Медицинская рекомендательная система на основе автоматического извлечения знаний из текстов

Е. А. Коровин, С. А. Чиглинцева, Е. Ю. Сазонова, О. Н. Сметанина

Аннотация


Ограничение времени приема врачей, требующее принятия решений в реальном времени, сопровождается регулярными изменениями клинических рекомендаций, основанных на новых исследованиях. Поэтому актуальность проблемной ситуации обусловлена необходимостью информационной поддержки медицинского работника с целью снижения времени поиска рекомендаций для постановки диагноза и назначения лечения пациентов с различными заболеваниями. Современное развитие инструментальных средств анализа текста позволяют автоматизировать процесс поиска рекомендаций. В статье предлагается подход к построению рекомендательной системы, способной эффективно осуществлять поиск информации о корректной постановке диагноза, лечении и профилактике заболеваний. В процессе исследования проведен анализ современного состояния проблемной ситуации, в частности, подходы к созданию рекомендательных систем в медицине. Для поиска и отбора медицинских рекомендаций выбрана, как наиболее рациональная, модель дистрибутивной семантики Word2vec, разработан алгоритм в виде комбинации поиска совпадающих предложений по регулярным выражениям и модели поиска дистрибутивно-семантических связей Word2vec.Выявлены ограничения в выборе решений для предобработки и генерации медицинских клинических рекомендаций, разработан алгоритм, способный генерировать индивидуальные рекомендации для пациентов на основе анализа совпадающих предложений по регулярным выражениям. Авторами статьи предложены архитектура и структура базы данных для хранения информации о пациентах, записях приема и диагнозах. Продемонстрировано, что созданная рекомендательная система с интегрированным алгоритмом дистрибутивной семантики Word2vec сокращает время, затрачиваемое медицинским персоналом на поиск справочной информации, и может быть полезной для специалистов медицинской отрасли. Предложенные решения имеют практическую ценность и могут служить основой для дальнейших исследований и развития автоматизированных систем в медицине.

Ключевые слова


рекомендательные системы в медицине, машинное обучение, регулярные грамматики, обработка естественного языка, методы анализа текстовых данных, дистрибутивная семантика, бронхолегочные заболевания

Полный текст:

PDF

Литература


Грибова В. В., Кульчин Ю. Н., Петряева М. В., Окунь Д.Б., Ковалев Р. И., Шалфеева Е. А. Интеллектуальная система поддерж-ки принятия врачебных решений по дифференциальной диагностике и лечению Covid-19 // Вестник РАН. 2022. Т. 92. № 8. С. 781-789. [[ V. V. Gribova, Yu. N. Kulchin, M. V. Petryaeva, D. B. Okun, R. I. Kovalev, E. A. Shalfeeva, “Intelligent system for supporting medical decisions on differential diagnostics and treatment of Covid-19,” (in Russian) // Vestnik RAN, vol. 92, no. 8, pp. 781-789, 2022. ]].

Гришина Л. С., Болодурина И. П. Разработка модели генерации клинических рекомендаций для пациентов на основе неструктурированных текстовых данных // Научно-технический вестник Поволжья. 2023. № 8. С. 53-56. [[ L. S. Grishina, I. P. Bolodurina, “Development of a model for generating clinical recommendations for patients based on unstructured text data,” (in Russian) // Scientific and Technical Volga region Bulletin, no. 8, pp. 53-56, 2023. ]].

Цурко В. В. Рекомендательные системы в здравоохранении // Управление большими системами. 2019. С. 61-73. [[ V. V. Tsurko “Recommender systems in healthcare,” (in Russian) // Large-Scale Systems Control, pp. 61-73, 2019. ]].

Кобринский Б. А. Интеллектуальные рекомендательные системы для медицины: особенности и ограничения // Искусственный интеллект и принятие решений. 2022. № 3. С. 51–62. [[ B. A. Kobrinsky “Intelligent recommender systems for medicine: features and limitations,” (in Russian) // Artificial Intelligence and Decision Making, no. 3, pp. 51-62, 2022. ]].

Гусев А. В, Зарубина Т. В. Поддержка принятия врачебных решений в медицинских информационных системах медицинской организации// Врач и информационные технологии. 2017. № 2. С. 60–72. [[ A. V. Gusev, T. V. Zarubina “Support for medical decision-making in medical information systems of a medical organization,” (in Russian) // Medical Doctor and Information Technologies, no. 2, pp. 60-72, 2017. ]].

Thi Ngoc Trang Tran, Alexander Felfernig, Christoph Trattner, Andreas Holzinger, “Recommender systems in the healthcare domain: state-of-the-art and research issues” // Journal of Intelligent Information Systems, vol. 57, no. 8, pp. 1-31, 2021, DOI: 10.1007/s10844-020-00633-6.

Benjamin Stark, Constanze Knahl, Mert Aydin, Karim Elish, “A literature review on medicine recommender systems” // International Journal of Advanced Computer Science and Applications, vol. 10, no. 8, pp. 6-13, 2019. DOI: 10.14569/IJACSA.2019.0100802.

