Статьи с темой: «системы поддержки принятия врачебных решений»
-
2020 № 4 Алгоритм формирования подозрения на новую коронавирусную инфекцию на основе анализа симптомов для использования в системах поддержки принятия врачебных решений
Течение пандемии COVID‑19 накладывает значительную нагрузку на системы здравоохранения, в том числе
на первичное звено, когда необходимо правильно заподозрить и определить дальнейшую тактику. Неспецифичность симптомов и разносторонность проявлений COVID‑19 накладывают трудности для выявления подозрения на данное заболевание. Для улучшения определения COVID‑19 потенциально могут быть полезны симптом-чекеры и системы поддержки принятия врачебных решений (СППВР) с рекомендациями врачу для определения тактики ведения. Анализ научной литературы
показывает многогранность проявлений и частоту встречаемости COVID‑19. Взяв за основу этот анализ, мы структурировали проявления по частоте встречаемости, классифицировали их как «большие» и «малые». Были определены правила их взаимодействий для расчёта уровня подозрения на COVID‑19. Каждому уровню подозрения были разработаны рекомендации по тактике ведения пациента. Для определения симптомов COVID‑19 в неструктурированных текстах электронных медицинских карт были обучены модели NLP. Точность моделей по метрике F-мера составила от 84,6% до 96,0%. Таким образом, был разработан алгоритм выявления подозрения на COVID‑19, который потенциально может быть использован в симптом-чекерах и СППВР для помощи врачам по определению COVID‑19 и поддержки принятия тактических действий. -
2019 № 2 Использование медицинских данных для создания систем поддержки принятия врачебных решений
Медицинские данные – неотъемлемая часть рабочих процессов в деятельности медицинских организаций. Ежедневно все большее количество данных обрабатывается в цифровом формате. Что с ними делать, и какими они должны быть для использования системами поддержки принятия врачебных решений? В статье приведены важные критерии, определяющие качество данных.
-
2014 № 2 Информационные технологии в комбустиологии.
Статья посвящена вопросам поддержки принятия решений в детской комбустиологии. Представлены возможности электронной скицы — диаграммы для определения площади ожоговой поверхности. Описан программный модуль для оценки послеожоговых рубцов, построенный с использованием вычислительных процедур и на основе экспертных знаний. Также авторами предложена мультимедийная информационно-справочная система, содержащая многообразные сведения в области реабилитации детей с термическими поражениями.
-
2019 № 3 pdf Разработка алгоритма поиска клинически однородных пациентов по слабоструктурированным текстовым данным электронной медицинской карты онкологического профиля
Рост контингента пациентов со злокачественными новообразованиями в целом по России значительно увеличивает нагрузку на специализированную сеть онкологических учреждений и врачей онкологов. Наиболее вероятно, что данная тенденция сохранится в ближайшие годы. Одним из направлений повышения эффективности врачебной деятельности является извлечение современными методами анализа данных знаний из больших массивов медицинских данных путем кластеризации больных, заключающейся в выделении групп однородных (схожих) больных по совокупности клинических показателей. Целью исследования является разработка алгоритма поиска клинически однородных пациентов по слабо-
Искусственный интеллект в здравоохранении структурированным и неструктурированным данным электронной медицинской карты онкологического диспансера, с последующей возможностью встраивания его в системы поддержки принятия врачебных решений (СППВР). Применение таких СППВР в практической медицине и в сфере медицинского образования позволит анализировать массивы информации
неограниченного размера, что потребует дальнейшего внедрения и совершенствования информационных систем на всех
уровнях оказания медицинской помощи. Однородность больных в работе определяли методом машинного обучения по-
средством косинусного расстояния в пространстве векторных представлений электронных медицинских карт. Экспериментна 20 случайно выбранных электронных медицинских картах больных ГБУЗ «Клинический онкологический диспансер № 1» Министерства здравоохранения Краснодарского края показал высокую эффективность алгоритма в создании кластеров клинически схожих пациентов.