neurosurgeryНейрохирургияRussian journal of neurosurgery1683-32952587-7569Издательский дом "МедИНК"10.17650/1683-3295-2021-23-4-121-125neurosurgery-1127Research ArticleПУБЛИЦИСТИКАPUBLICISMКогнитивный анализ клинических данных в структуре принятия врачебного решенияDecision support technology for clinical data cognitive analysishttps://orcid.org/0000-0002-9983-7163ЛавриненкоН. В.LavrinenkoN. V.

170024 Тверь, ул. М. Конева, 71

71 M. Koneva St., Tver 170024

https://orcid.org/0000-0002-5509-5612ГуляевД. А.GulyaevD. A.

Дмитрий Александрович Гуляев 

191104 Санкт-Петербург, ул. Маяковского, 12

191015 Санкт-Петербург, ул. Кирочная, 41

Dmitry Aleksandrovich Gulyaev 

12 Mayakovsky St., St. Petersburg 191104

41 Kirochnaya St., St. Petersburg 191015

spb.gda@yandex.ruhttps://orcid.org/0000-0003-0319-814XМануковскийВ. А.ManukovskiyV. A.

191015 Санкт-Петербург, ул. Кирочная, 41

41 Kirochnaya St., St. Petersburg 191015

ГБУЗ «Клиническая больница скорой медицинской помощи»РоссияClinical Emergency HospitalRussian FederationФГБУ «Национальный медицинский исследовательский центр им. В.А. Алмазова» Минздрава России; ФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава РоссииРоссияV.A. Almazov National Medical Research Center; North-Western State Medical University named after I.I. MechnikovRussian FederationФГБОУ ВО «Северо-Западный государственный медицинский университет им. И.И. Мечникова» Минздрава РоссииРоссияNorth-Western State Medical University named after I.I. MechnikovRussian Federation202118012022234121125Copyright © Лавриненко Н.В., Гуляев Д.А., Мануковский В.А., 20222022Лавриненко Н.В., Гуляев Д.А., Мануковский В.А.Lavrinenko N.V., Gulyaev D.A., Manukovskiy V.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.therjn.com/jour/article/view/1127

Практикующий врач в своей повседневной деятельности сталкивается с проблемами принятия решений в условиях неопределенности, обилия разнородной информации о больном. Вопросы диагностики, определение ведущих модальностей ведения пациента связаны с необходимостью качественного прогнозирования течения заболевания, расчета рисков развития осложнений и неблагоприятного исхода, что особенно проблематично в условиях экстренной службы. Человеческий мозг значительно уступает современным компьютерам в вычислительной мощности, однако он способен моментально интерпретировать информацию и анализировать ее, кроме того, он способен обучаться, формировать представления, делать выводы. Попытка объединения вычислительной мощности и интуитивного анализа, свойственного человеческому мозгу, нашла отражение в построении компьютерных программ на основе нейронных сетей. Вместе с развитием информационных технологий, разработкой новых конфигураций нейросетей и принципов их обучения открываются все большие возможности их использования в сфере решения слабоструктурированных задач, с которыми сталкивается врач в своей повседневной практике.

A practicing physician is faced with decision-making problems in uncertainty terms in his daily activities such as a lot of different information about the patient. Diagnostic issues, identification of patient management leading modalities is associated with the demand for high-quality prognosis of the disease course, calculating the risks of complications and adverse outcomes that especially problematic in emergency situations. The human brain is significantly surrender to modern computers in processing power, but it is able to instantly interpret information and analyze it, and also it is able to learn, form ideas, make conclusions. Attempt of association both the computational power and human brain intuitive analysis was reflected in the construction of computer programs based on the “Neural networks”. Together with the information technology development, the design of new neural networks configurations, and their training principles, its chances turn up in the physician daily activity decision making sphere.

