2023
Article
Сердечно-сосудистые заболевания (ССЗ) являются основной причиной смертности в большинстве стран мира, что делает точную оценку рисков и индивидуальные стратегии профилактики актуальным направлением в здравоохранении. В этой статье авторы представили прототип системы поддержки принятия клинических решений (CDSS) для прогнозирования и профилактики сердечно-сосудистых рисков, основанной на гибридной архитектуре, которая объединяет модели машинного обучения и онтологические базы знаний. Для оптимизации вычислительных ресурсов и облегчения интеграции с различными медицинскими информационными системами предложена микросервисная архитектура, основанная на облачном подходе. Объяснимость имеет первостепенное значение для успеха CDSS и ее приемлемости для медицинских работников, поэтому система применяет принципы объяснимого искусственного интеллекта (XAI) для предоставления результатов прогностических моделей и выработки рекомендаций. Разработанный CDS включает в себя широко используемые в клинической кардиологии и кардиохирургии инструменты для измерения риска (SCORE, SCORE 2, GRACE, EuroSCORE II, Diamond-Forrester и др.), а также запатентованные модели машинного обучения для прогнозирования госпитальной смертности, развития послеоперационной фибрилляции предсердий и вероятности обструктивная болезнь коронарных артерий. Эти модели способствуют принятию обоснованных медицинских решений по диагностике, профилактике и лечению сердечно-сосудистых заболеваний. Прототип системы был внедрен в Медицинском центре Дальневосточного федерального университета (ДВФУ) и интегрирован с медицинской информационной системой "1С". Опыт внедрения прототипа показал высокий потенциал гибридных CDS на основе микросервисной архитектуры для использования в клинической практике.