Системы поддержки принятия врачебных решений
  • 2015 № 1 Прогнозирование риска развития послеоперационных осложнений при травматических повреждениях поджелудочной железы.

    Статья посвящена актуальной проблеме хирургического лечения травматических повреждений поджелудочной железы. А именно, выявлению значимых факторов риска послеоперационных осложнений на основе многомерного статического анализа методом логистической регрессии. Авторами составлена модель прогноза специфических послеоперационных осложнений с высокими показателями согласия и клинической значимостью.

    Авторы: Санников. А. Г. [26] Шнейдер В. Э. [1]

    Темы: математическое моделирование4 поджелудочная железа1 послеоперационные осложнения1 прогноз6 система поддержки принятия решений8 травматические повреждения1 факторы риска4

    Подробнее >

  • Региональные проекты информатизации
  • 2017 № 1 Разработка функциональных задач и структуры региональной информационной системы мониторинга родовспоможения Тульской области.

    В статье предложен способ автоматизации мониторинга беременных Тульской области с учётом осо- бенностей организации акушерско-гинекологической помощи региона. Разработаны функциональные задачи для автоматизированный системы мониторинга беременных, позволяющие реализовывать трёхуровневую курацию беременных с учётом исполнения действующих нормативно-правовых аспектов оказания акушерско-гинекологической помощи. Предложена модель структуры системы мониторинга родовспоможения, позволяющая автоматизировать процессы курации беременных на всех уровнях наблюдения, автоматизировать процессы по оценке и мониторингу перинатальных рисков.

    Авторы: Волков В. Г. [1] Аванесян О. А. [1] Козина Е. А. [1] Копырин. И. Ю. [2]

    Темы: акушерско­гинекологическая помощь1 группы риска1 информатизация здравоохранения29 система мониторинга родовспоможения1 факторы риска4

    Подробнее >

  • Искусственный интеллект в здравоохранении
  • 2019 № 3 pdf Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний

    Заболеваемость и смертность от сердечно-сосудистых заболеваний (ССЗ) остается лидирующей на протяжении последних десятилетий в всем мире. Методы первичной профилактики, основанные на управлении факторами сердечно-сосудистого риска, являются наиболее эффективными для снижения бремени ССЗ. В профилактической медицине для управления рисками ССЗ используются рискометры – шкалы, полученные в результате длительных проспективных исследований. Но практическое применение разработанных шкал показало ограничения в точности прогнозирования. Машинное обучение дает возможность повысить точность прогнозирования сердечно-сосудистого риска за счет нелинейных взаимосвязей их более глубокой настройки между факторами риска и результатами заболеваний. Используя данные 2236 пациентов, нами была обучена модель по признакам, используемым в построении фрамингемской шкалы. Мы сравнили полученную модель и Фрамингемскую шкалу на точность прогнозасердечно-сосудистого события. Так, по ROC анализу для Фрамингемской шкалы показатели следующие: точность Accuracy: 70,0%, качество AUC: 0.59. При этом для модели, полученной с использованием машинного обучения, аналогичные показатели составили: Accuracy: 78,8%, AUC: 0.84. Таким образом, использование алгоритмов машинного обучения, включая алгоритмы глубокого обучения, могут значительно повысить точность прогнозирования сердечно-сосудистых рисков обученных моделей.

    Авторы: Гусев А. В. [31] Новицкий Р. Э. [4] Гаврилов Д. В. [3] Кузнецова Т. Ю. [2] Корсаков И. Н. [1] Серова Л. М. [1]

    Темы: здравоохранение14 искусственный интеллект8 машинное обучение7 медицина4 оценка рисков развития заболеваний1 сердечно-сосудистые заболевания4 факторы риска4

    Полная версия статьи в формате PDF
    3.7 МБ

    Подробнее >

  • Автоматизированная аналитика в здравоохранении
  • 2016 № 5 Аналитическая обработка баз данных внедренных информационных систем.

    В статье определена возможность использования существующих медицинских информационных систем, внедренных на базе медицинских учреждений Тюменской области в изучении проблем общественного здоровья. На основе баз данных автоматизированной информационной системы «Судебно-психиатрическая экспертиза» проанализированы заключения амбулаторной судебно-психиатрической экспертизы Тюменской области за 2005–2014 годы. Выявлены факторы риска, приводящие больных органическим поражением головного мозга к совершению общественно опасных действий. К таким факторам отнесены: мужской пол, возраст до 30 лет, диагноз «умственная отсталость». Статистически доказано, что лица с данным набором факторов совершают преступления по 159 и 161 статьям Уголовного кодекса Российской Федерации. Впоследствии большинство подэкспертных признаются вменяемыми. В статье предложены возможные меры по первичной профилактике общественно опасных действий больных с органическим поражением головного мозга.

    Авторы: Захаров. С. Д. [4] Свальковский А. В. [2]

    Темы: базы данных3 медицинская информационная система65 общественно опасные действия1 органическое поражение головного мозга1 профилактика3 психиатрия1 судебно-психиатрическая экспертиза1 факторы риска4

    Подробнее >