Разработка системы поддержки принятия врачебных решений

Статья посвящена разработке интеллектуальной системы поддержки принятия врачебных решений (СППВР), предназначенной для снижения нагрузки на врачей и повышения точности дифференциальной диагностики. В качестве ключевой особенности предлагается гибридная модель, которая способна анализировать неструктурированный клинический анамнез на русском языке. Описываются архитектура системы, включая структуру базы знаний, модуль предобработки текста и гибридный механизм извлечения симптомов, сочетающий лингвистические правила и семантический анализ на основе нейросетевой модели BERT.

1. Смышляев А.В., Мельников Ю.Ю., Садовская М.А. Нормативно-правовое регулирование развития цифровых технологий в здравоохранении в Российской Федерации // Главный врач Юга России. — 2020. — № 2. — С. 15–18.

2. Указ Президента Российской Федерации от 07 мая 2024 г. № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года». Доступно по: http://kremlin.ru/events/president/news/73986. Ссылка активна на 30.08.2025.

3. Указ Президента Российской Федерации от 06 июня 2019 г. № 254 «О Стратегии развития здравоохранения в Российской Федерации на период до 2025 года». Доступно по: http://kremlin.ru/acts/bank/44326. Ссылка активна на 30.08.2025.

4. Improving Diagnosis in Health Care. Balogh EP, Miller BT, Ball JR, eds. Washington (DC): National Academies Press (US); 2015. 472 p. doi: https://doi.org/10.17226/21794

5. Махамбетчин М.М., Лохвицкий С.В., Тургунов Е.М., Шакеев К.Т. Врачебные ошибки — причины и противоречия // Клиническая медицина. — 2021. — Т. 99. — № 7-8 — C. 469–475. — doi: https://doi.org/10.30629/0023-2149-2021-99-7-8-469-475.

6. Kwan JL, Lo L, Ferguson J, et al. Computerised clinical decision support systems and absolute improvements in care: meta-analysis of controlled clinical trials. BMJ. 2020;370:m3216. doi: https://doi.org/10.1136/bmj.m3216

7. Jiang F, Jiang Y, Zhi H, et al. Artificial intelligence in healthcare: past, present and future. Stroke Vasc Neurol. 2017;2(4):230–243. doi: https://doi.org/10.1136/svn-2017-000101

8. Wang X, Zhao J, Marostica E, et al. A pathology foundation model for cancer diagnosis and prognosis prediction. Nature. 2024;634(8035):970–978. doi: https://doi.org/10.1038/s41586-024-07894-z

9. Yao S, Wang R, Qian K, Zhang Y. Real world study for the concordance between IBM Watson for Oncology and clinical practice in advanced non-small cell lung cancer patients at a lung cancer center in China. Thoracic Cancer. 2020;11(5):1265–1270. doi: https://doi.org/10.1111/1759-7714.13391

10. Sagheb E, Wi CI, King KS, et al. AI model for predicting asthma prognosis in children. J Allergy Clin Immunol Glob. 2025;4(2):100429. doi: https://doi.org/10.1016/j.jacig.2025.100429

11. Jayaraman P, Desman J, Sabounchi M, et al. A Primer on Reinforcement Learning in Medicine for Clinicians. NPJ Digital Medicine. 2024;7(1):337. doi: https://doi.org/10.1038/s41746-024-01316-0

12. Gogoberidze YT, Klassen VI, Natenzon MY, et al. PhthisisBioMed artificial medical intelligence: software for automated analysis of digital chest x-ray/fluorograms. Sovrem Tehnologii Med. 2023;15(4):5. doi: https://doi.org/10.17691/stm2023.15.4.01

13. Ускова К.А., Гаранина О.Е., Ухаров А.О. и др. Возможности оптимизации скрининга новообразований кожи // Медицинский альманах. — 2024. — № 1. — С. 69–75.

14. Доан Дык Ха. Алгоритмы анализа информации и поддержки принятия решений в медицинских технологических процессах: автореф. дис. ... канд. тех. наук. — Рязань; 2018. — 24 с.

15. Зарубина Т.В., Пашкина Е.С. Перспективы использования систематизированной номенклатуры медицинских терминов (SNOMED CT) в России // Врач и информационные технологии. — 2012. — № 4. — С. 4–14.

16. Lin C, Hsu CJ, Lou YS, et al. Artificial Intelligence Learning Semantics via External Resources for Classifying Diagnosis Codes in Discharge Notes. J Med Internet Res. 2017;19(11):380. doi: https://doi.org/10.2196/jmir.8344

17. Bechman M. rapidfuzz/RapidFuzz: Release 3.13.0. Zenodo. 2025. doi: https://doi.org/10.5281/zenodo.15133267

18. Kolesnikova A, Kuratov Y, Konovalov V, Burtsev M. Knowledge Distillation of Russian Language Models with Reduction of Vocabulary. arXiv. 2022. doi: https://doi.org/10.48550/ARXIV.2205.02340.