Kamyshev K V., Kureichik V. M., Borodyanskiy I. M. “Review of the recommender systems application in cardiology” // Cardiometry, no. 16, pp. 97-105, 2020. DOI: 10.12710/cardiometry.2020.16.97105.

Juan G Diaz Ochoa, Orsolya Csiszár, Thomas Schimper, “Medical recommender systems based on continuous-valued logic and multi-criteria decision operators, using interpretable neural networks” // BMC Medical Informatics and Decision Making, vol. 21, no. 1, 2021, DOI: 10.1186/s12911-021-01553-3.

Козлов С. В., Светлаков А. В. Применение регулярных выражений для обработки текстовых данных // International Journal of Open Information Technologies. 2022. T. 10, № 9. С. 82-89. [[ S.V. Kozlov, A. V. Svetlakov “Using regular expressions to process text,” (in Russian) // International Journal of Open Information Technologies, vol. 10, no. 9, pp. 82-89, 2022. ]]

Mayur Sudhakar Satav, Tanmay Varade, Dhanashree Kothavale, Snehal Thombare, Pranali Lokhande, "Data extraction from invoices using computer vision" // Proc. IEEE 15th International Conference on Industrial and Information Systems (ICI-IS),2020, pp. 316-320.

Shashank Rajput, Nikhil Mehta, Anima Singh, Raghunandan H. Keshavan, Trung Vu, Lukasz Heldt, Lichan Hong, Yi Tay, Vinh Q. Tran, Jonah Samost, Maciej Kula, Ed H. Chi, Maheswaran Sathiamoorthy "Recommender systems with generative retrieval" // Proc. 37th Conference on Neural Information Processing Systems (NeurIPS), 2023. URL: https://arxiv.org/pdf/2305.05065.

Шахмаметова Г.Р., Зулкарнеев Р.Х., Евграфов А. А. Методы обработки текстовых данных в системе принятия клинических решений при диагностике болезней органов дыхания // Информационные технологии интеллектуальной поддерж-ки принятия решений (ITIDS'2019): труды VII Всеросс. научн. конф.: в 3 томах. Том 2. Уфа : УГАТУ, 2019, С. 245-248. EDN LMAEVT. [[ G.R. Shakhmametova, R. Kh.Zulkarneev, A. A. Evgrafov, (in Russian), // Proc. Information Technologies for Intelligent Decision Support (ITIDS'2019), Ufa, Russia, 2019, pp. 245-248. EDN LMAEVT. ]].

Власов Д. Ю., Пальчунов Д. Е., Степанов П. А. Автоматизация извлечения отношений между понятиями из текстов естественного языка // Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2010. Т. 8, № 3. С. 23-33. [[ D. Yu. Vlasov, D. E. Palchunov, P. A. Stepanov “Automation of extraction of relations between concepts from natural language texts,” (in Russian) // Vestnik NSU. Series: Information Technologies, vol. 8, no. 3, pp. 23-33, 2010. ]].

Жеребцова Ю. А., Чижик А. В. Сравнение моделей векторного представления текстов в задаче создания чатбота // Вестник НГУ. Серия: Лингвистика и межкультурная коммуникация. 2020. Т. 18, № 3. С. 16–34. [[ Yu. A. Zherebtsova, A. V Chizhik. “Text vectorization methods for retrieval-based chatbot,” (in Russian) // NSU Vestnik. Series: Linguistics and Intercultural Communication, vol. 18, no. 3, pp. 16-34, 2020, . DOI 10.25205/1818-7935-2020-18-3-16-34 ]].

Тихомиров М. М. Методы автоматизированного пополнения графов знаний на основе векторных представлений: дис…. канд. физ.-мат. наук: 05.13.11. М., 2022. 119 с. [[ Tikhomirov M. M. Methods of Automated Replenishment of Graph Knowledge Based on Vector Representations (in Russian): Diss. Cand. of Phys. and Math. Sci.: 05.13.11. Moscow, 2022. ]].

Baroni M., Lenci A., "How we BLESSed distributional semantic evaluation" // Proc. GEMS 2011 Workshop on Geometrical Models of Natural Language Semantics, Association for Computational Linguistics, 2011, pp.1-10.

Жаббарова Р. У., Бурнашев Р. Ф. Инструментарий обработки лингвистической информации // Science and Education. 2023. Т.4, № 4. С. 654–664. [[ R. U. Zhabbarova, R. F. Burnashev “Tools for processing linguistic information,” (in Russian) // Science and Education, vol. 4, no. 4, pp. 654–664, 2023. ]].

Шульман В. Д., Максименко О. Е., Волхонцева П. Д., Анализ программных средств морфологического анализа // Международный журнал гуманитарных и естественных наук. 2022. T. 3-2., № 66. С. 166–170. [[ V. D. Shulman, O. E. Maksi-menko, P. D. Volkhontseva “Analysis of morphological analysis soft-ware tools,” (in Russian) // International Journal of Humanities and Natural Sciences, vol. 3-2, no. 66, pp. 166-170, 2022. ]].

Loukachevitch N. V., “Corpus-based check-up for thesaurus” // Proc. I57th Annual Meeting of the Association for Computational Linguistics, 2019, pp. 5773–5779.