нейросетьсистема поддержки принятия врачебных решенийклинический диагнозкогнитивный анализneural networkdecision support technologyDSTclinical diagnosisReferencesСвяточевский П.А., Гуляев Д.А., Орлов В.Н. и др. Исследование динамики хирургической активности в отношении гипертензивных внутримозговых гематом с помощью математического моделирования на примере Республики Чувашия. Саратовский научно-медицинский журнал 2019;15(2):308–12. [Svyatochevsky P.A., Gulyaev D.A., Orlov V.N. et al. Investigation of the dynamics of surgical activity in relation to hypertensive intracerebral hematomas using mathematical modeling on the example of the Republic of Chuvashia. Saratovskiy nauchnomeditsinskiy zhurnal = Saratov Scientific and Medical Journal 2019;15(2):308–12. (In Russ.)].Святочевский П.А., Гуляев Д.А., Орлов В.Н. и др. Исследование динамики хирургической активности в отношении гипертензивных внутримозговых гематом с помощью математического моделирования на примере Республики Чувашия. Саратовский научно-медицинский журнал 2019;15(2):308–12. [Svyatochevsky P.A., Gulyaev D.A., Orlov V.N. et al. Investigation of the dynamics of surgical activity in relation to hypertensive intracerebral hematomas using mathematical modeling on the example of the Republic of Chuvashia. Saratovskiy nauchnomeditsinskiy zhurnal = Saratov Scientific and Medical Journal 2019;15(2):308–12. (In Russ.)].Старков Е.Ф. Система поддержки принятия решений в медицине. Вестник новых медицинских технологий 2006;13(2). [Starkov E.F. Decision support system in medicine. Vestnik novykh meditsinskikh tekhnologiy = Bulletin of New Medical Technologies 2006;13(2). (In Russ.)].Старков Е.Ф. Система поддержки принятия решений в медицине. Вестник новых медицинских технологий 2006;13(2). [Starkov E.F. Decision support system in medicine. Vestnik novykh meditsinskikh tekhnologiy = Bulletin of New Medical Technologies 2006;13(2). (In Russ.)].Гусев А.В. Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения. Искусственный интеллект в здравоохранении 2017(3):92–106. [Gusev A.V. Prospects of neural networks and deep machine learning in creating solutions for healthcare. Iskusstvennyy intellekt v zdravookhranenii = Artificial intelligence in healthcare 2017(3):92–106. (In Russ.)].Гусев А.В. Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения. Искусственный интеллект в здравоохранении 2017(3):92–106. [Gusev A.V. Prospects of neural networks and deep machine learning in creating solutions for healthcare. Iskusstvennyy intellekt v zdravookhranenii = Artificial intelligence in healthcare 2017(3):92–106. (In Russ.)].McCulloch W.S., Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biophys 1943;5:115–33. DOI: 10.1007/BF02478259.McCulloch W.S., Pitts W. A logical calculus of the ideas immanent in nervous activity. Bull Math Biophys 1943;5:115–33. DOI: 10.1007/BF02478259.Ясницкий Л.Н., Думлер А.А., Богданов К.В. и др. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей. Медицинская техника 2013(3):42–4. [Yasnitskiy L.N., Dumler A.A., Bogdanov K.V. et al. Diagnosis and prediction of the course of diseases of the cardiovascular system based on neural networks. Meditsinskaya tekhnika = Medical equipment 2013(3):42–4. (In Russ.)].Ясницкий Л.Н., Думлер А.А., Богданов К.В. и др. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей. Медицинская техника 2013(3):42–4. [Yasnitskiy L.N., Dumler A.A., Bogdanov K.V. et al. Diagnosis and prediction of the course of diseases of the cardiovascular system based on neural networks. Meditsinskaya tekhnika = Medical equipment 2013(3):42–4. (In Russ.)].Christopher J.J., Ramakrishnan S., Sangeetha S. Wavelet based qualitative assessment of femur bone strength using radiographic imaging. International Journal of Computer and Information Engineering 2008;2(5):1407–10. DOI: 10.5281/zenodo.1074675.Christopher J.J., Ramakrishnan S., Sangeetha S. Wavelet based qualitative assessment of femur bone strength using radiographic