Разработка интеллектуального модуля на основе методов многокритериального анализа и методов ИИ в задачах постановки диагноза и назначения лечения больным ТЭЛА

В современной клинической практике наука достигла серьезных успехов. Сейчас есть, как теоретическая, так и практическая базы, которые позволяют справиться с такими заболеваниями, с которыми медицина прошлых веков оказывалась бессильна. Однако остаются осложнения, в клинике внутренних болезней, являющие актуальной проблемой, связанной с высоким ростом распространения и высокой долей вероятности летального исхода. Патологии, которые без точной и своевременной диагностики, приведут не только к неправильной постановке диагноза, но и к ухудшению здоровья или даже смерти. Например, тромбоэмболия легочной артерии. ТЭЛА является распространенной сердечнососудистой болезнью и встречается в практике у врачей многих специальностей. Тромбоэмболия появляется, как правило, внезапно, не имеет конкретных признаков, трудно и во множестве случаев, несвоевременно диагностируется, приводя к высокой смертности. Качественный сбор и проведение полного анамнеза пациента на ранних этапах спасет жизни многим людям. Но и усложнит задачу врачам. Не так просто принять верное решение в постановке диагноза и назначения лечения, ведь объем медицинских данных огромен, а в некоторых случаях совокупность сведений, полученных при медицинском обследовании, может быть противоречива или ложна. Чтобы быстро помочь пациенту, врачам в помощь придет, помимо собственного, еще один интеллект — искусственный. Объект исследования – интеллектуальный модуль на основе методов многокритериального анализа и методов искусственного интеллекта, система сбора и обработки медицинских данных для постановки диагноза и назначения лечения больным ТЭЛА в ГБУЗ Самарский областной клинический кардиологический диспансер им. В.П. Полякова. Предмет исследования - повышения точности прогнозирования в задачах постановки диагноза и назначения лечения и повышение точности диагностики на входе у пациента с заболеванием тромбоэмболии легочной артерии. Целью работы является разработка модуля прогнозирования заболевания, с последующим сбором медицинских данных и самообучением с помощью языка программирования Python и библиотеки Pandas и использованием алгоритмов машинного обучения для повышения точности диагностики и оптимизации тактики лечения патологии тромбоэмболии легочной артерии при сопоставлении клинико-диагностических и лабораторно-инструментальных данных. Основным пунктом научной/методологической новизны диссертации является проведенный анализ литературы и нормативно-справочной документации, по результатам исследования которой был написан модуль, который прогнозирует клиническую вероятность ТЭЛА для заполненной медицинской карты: будет ли этому пациенту поставлен правильный диагноз и определена верная тактика лечения. В процессе выполнения работы были использованы следующие инструменты: Python – язык программирования высокого уровня, Pandas - это из популярных библиотек Python, статистический функционал функционал MS Exsel и IBMSPSSv25.

Медицина и здравоохранение
Диссертации

Вуз: Поволжский государственный университет телекоммуникаций и информатики (ПГУТИ)

ID: 60432558ccefde00012bc3cb
UUID: a63b1a30-6075-0139-2c0f-0242ac180002
Язык: Русский
Опубликовано: больше 3 лет назад
Просмотры: 122

12.94

Болвашенков Иван

Поволжский государственный университет телекоммуникаций и информатики (ПГУТИ)


0

Комментировать 2

Рецензировать 0

Скачать - 1,6 МБ


Поделиться работой
Current View

Рецензии:

  Авторизуйтесь, чтобы добавить рецензию

- у работы пока нет рецензий -


12.94
Болвашенков Иван

Благодаря предсказательной способности нейронной сети и нахождению новых неучтенных параметров можно классифицировать важность тех или иных полей. Опрос и последующая тренировка покажет наличие не только неучтенных важных параметров, ранее не применявшихся в задачах постановки диагноза и назначения лечения больным ТЭЛА. Но и в отсутствие у некоторых параметров верного прогноза для характерного типа заболевания.


0.5
Олег Салтыков

На чем основывается вывод о том, что можно создать новую прогностическую шкалу для оценки клинической вероятности ТЭЛА?

Для лиц старше 18 лет