ISSN 2071-8594

Российская академия наук

 

В. В. Грибова, Р. И. Ковалев, Д. Б. Окунь "Специализированная оболочка для построения интеллектуальных систем назначения медикаментозного лечения"

Аннотация.

В работе проведен анализ существующих систем поддержки назначения медикаментозного лечения, выделены требования к таким системам. Описаны основные принципы разработки и архитектура интеллектуальной медицинской системы поддержки принятия решений, которая реализована как специализированная оболочка. Показаны уникальные возможности системы, а также информационные и программные компоненты, входящие в ее состав. Представленные в работе примеры демонстрируют все предлагаемые решения.

Ключевые слова:

онтология, база знаний, система поддержки принятия решений, облачные технологии.

Стр. 66-79.

DOI 10.14357/20718594200407

Литература

1. Makary M. A., Daniel M. Medical error—the third lead-ing cause of death in the US // Bmj. – 2016. Т. 353.
2. Masnoon, Nashwa et al. "What is polypharmacy? A systematic review of definitions." BMC geriatrics 17.1 (2017): 230.
3. Lysaght T., Lim HY, Xafis V. et al. ABR (2019) 11: 299. https://doi.org/10.1007/s41649-019-00096-0.
4. Кобринский Б. А. Особенности медицинских интеллектуальных систем // Информационно-измерительные и управляющие системы. 2013. Т. 11. № 5. С. 58–64.
5. Vladimir E. Robles-Bykbaev, Martín López-Nores, José J. Pazos-Arias, Daysi Arévalo-Lucero “SPELTA: An expert system to generate therapy plans for speech and language disorders”.
6. Watkins W. et al. A Radiation Therapy Treatment Planning Decision Support System (RTP-DSS) for Selecting Patient-Specific Optimal Treatment //International Jour-nal of Radiation Oncology• Biology• Physics. 2016. Т. 96. №. 2. С. S82.
7. Khozeimeh F. et al. An expert system for selecting wart treatment method //Computers in biology and medicine. 2017. Т. 81. С. 167-175.
8. Jiang X. et al. A clinical decision support system learned from data to personalize treatment recommendations to-wards preventing breast cancer metastasis //PloS one. 2019. Т. 14. №. 3.
9. Abu-Naser, Samy & Al-Dahdooh, Rami. (2016). Lower Back Pain Expert System Diagnosis And Treatment. Lower Back Pain Expert System Diagnosis And Treatment.
10. Zhang Y. F. et al. Design and development of a sharable clinical decision support system based on a semantic web service framework //Journal of medical systems. 2016. Т. 40. №. 5. С. 118.
11. Goldstein M. K. et al. Patient safety in guideline-based de-cision support for hypertension management: ATNA DSS //Proceedings of the AMIA Symposium. – American Medical Informatics Association. 2001. С. 214.
12. Peleg M. et al. MobiGuide: a personalized and patient-centric decision-support system and its evaluation in the atrial fibrillation and gestational diabetes domains //User Modeling and User-Adapted Interaction. 2017. Т. 27. №. 2. С. 159-213.
13. Koutkias V. et al. Knowledge engineering for adverse drug event prevention: On the design and development of a uniform, contextualized and sustainable knowledge-based framework //Journal of biomedical informatics. 2012. Т. 45. №. 3. С. 495-506.
14. Bilici E., Despotou G., Arvanitis T. N. The use of computer-interpretable clinical guidelines to manage care complexities of patients with multimorbid conditions: a review //Digital health. – 2018. Т. 4.
15. Zacharias V. Development and verification of rule based systems—a survey of developers //International Workshop on Rules and Rule Markup Languages for the Semantic Web. – Springer, Berlin, Heidelberg. 2008. С. 6-16.
16. IBM Watson has graduated from school and got a job [Электронный ресурс]. URL: http://habrahabr.ru/company/ibm/blog/169067/ (дата обращения: 22.03.2020).
17. Rajkomar A., Dean J., Kohane I. Machine learning in medicine //New England Journal of Medicine. 2019. Т. 380. №. 14. С. 1347-1358.
