Рекомендательная интеллектуальная система для управления рисками хронических заболеваний

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

Представлена рекомендательная интеллектуальная система по проблеме здоровьесбережения, обеспечивающая возможность интегрального анализа разнотипной информации в целях оценки уровней риска развития хронических заболеваний и выдачи персональных рекомендаций для снижения вероятности или предотвращения развития патологического процесса. Система реализована на основе неоднородной семантической сети с решателем базы знаний, использующим алгоритм аргументационных рассуждений. Рекомендации, выдаваемые пользователям, являются практической реализацией современной концепции раннего выявления предрасположенности к развитию заболеваний с ориентацией на активное вовлечение человека в процесс превентивных мероприятий. Рассмотрены результаты апробации рекомендательной системы здоровьесбережения ИИ-ГИППОКРАТ на реальных данных, показана возможность использования предложенного подхода для оценки рисков хронических заболеваний (артериальная гипертензия, инфаркт миокарда, инсульт, депрессия) на основе анкеты-опросника. В настоящее время дальнейшее исследование направлено на модификацию разработанной интеллектуальной рекомендательной системы для контроля психоэмоционального состояния операторов критической инфраструктуры с использованием данных дистанционного мониторинга.

Об авторах

Олег Георгиевич Григорьев

Федеральный исследовательский центр "Информатика и управление" РАН

Автор, ответственный за переписку.
Email: oleggpolikvart@yandex.ru

Руководитель отделения. Доктор технических наук. Область научных интересов: ИИ-методы обработки текстов, извлечение знаний из текстов, рекомендательные системы для здоровьесбережения на основе ИИ-методов, медицинские базы знаний

Россия, Москва

Борис Аркадьевич Кобринский

Федеральный исследовательский центр "Информатика и управление" РАН

Email: kba_05@mail.ru

Заведующий отделом. Доктор медицинских наук. Область научных интересов: инженерия знаний, нечеткая логика, системы интеллектуальной поддержки принятия решений, гибридные системы, рекомендательные системы

Россия, Москва

Николай Алексеевич Благосклонов

Федеральный исследовательский центр "Информатика и управление" РАН

Email: nblagosklonov@frccsc.ru

Младший научный сотрудник. Область научных интересов: информационные технологии в медицине, системы поддержки принятия решений, искусственный интеллект в медицине

Россия, Москва

Борис Григорьевич Гинзбург

Медицинский институт КГУ им. К.Э. Циолковского

Email: bginz@mail.ru

Профессор кафедры. Доктор медицинских наук. Область научных интересов: профилактическая медицина

