Academic Journal
Модель искусственного интеллекта с позиции доказательной медицины в определении тактики при подозрении на ишемическую болезнь сердца
| Τίτλος: | Модель искусственного интеллекта с позиции доказательной медицины в определении тактики при подозрении на ишемическую болезнь сердца |
|---|---|
| Στοιχεία εκδότη: | ООО Цифра, 2025. |
| Έτος έκδοσης: | 2025 |
| Θεματικοί όροι: | искусственный интеллект, Bayesian networks, доказательная медицина, байесовские сети, cardiology, кардиология, ишемическая болезнь сердца, coronary heart disease, artificial intelligence, evidence-based medicine |
| Περιγραφή: | Objective. The application of an artificial intelligence (AI) model will enable the integration of a decision support system (DSS) based on Bayesian networks into cardiology practice.Materials and methods. The creation of AI model with integration of Bayesian networks is based on the estimation of probability by the totality of symptoms and laboratory tests with time series analysis (% recurrence ratio in different forms of CHD and evidence-based medicine data).Results. According to clinical guidelines based on a huge evidence base, practical research and treatment of cardiovascular system, an AI model based on Bayesian networks has been developed, which in general will display DSS to assist the cardiologist in daily work, AI will allow the cardiologist to substantiate and individualise rational tactics in suspected CHD, taking into account a large flow of professional information. The presented AI-enabled model is a precursor to the creation of a programme incorporating an additional amount of information. Bayesian networks are represented by the values of St-1 and Yt-1 (input neurons, which depend only on the values of the latent variables St and Yt (latent neurons at time t). Comparison of St-1 and Yt-1 (number of clinical symptoms paired with laboratory tests) with the unobserved random variables St and Yt (number of symptoms from an evidence-based medicine perspective) identifies the conditional distribution of St+1 and Yt+1 (output neurons) with subsequent prediction of tactics for suspected CHD.Conclusions. The novelty of the research is due to the evidence-based principle of scientific and clinical research in cardiology using the AI model, which will allow the integration of DSS for a personalised approach in the interpretation of tactics in suspected CHD. Provides the opportunity to update the programme with a high level of evidence and periodicity, taking into account the comorbidity of cardiac and therapeutic pathology. To develop educational clinical thinking from the student level in the context of the digitalisation of medicine. Цель. Применение модели искусственного интеллекта (ИИ) позволит интегрировать систему поддержки принятия решений (СППР) на базе байесовских сетей в кардиологическую практику.Материалы и методы. Создание модели ИИ с интеграцией байесовских сетей основывается на оценке вероятности по совокупности симптомов и лабораторных исследований с анализом временных рядов (% соотношение повторяемости при различных формах ИБС и данными доказательной медицины).Результаты. Согласно клиническим рекомендациям, основанным на огромной доказательной базе, практических исследованиях и лечении сердечно-сосудистой системы, разработана модель ИИ на базе байесовских сетей, что в целом будет отображать СППР, помогающую кардиологу в повседневной работе, ИИ позволит кардиологу аргументировать и индивидуализировать рациональную тактику при подозрении на ИБС, учитывая большой поток профессиональной информации. Представленная модель с применением ИИ является предшественником создания программы, включающей дополнительный объем информации. Байесовские сети представлены величинами St-1 и Yt-1 (входные нейроны, которые зависят только от значений скрытых переменных St и Yt (скрытые нейроны в момент времени t). Сопоставление St-1 и Yt-1 (количество клинических симптомов, сопряженных с лабораторными анализами) с ненаблюдаемыми случайными величинами St и Yt (количество симптомов с позиции доказательной медицины) выявляет условное распределение St+1 и Yt+1 (выходные нейроны) с последующим прогнозом тактики при подозрении на ИБС.Выводы. Новизна исследований обусловлена доказательным принципом научных и клинических исследований в кардиологии с использованием модели ИИ, что позволит интегрировать СППР для персонализированного подхода в интерпретации тактики при подозрении на ИБС. Дает возможность с высоким уровнем доказательности и периодичности обновлять программу, учитывая коморбидность кардиологической и терапевтической патологии. Развивать образовательное клиническое мышление со студенческой скамьи в условиях цифровизации медицины. Международный научно-исследовательский журнал, Выпуск 6 (156) 2025 |
| Τύπος εγγράφου: | Article |
| Γλώσσα: | Russian |
| DOI: | 10.60797/irj.2025.156.47 |
| Rights: | CC BY |
| Αριθμός Καταχώρησης: | edsair.doi...........ce146c1c7f6eb986fed04ffd1ac04bd8 |
| Βάση Δεδομένων: | OpenAIRE |
| DOI: | 10.60797/irj.2025.156.47 |
|---|