18. Yahyaoui A. et al. A Decision Support System for Dia-betes Prediction Using Machine Learning and Deep Learning Techniques //2019 1st International Informatics and Software Engineering Conference (UBMYK). IEEE. 2019. С. 1-4.
19. Anakal S., Sandhya P. Clinical decision support system for chronic obstructive pulmonary disease using machine learning techniques //2017 International Conference on Electrical, Electronics, Communication, Computer, and Optimization Techniques (ICEECCOT). IEEE. 2017. С. 1-5.
20. Ray M., Qidwai U. "Machine learning in medicine: calcu-lating the minimum dose of haemodialysis using neural networks," Annual Technical Conference IEEE Region 5, 2003, New Orleans, LA. USA. 2003. Р. 23-27.
21. Hwang Y. et al. Identifying the common genetic networks of ADR (adverse drug reaction) clusters and developing an ADR classification model //Molecular BioSystems. 2017. Т. 13. №. 9. С. 1788-1796.
22. Top 10 Hospital Information System You Need to Know About, 2019, [Электронный ресурс]/ URL: https://www.softwaresuggest.com/blog/top-hospital-information-system/ (дата обращения: 20.03.2020).
23. Shahsavarani A. M. et al. Clinical decision support systems (CDSSs): state of the art review of literature //International Journal of Medical Reviews. 2015. Т. 2. №. 4. С. 299-308.
24. Jenders R. A. et al. Evolution of the Arden Syntax: key technical issues from the standards development organiza-tion perspective //Artificial intelligence in medicine. 2018. Т. 92. С. 10-14.
25. Peleg M. et al. Comparing computer-interpretable guide-line models: a case-study approach //Journal of the American Medical Informatics Association. 2003. Т. 10. №. 1. С. 52-68.
26. Shiffman R. N. et al. An approach to guideline implementation with GEM //Studies in health technology and informatics. 2001. №. 1. С. 271-275.
27. Peleg M. et al. Assessment of a personalized and distributed patient guidance system //International journal of medical informatics. 2017. Т. 101. С. 108-130.
28. Jafarpour B., Abidi S. R. Exploiting semantic web technologies to develop OWL-based clinical practice guideline execution engines //IEEE jo-ur l of biomedical and health informatics. 2014. Т. 20. №. 1. С. 388-398.
29. Гаврилова Т. А., Страхович Э. В. Визуально-аналитическое мышление и интеллект-карты в онтоло-гическом инжиниринге //Онтология проектирования. 2020. Т. 10. №. 1. С. 87-99.
30. 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.
31. Ausubel D. P. Educational psychology: A cognitive view / D. P. Ausubel. New York. Holt. Rinehart and Winston. 1968. 733 p.
32. Gribova V.V., Kleshchev A.S., Moskalenko F.M., Timchenko V.A. A Model for Generation of Directed Graphs of Information by the Directed Graph of Metainformation for a Two_Level Model of Information Units with a Complex Structure // Automatic Documentation and Mathematical Linguistics. 2015. Vol. 49. No. 6. С. 221-231.
33. Грибова В. В., Окунь Д. Б. Онтологии для формирования баз знаний и реализации лечебных мероприятий в медицинских интеллектуальных системах //Информатика и системы управления. 2018. №. 3. С. 71-80.
34. Gribova V. V. et al. Software Toolkit for Creating Intelli-gent Systems in Practical and Educational Medicine //2018 3rd Russian-Pacific Conference on Computer Technology and Applications (RPC). IEEE. 2018. С. 1-5.
35. Диагноз поставит искусственный интеллект 2020 [Электронный ресурс] URL: https://rg.ru/2020/02/04/reg-dfo/uchenye-privlekut-iskusstvennyj-intellekt-dlia-diagnostiki-koronavirusa.html (дата обращения: 23.08.2020).
36. Помощник в лечении коронавируса с искусственным интеллектом: ноу-хау из Приморья [Электронный ресурс] URL: https://www.vesti.ru/videos/show/vid/825790 (дата обращения: 23.08.2020).
37. Китайские врачи в Ухани будут использовать программу диагностики коронавируса, разработанную в Приморье [Электронный ресурс] URL: http://www.interfax-russia.ru/FarEast/news.asp?sec=1671&id=1101675 (дата обращения: 23.08.2020).