Россия, г. Калуга

Список литературы

  1. Дартау Л.А. Теоретические аспекты управления здоровьем и возможности его реализации в условиях Российской Федерации // Проблемы управления. 2003. №2. С.43-52.
  2. Емельянов С.В. Избранные труды С.В. Емельянова: В 2-х томах: Том 1 / Отв. ред. акад. С.К. Коровин. –М.: Издательство Московского университета. 2009.
  3. Приказ Министерства здравоохранения РФ от 24 апреля 2018 г. № 186 «Об утверждении Концепции предиктивной, превентивной и персонализированной медицины» Доступно по: https://www.garant.ru/products/ipo/prime/doc/71847662/. Ссылка активна на 22.09.2022.
  4. Schafer H., Hors-Fraile S., Karumur R.P., Calero Valdez A., Said A., Torkamaan H., Ulmer T., Trattner C. Towards health (aware) recommender systems. Proceedings of the International Conference on Digital Health, DH’17; 2-5 July 2017; London United Kingdom. Association for Computing Machinery, New York, United States; 2017. doi: 10.1145/3079452.3079499.
  5. Wiesner M., Pfeifer D. Health recommender systems: Concepts, requirements, technical basics and challenges. Int J Environ Res Public Health. 2014;11(3):2580–2607. doi: 10.3390/ijerph110302580.
  6. Mlika F., Karoui W. Proposed Model to Intelligent Recommendation System based on Markov Chains and Grouping of Genres. Procedia Computer Science. 2020; 176:868-877. doi: 10.1016/j.procs.2020.09.082.
  7. Cui Y. Intelligent Recommendation System Based on Mathematical Modeling in Personalized Data Mining. Mathematical Problems in Engineering. 2021;2021:1-11. doi: 10.1155/2021/6672036.
  8. Aguilar J., Valdiviezo-Dı´az P., Riofrio G. A general framework for intelligent recommender Systems. Applied Computing and Informatics. 2017;13(2):147–160. doi: 10.1016/j.aci.2016.08.002.
  9. Ojokoh B., Omisore M., Samuel O., Ogunniyi T. A fuzzy logic based personalized recommender system. International Journal of Computer Science and Information Security. 2012;2(5):1008–1015.
  10. Sahoo A.K., Pradhan C., Barik R.K., Dubey H. Deepreco: Deep learning based health recommender system using collaborative filtering. Computation. 2019;7(2):25. doi: 10.3390/computation7020025.
  11. De Croon R., Van Houdt L., Htun N.N., Štiglic G., Abeele V.V., Verbert K. Health Recommender Systems: Systematic Review. Journal of Medical Internet Research. 2021;23(6):e18035. doi: 10.2196/18035.
  12. Пальцев М.А., Белушкина Н.Н., Чабан Е.А. 4П-медицина как новая модель здравоохранения в Российской Федерации // ОРГЗДРАВ: новости, мнения, обучение. 2015. №2. С.48-54.
  13. Sagner M., McNeil A., Puska P., Auffray Ch., Price N.D., Hood L., Lavie C.J., Han Z.-G., Chen Z., Brahmachari S.K., McEwen B.S., Soares M.B., Balling R., Epel E., Arena R. The P4 Health Spectrum – A Predictive, Preventive, Personalized and Participatory Continuum for Promoting Healthspan. Progress in Cardiovascular Diseases. 2017;59(5):506-521. doi: 10.1016/j.pcad.2016.08.002.
  14. Baiardini I., Heffler E. Chapter 21 – The Patient-Centered Decision System as per the 4Ps of Precision Medicine. In: Agache I, Hellings P, editors. Implementing Precision Medicine in Best Practices of Chronic Airway Diseases. London: Academic Press; 2019. P.147-151. doi: 10.1016/B978-0-12-813471-9.00024-4.
  15. Flores M., Glusman G., Brogaard K., Price N.D., Hood L. P4 medicine: how systems medicine will transform the healthcare sector and society. Personalized Medicine. 2013;10(6):565-576. doi: 10.2217/PME.13.57.
  16. Tran Th.N.T., Felfernig A., Trattner Ch., Holzinger A. Recommender systems in the healthcare domain: state-of-the-art and research issues. Journal of Intelligent Information Systems. 2021;57:171–201. doi: 10.1007/s10844-020-00633-6.
  17. Kobrinskii B.A., Grigoriev O.G., Molodchenkov A.I., Smirnov I.V., Blagosklonov N.A. Artificial Intelligence Technologies Application for Personal Health Management. IFAC-PapersOnLine. 2019;52(25):70-74. doi: 10.1016/j.ifacol.2019.12.448.
  18. Осипов Г.С. Методы искусственного интеллекта. М.: ФИЗМАТЛИТ. 2016.
  19. Кобринский Б.А., Кадыков А.С., Полтавская М.Г., Благосклонов Н.А., Ковелькова М.Н. Принципы функционирования интеллектуальной системы динамического контроля факторов риска и формирования рекомендаций по здоровьесбережению // Профилактическая медицина. 2019. Т.22. №5. С.78-84. doi: 10.17116/profmed20192205178.
  20. Крутько В.Н., Молодченков А.И. Концептуальные основы и архитектура интернет-системы персонализированной поддержки здоровьесбережения на основе интенсивного анализа данных // Аналитика и управление данными в областях с интенсивным использованием данных: труды XVIII Международной конференции ДАМДИД/RCDL’2016 (11-14 октября 2016 года, Ершово, Московская обл., Россия). М.: ФИЦ ИУ РАН. 2016. С. 393-401.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).