imaging. International Journal of Computer and Information Engineering 2008;2(5):1407–10. DOI: 10.5281/zenodo.1074675.Kilic N., Ucan O.N. Colonic polyp detection in CT colonography with fuzzy rule based 3D template matching. J Med Syst 2009;33(1):9–18. DOI: 10.1007/s10916-008-9159-3.Kilic N., Ucan O.N. Colonic polyp detection in CT colonography with fuzzy rule based 3D template matching. J Med Syst 2009;33(1):9–18. DOI: 10.1007/s10916-008-9159-3.Chen H., Xu Y., Ma Y. et al. Neural network ensemble-based computer-aided diagnosis for differentiation of lung nodules on CT images: clinical evaluation. Acad Radiol 2010;17(5):595–602. DOI: 10.1016/j.acra.2009.12.009.Chen H., Xu Y., Ma Y. et al. Neural network ensemble-based computer-aided diagnosis for differentiation of lung nodules on CT images: clinical evaluation. Acad Radiol 2010;17(5):595–602. DOI: 10.1016/j.acra.2009.12.009.Salah B., Alshraideh M., Beidas R. et al. Skin cancer recognition by using a neurofuzzy system. Cancer Informatics 2011; 10(2):1–11. DOI: 10.4137/CIN.S5950.Salah B., Alshraideh M., Beidas R. et al. Skin cancer recognition by using a neurofuzzy system. Cancer Informatics 2011; 10(2):1–11. DOI: 10.4137/CIN.S5950.Mena L.J., Félix V.G., Ochoa A. et al. Mobile personal health monitoring for automated classification of electrocardiogram signals in elderly. Comput Math Methods Med 2018(5):e912805. DOI: 10.1155/2018/9128054 e912805.Mena L.J., Félix V.G., Ochoa A. et al. Mobile personal health monitoring for automated classification of electrocardiogram signals in elderly. Comput Math Methods Med 2018(5):e912805. DOI: 10.1155/2018/9128054 e912805.Toney L.K., Vesselle H.J. Neural networks for nodal staging of non-small cell lung cancer with FDG PET and CT: importance of combining uptake values and sizes of nodes and primary tumor. Radiology 2014;270(1):91–8. DOI: 10.1148/radiol.13122427.Toney L.K., Vesselle H.J. Neural networks for nodal staging of non-small cell lung cancer with FDG PET and CT: importance of combining uptake values and sizes of nodes and primary tumor. Radiology 2014;270(1):91–8. DOI: 10.1148/radiol.13122427.Hirose H., Takayama T., Hozawa S. et al. Prediction of metabolic syndrome using artificial neural network system based on clinical data including insulin resistance index and serum adiponectin. Comput Biol Med 2011;41(11):1051–6. DOI: 10.1016/j.compbiomed.2011.09.005.Hirose H., Takayama T., Hozawa S. et al. Prediction of metabolic syndrome using artificial neural network system based on clinical data including insulin resistance index and serum adiponectin. Comput Biol Med 2011;41(11):1051–6. DOI: 10.1016/j.compbiomed.2011.09.005.Andersson B., Andersson R., Ohlssonb M. et al. Prediction of severe acute pancreatitis at admission to hospital using artificial neural networks. Pancreatology 2011;11(3):328–35. DOI: 10.1159/000327903.Andersson B., Andersson R., Ohlssonb M. et al. Prediction of severe acute pancreatitis at admission to hospital using artificial neural networks. Pancreatology 2011;11(3):328–35. DOI: 10.1159/000327903.Narain R., Saxena S., Goyal A.K. Cardiovascular risk prediction: a comparative study of Framingham and quantum neural network based approach. Patient Prefer Adherence 2016(10):1259–70. DOI: 10.2147/PPA.S108203.Narain R., Saxena S., Goyal A.K. Cardiovascular risk prediction: a comparative study of Framingham and quantum neural network based approach. Patient Prefer Adherence 2016(10):1259–70. DOI: 10.2147/PPA.S108203.Mayer A., Zverinski D., Pfahringer B. et al. Machine learning for real-time prediction of complications in critical care: a retrospective study. Lancet Respir Med 2018;6(12):905–14. DOI: 10.1016/S2213-2600(18)30300-X.Mayer A., Zverinski D., Pfahringer B. et al. Machine learning for real-time prediction of complications in critical care: a retrospective study. Lancet Respir Med 2018;6(12):905–14. DOI: 10.1016/S2213-2600(18)30300-X.

The authors declare that there are no conflicts of interest present.