Новый месяц — новые заботы! И, конечно же, работы. Ещё два заметных издания разродились сразу двумя научными публикациями сотрудников 75 отдела Института проблем искусственного интеллекта ФИЦ ИУ РАН. И связывают их не только имена Бориса Кобринского, Николая Благосклонова и Артёма Николаева, но и клиническая тематика исследований с активным применением ИИ.
Так, в журнале «Программные продукты и системы» вышел обширный материал «Модификация аргументационного алгоритма в задачах классификации» (ссылка), где учёные продемонстрировали модификацию алгоритма аргументационных рассуждений для знакомой нам не понаслышке интеллектуальной рекомендательной системы ИИ-ГИППОКРАТ, которая обеспечивает формирование гипотез с персональными рекомендациями по здоровьесбережению.
Поводом для создания модификации послужила ситуация потери отдельных гипотез для определённого класса задач при выдаче множества гипотез об одновременно выявленных нескольких заболеваниях. Скажем, когда вы получаете слишком много предупреждений или рекомендаций, включая совсем несущественные, и просто игнорируете их вне зависимости от значимости, что, конечно, сказывается на выборе действительно нужных, а порой и жизненно важных советов системы.
Предложенный подход помогает не только формировать и аргументировать более одной гипотезы при дифференциальной диагностике или прогнозировании, но и выделять ведущую гипотезу, сопровождаемую признаками, характеризующими весь спектр первично сформированных гипотез. Т. е. обеспечивает мягкое уменьшение числа гипотез при выделении из них одной или более ведущих, соответствующих наличию более одного подкласса или группы болезней. Что, соответственно, повышает уровень ясности ведущих гипотез для пользователя при одновременном получении всего комплекса обнаруженных аргументов.
В другой работе для «Сибирского журнала клинической и экспериментальной медицины», а также государственного задания «Системы искусственного интеллекта, извлечения знаний и анализа текстов», наши коллеги досконально изучили архитектуру эксертной экспертной системы поддержки принятий решений для дифференциальной диагностики лизосомных болезней накопления (ЛБН) ГенДиЭС на долабораторном этапе диагностики.
Материалом исследования послужили 30 клинических форм ЛБН, описанных 35 признаками на основе трёх взаимно дополняющих экспертных оценок: коэффициента модальности, факторов уверенности манифестации и выраженности. Полученные и уточнённые сведения послужили основой для формирования базы знаний интеллектуальной системы. Для клинической апробации брали деперсонифицированные выписки из электронных медицинских карт детей с ЛБН. Для построения интеллектуальной системы были задействованы методы инженерии знаний (для извлечения и структуризации знаний), матричный подход (для представления правил базы знаний), а также информационное и программное обеспечение для реализации архитектуры интеллектуальной системы.
Результаты клинической апробации были благополучно описаны в статье «Система искусственного интеллекта для диагностики редких заболеваний: принципы построения и результаты клинической апробации» (ссылка), где модифицированная ГенДиЭС в виде уютного веб-приложения не только показала высокую точность на долабораторном этапе диагностики, но и стала доступной для обращения обычным лечащим врачам с любого электронного устройства. Наша школа!
Cсылки по теме: