–2425.Howick J.H. The Philosophy of Evidence-based Medicine. Chichester (UK): J.Wiley & Sons, 2011. P. 244.Talantov P. 0,05 Dokazatelnaya medicina ot magyi do poiskov bessmaetiya [0,05 evidence-based medicine from magic to the quest for immortality]. М: Corpus, 2019. P. 629.Талантов П. 0,05 доказательная медицина от магии до поисков бессмертия. М: Corpus, 2019. C. 629.Pearson K. On Lines and Planes of Closest Fit to Systems of Points in Space // Philosophical Magazine. 1901. No 2 (11). P. 559–572.Shapley L.S. A value for n-person games. Santa Monica (CA): RAND Corporation. 1952. P. 15.Finn V.K. J.S. Mill’s inductive methods in artificial intelli gence systems // Scientific and Technical Information Pro cessing. Part I. 2011. V. 38. No 6. P. 385–402. Part II. 2012. V. 39. No 5. P. 241–260.Финн В.К. Индуктивные методы Д.С. Милля в системах искусственного интеллекта // Искусственный интеллект и принятие решений. Ч. I. 2010. № 3. С. 3-21. // Искусственный интеллект и принятие решений. Ч. II 2010. № 4. С. 14-40.Finn V.K. Intellekt, informatsionnoe obshchestvo, gumani tarnoe znanie i obrazovanie [Intelligence, Inform. Society, and Humanities Knowledge and Education]. Moscow: LENAND, 2021.Финн В.К. Интеллект, информационное общество, гуманитарное знание и образование. М.: ЛЕНАНД, 2021. С. 464.Cohn P.M. Universal algebra. Springer (NL), 1981. P. 414.Кон П.М. Универсальная алгебра. М.: Мир, 1968. С. 359.Pigeonhole principle. Herstein I. N. Topics In Algebra. Waltham: Blaisdell Publishing Company, 1964. P. 342.Peirce C.S. The Essential Peirce, Selected Philosophical Writings (Nathan Houser and Christian J. W. Kloesel, eds.). Indiana University Press, Bloomington and Indianapolis, IN. 1992.Пирс Ч.С. Рассуждение и логика вещей. Лекции для Кембриджских конференций 1898 года. М.: РГГУ, 2005. C. 371.Zabezhailo M.I., Trunin Yu.Yu. On the Reliability of Medical Diagnosis Based on Empirical Data // Scientific and Technical Information Processing. 2021. V. 48. No 5. P. 1–8.Забежайло М.И., Трунин Ю.Ю. К проблеме надёжности медицинского диагноза, формируемого на основе эмпирических данных // Искусственный интеллект и принятие решений. 2020. № 4. C. 3-13.Zabezhailo M.I. 2022. Ustoychivost empiricheskikh zavisi mostey i problema ob’yasneniya resultatov intellektualnogo analyza dannikh [Stability of empirical dependences and problem of explaining the results of intelligent analysis of data] // Integrirovannye modeli i myagkie vychisleniya v is-kusstvennom intellekte. Sbornik nauchnykh trudov XI Mezhdunarodnoi nauchno-prakticheskoi konferentsii [Inte grated Models and Soft Computing in Artificial Intelligence: Proceedings of 11th Int. Sci.-Pract. Conf.]. Moscow: RAII, 2022. No 2. P. 50–59.Забежайло М.И. Устойчивость эмпирических зависимостей и проблема объяснения результатов интеллектуального анализа данных // Интегрированные модели и мягкие вычисления в искусственном интеллекте. Сборник научных трудов XI Международной научно-практической конференции (ИММВ-2022, Коломна, 2022 г.). В 2-х томах. Т 2. М.: РАИИ, 2022. C. 50–59. https://www.elibrary.ru/item.asp?id=48717390.Zabezhailo M.I. On the Problem of AI-Tools Application in Digital Control Systems// Automatic Documentation and Mathematical Linguistics. 2022. V. 56. No 5. P. 229–236.Забежайло М.И. К проблеме использования методов и технологий искусственного интеллекта в современных цифровых системах управления // Научно-техническая информация. Серия 2. 2022. № 10. С. 15–22.Tarski A. The Semantic Conception of Truth and the Foun dations of Semantics // Philosophy and Phenomenological Research. 1944. V. 4. No 3. P. 341–375. https://sites.ual berta.ca/~francisp/Phil426/TarskiTruth1944.pdf