Зиновьев М. С., Нургаянова О. С. Прогнозирование вероятности развития диабетической ретинопатии у пациентов с сахарным диабетом: анализ методов машинного обучения // СИИТ. 2024. Т. 6, № 3(18). С. 95-101. EDN VLFFLP. [[ Zinoviev M. S., Nurgayanova O. S. “Predicting the probability of developing diabetic retinopathy in patients with diabetes mellitus: analysis of machine learning methods” // SIIT. 2024. Vol. 6, No. 3(18), pp. 95-101. EDN VLFFLP. (In Russian). ]]

Шапошникова А. С., Богданов М. Р. Определение сердечного ритма плода по неинвазивному ЭКГ с применением различных фильтров // СИИТ. 2023. Т. 5, № 6(15). С. 32-37. EDN WBBOVK. [[ Shaposhnikova A. S., Bogdanov M. R. “Determination of fetal heart rate by non-invasive ECG” // SIIT. 2023. Vol. 5, No. 6(15), pp. 32-37. EDN WBBOVK. (In Russian). ]]

Зиновьев М. С., Нургаянова О. С. Оценка индивидуального риска развития сахарного диабета второго типа и возможных осложнений // СИИТ. 2023. Т. 5, № 4(13). С. 101-110. EDN HIIXFH. [[ Zinoviev M. S., Nurgayanova O. S. “Assessment of individual risk of developing type 2 diabetes mellitus and possible complications” // SIIT. 2023. Vol. 5, No. 4(13), pp. 101-110. EDN HIIXFH. (In Russian). ]]

Шалфеева Е. А. Методология производства жизнеспособных систем доверительного искусственного интеллекта // СИИТ. 2023. Т. 5, № 4(13). С. 28-49. EDN CJTKQH. [[ Shalfeeva E. A. “Methodology for the production of viable systems of trustworthy artificial intelligence” // SIIT. 2023. Vol. 5, No. 4(13), pp. 28-49. EDN CJTKQH. (In Russian). ]]

Юсупова Н. И., Нургаянова О. С., Зулкарнеев Р. Х. Формализация этапов риск-анализа в СППР с учетом оценок клинических рисков при бронхолегочных заболеваниях // СИИТ. 2023. Т. 5, № 1(10). С. 11-24. EDN KHIIHT. [[ Yusupova N. I., Nurgayanova O. S., Zulkarneev R. Kh. “Formalization of risk analysis stages in decision support system taking into account clinical risk assessments for bronchopulmonary diseases” // SIIT. 2023. Vol. 5, No. 1(10), pp. 11-24. EDN KHIIHT. (In Russian). ]]

Шахмаметова Г. Р., Христодуло А. Д., Береговая С. П. Анализ эндокринологических данных на основе моделей классификации // СИИТ. 2022. Т. 4, № 2(9). С. 30-36. EDN LBZVZL. [[ Shakhmametova G. R., Khristodullo A. D., Beregovaya S. P. “Analysis of endocrinological data based on classification” // SIIT. 2022. Vol. 4, No. 2(9), pp. 30-36. EDN LBZVZL. (In Russian). ]]

Насыров Р. В. Причинный подход к построению бионических вычислений на основе рекурсивных моделей анализа данных // СИИТ. 2022. Т. 4, № 1(8). С. 27-36. EDN UOMMOU. [[ Nasyrov R. V. “Causal approach to the construction of bionic computations based on recursive models” // SIIT. 2022. Vol. 4, No. 1(8), pp. 27-36. EDN UOMMOU. (In Russian). ]]

Слепов Д. С. Анализ тенденций развития информационных технологий в условиях распространения новой коронавирусной инфекции (на примере Республики Башкортостан) // СИИТ. 2021. Т. 3, № 3(7). С. 30-36. EDN QOFNKC. [[ Slepov D.S. “Analysis of trends in the development of information technologies in the context of the spread of a new coronavirus infection (on the example of the Republic of Bashkortostan)” // SIIT. 2021. Vol. 3, No. 3(7), pp. 30-36. EDN QOFNKC. (In Russian). ]]

Николаева М. А., Агадуллина А. И. Математическое обеспечение системы анализа гериатрических рисков // СИИТ. 2020. Т. 2, № 2(4). С. 66-72. EDN NODUDY. [[ Nikolaeva M. A., Agadullina A. I. “Mathematical support for the geriatric risk analysis system” // SIIT. 2020. Vol. 2, No. 2(4), pp. 66-72. EDN NODUDY. (In Russian). ]]

Бухарбаева Л. Я., Франц М. В., Кондрова Н. С. Информационные технологии оценки бремени болезней и формирования оптимальных профилактических программ // СИИТ. 2020. Т. 2, № 1(3). С. 67-72. EDN UFNOJX. [[ Bukharbaeva L. Ya., Franz M. V., Kondrova N. S. “Information technologies for assessing the burden of diseases and forming optimal preventive programs” // SIIT. 2020. Vol. 2, No. 1(3), pp. 67-72. EDN UFNOJX. (In Russian). ]]


Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2024 Е. А. Коровин, С. А. Чиглинцева, Е. Ю. Сазонова, О. Н. Сметанина