Генерация базы знаний для создания системы поддержки принятия врачебных решений по управлению процессом лечения

В стратегии научно-технологического развития Российской Федерации в приоритете обозначено формирование новых подходов к лечению туберкулеза, включая формы с множественной лекарственной устойчивостью. В современных условиях выполнение данной задачи невозможно без интенсивного внедрения передовых цифровых и интеллектуальных технологий, роботизированных систем и систем, использующих методы искусственного интеллекта. Данный подход должен начинаться с важного компонента – создания базы знаний.

Цель работы: разработка базы знаний медикаментозной терапии на основе соответствующей онтологии, сборка прототипа системы поддержки принятия врачебных решений для управления процессами лечения туберкулеза легких.

Материал и методы. В качестве модели использован туберкулез легких, где для лечения применяются единые стандартные подходы с ограниченным набором специфической химиотерапии. Использованы актуальные научные данные и рекомендации по лечению туберкулеза легких у взрослых, согласно клиническим рекомендациям, утвержденным Министерством здравоохранения Российской Федерации в 2022 г. Для реализации интеллектуального сервиса применяется платформа IACPaaS.

Результаты. Создана база знаний для управления процессом лечения пациентов с туберкулезом легких, которая позволяет структурировать знания о медикаментозной терапии туберкулеза, определить понятия, отношения и аксиомы, описывающие данный процесс. Каждый элемент онтологии включает сложно структурированный блок условий, позволяющий описать в формальном представлении необходимые клинические критерии, которые определяют условия создания интеллектуального ассистента врача фтизиатра.

Заключение. Генерация базы знаний позволит перейти к персонализированной медицине за счет рационального применения препаратов, что даст возможность сократить сроки и повысить эффективность лечения заболевания.

1. Васильева И.А., Белиловский Е.М., Борисов С.Е., Стерликов С.А. Туберкулез с множественной лекарственной устойчивостью возбудителя в странах мира и в Российской Федерации. Туберкулез и болезни легких. 2017;95(11):5–17. DOI: 10.21292/2075-1230-2017-95-11-5-17.

2. Омарова А.Р., Ибрагимова С.И. Мультирезистентный туберкулез легких (литературный обзор). Теория и практика современной науки. 2018;32(2):453–456.

3. Эльгали А.И., Асеев А.В., Рясенский Д.С., Гришкина Н.А. Отдаленные результаты лечения у больных лекарственно-резистентным туберкулезом легких при неэффективности предшествующей терапии. Эпидемиология и инфекционные болезни. 2019;24(2):88–91. DOI: 10.18821/1560-9529-2019-24-2-88-91.

4. Дьяков А.В. Эффективность лечения больных туберкулезом с широкой лекарственной устойчивостью возбудителя, проживающих в сельской местности. Вестник Центрального научно-исследовательского института туберкулеза. 2021;(1):161–162. DOI: 10.7868/S2587667821050721.

5. Савинцева Е.В., Алиева А.Р., Иванова Л.М., Козлова Т.П., Битнева А.М. Медико-социальный портрет больных туберкулезом легких с лекарственной устойчивостью МБТ. Форум молодых ученых. 2019;32(4):922–928.

6. Комиссарова О.Г., Чумакова Е.С., Абдуллаев Р.Ю., Одинец В.С. Эффективность лечения впервые выявленных больных туберкулезом с МЛУ возбудителя при раннем определении лекарственной устойчивости МБТ к рифампицину. Уральский медицинский журнал. 2018;163(8):47–52. DOI: 10.25694/URMJ.2018.05.50.

7. Лепшина С.М., Атаев О.В., Сердюк О.В., Юровская Е.И. Эффективность лечения больных мультирезистентным туберкулезом в зависимости от сроков выявления туберкулеза. Вестник гигиены и эпидемиологии. 2019;23(4):360–363.

8. Арбузова Е.В., Джазыбекова П.М., Аденов М.М. Цифровые технологии в национальной туберкулезной программе республики Казахстан. Фтизиопульмонология. 2022;1:236–239. DOI: 10.56834/26631504_2022_1_236.

9. Наркевич А.Н., Виноградов К.А., Гржибовский А.М. Интеллектуальные методы анализа данных в биомедицинских исследованиях: деревья классификации. Экология человека. 2021;3:54–64. DOI: 10.33396/HUMECO0354-64-47297.

10. Gribova V., Kovalev R., Okun D. A Specialized Shell for Intelligent Systems of Prescribing Medication. Scientific and Technical Information Processing. 2021; 48 (5):1–11. DOI: 10.3103/S0147688221050038.

11. Грибова В.В., Окунь Д.Б. Онтологии для формирования баз знаний и реализации лечебных мероприятий в медицинских интеллектуальных системах. Информатика и системы управления. 2018;57(3):71–80. DOI: 10.22250/isu.2018.57.71–80.

12. Туберкулез у взрослых: Клинические рекомендации. Общероссийская общественная организация «Российское общество фтизиатров», Национальная ассоциация некоммерческих организаций фтизиатров «Ассоциация фтизиатров». Утверждены Министерством здравоохранения Российской Федерации. М.; 2022:45–48.

13. Переволоцкий В.С., Грибова В.В. Подход к автоматическому формированию баз знаний на основе онтологий. Научный аспект. 2023;2(2):213–221.

14. Бородулин Б.Е., Бородулина Е.А., Еременко Е.П. Амбулаторная фтизиатрия: учебное пособие. М.: КноРус; 2022:432.

15. Гайда А.И., Абрамченко А.В., Романова М.И., Тоичкина Т.В., Бурыхин В.С., Борисов С.Е. и др. Обоснование длительности химиотерапии больных туберкулезом с множественной и преширокой лекарственной устойчивостью возбудителя в Российской Федерации. Туберкулез и болезни легких. 2022;100(12):44–53. 10.21292/2075-1230-2022-100-12-44-53.

16. Рыжкова О.А, Стрельцова Е.Н. Структура лекарственной устойчивости M. Tuberculosis у впервые выявленных больных туберкулезом органов дыхания. Вестник ЦНИИТ. 2021;(3):54–60. DOI: 10.7868/S2587667821030067.

17. Gribova V., Moskalenko P., Timchenko V., Shalfeyeva E. Intelligent services development technology using the IACPaaS cloud platform. In: Golenkov V., Krasnoproshin V., Golovko V., Shunkevich D. (eds.) Open semantic technologies for intelligent systems. OSTIS 2021. Communications in computer and information science. Springer, Cham. 2022;1625:19–38. (In Russ.). DOI: 10.1007/978-3-031-15882-7_2.

18. Грибова В.В., Москаленко Ф.М., Тимченко В.А., Шалфеева Е.А. Платформа IACPaaS для разработки систем на основе онтологий: десятилетие использования. Искусственный интеллект и принятие решений. 2022;4:55–65. DOI: 10.14357/20718594220406.

19. Грибова В.В., Окунь Д.Б., Шалфеева Е.А., Щеглов Б.О., Щелканов М.Ю. Облачный сервис для дифференциальной клинической диагностики острых респираторных вирусных инфекций (в том числе – связанных с особо опасными коронавирусами) методами искусственного интеллекта. Якутский медицинский журнал. 2020;2:44–47. DOI: 10.25789/YMJ.2020.70.13.

20. Wong W., Liu W., Bennamoun M. Ontology learning from text: A look back and into the future. ACM Comput. Surv. 2012;44(4):1–36. (In Russ.). DOI: 10.1145/2333112.2333115.