Тема: РАЗРАБОТКА СИСТЕМЫ ЗАПИСИ К ВРАЧУ ПО СИМПТОМАМ

Компьютерные технологии добрались до повседневных решений, от покупки обуви до выбора недвижимости. Медицина не стала исключением. Так, блокчейн и искусственный интеллект действуют в проектах декодирования генома человека. Эксперименты по внедрению IBM Watson внесли вклад в диагностику рака, а медицинские чат-боты изменили само понятие «прием пациента». [1]
Эксперты уверены, врач тратит 60% времени общения с пациентом на сбор анамнеза. Анкетирование способна провести и медсестра, но это всего лишь переложит работу на другого человека. Разработчики медицинских чат- ботов предлагают качественно новый подход к решению вопроса. Интеллектуальные программы способны опросить больного, зафиксировать жалобы, составить предварительную картину заболевания. Однако ВОЗ предупреждает: в ближайшие 20 лет человечество столкнется с нехваткой врачей и медицинских работников. Поэтому введение чатов заранее решит эту проблему. [1]
Целью данной выпускной квалификационной работы является разработка системы, которая будет определять одно из возможных заболеваний по симптомами с помощью методов классификатора, и осуществлять соответствующую запись к врачу.
Для реализации поставленной цели необходимо решить ряд задач:
- изучить существующие решения;
- выбрать стек технологий (язык программирования, используемые
технологии и библиотеки);
- найти подходящие для решения поставленной задачи датасеты;
- разработать систему CRM, которая осуществляет процесс записи к врачу;
- выбрать подходящие алгоритмы для реализации системы;
- реализовать приложение для демонстрации способности созданной системы опрашивать пользователя, определять общую область заболевания, а также осуществлять запись к врачу.
1. Обзор существующих систем
На сегодняшний день известно большое количество медицинских систем диагностики. В пример можно привести такие системы, как «Webiomed», «MeDiCase». Все они имеют свои особенности и различные подходы. Далее приведён обзор основных методов, которые используются в системах диагностики заболеваний.
- Система на основе правил. Основной идеей данного метода является передача входных параметров от одного правила к другому, пока не будет найдено решение. Основным преимуществом является наличие четкого объяснения решений подсистемы, а также простота реализации. Недостаток - это сложность контроля за счет увелечения правил.
- Анализ решений. В клинической медицине анализ решений включает определение наилучшего действия на основе изучения альтернатив и вывод цепочки подходящих решений. Из преимуществ можно выделить использование вероятностного подхода для плохо определённых медицинских знаний. Недостаток - отсутвие механизма коррекции выходных значений.
- Эврестический метод. За основу взята идея принятия решений по принципу «первое найденное решение - правильное решение». Премуществом является быстрый алгоритм получения решений. Недостаток - отсутствие гарантии нахождения решения, относительно высокая вероятность ошибки.
- Теория нечетких множеств. Основной принцип работы - это выявление степени принадлежности к определенному классу. Преимуществом является оносительно высокая точность результатов. Недостаток - высокие требования к стоимости вычислений.
- Искусственная нейронная сеть. Основная идея работы - математическая модель, стимулирующая биологическую нейронную сеть, которая обучается на примерах, определяя конкретные веса каждого параметра. Основные преимущества - это возможность диагностики большого количества заболеваний, большая популярность данного метода, возможность переобучения сети. Основные недостатки - отсутсвие подсистемы объяснения рещений (черный ящик), потребность в большом количестве обучающих примеров.
- Байесовские сети. Основным принципом данного метода является разновидность наивного Байесовского классификатора, который ищет решение, основываясь на зависимостях между возможными решениями и множеством параметров. Преимуществом является высокая точность диагностики. Недостатки - сложность сети, плохая оптимизация алгоритмов аппроксимации для вывода.
- Машина опорных векторов. Машина опорных векторов - это модель обучения с учителем, которая по обучающей выборке выявляет границы допустимых значений для параметров для каждого решения. Преимуществом является возможность работы с очень сложными и неочевидными данными, а также высокая точность диагностики. Недостатки - отсутвие подсистемы объяснения решений (черный ящик), невозможность калибровки вероятности определенного класса. [2]
Среди различных подходов обработки медицинских данных стоит
выделить метод Наивного Байеса, который был выбран для этой работы. Данный метод является одним из наиболее эффективных алгоритмов классификации и успешно применяется в решении различных медицинских проблем. [3] 
Байесовский классификатор основывается на применении теоремы Байеса со строгими (наивными) предположениями о независимости параметров, где для заданного набора параметров подбирается наиболее подходящий класс.
В основе теоремы лежит свойство условной вероятности. Условная вероятность, например Р ( В/А ) это вероятность события B при условии, что произошло событие A. По определению:
Р(В/А) =
где P(B,A) - это совместная вероятность событий A и B, P(A) - вероятность события А.
Совместную вероятность P(B,A), которая равна P(A,B), можно выразить как
Р(В,А) = Р(А,В) = Р(А/В) * Р(В)
где P(A/B) - вероятность события A при условии, что произошло событие B, P(B) - вероятность события B. [4]
Особенностью Наивного Байесовского классификатора является то, что за счет рассмотрения параметров в качестве независимых друг от друга признаков, допустимо упущение части из них. Для примера, отсутствие даже одного входного параметра в математической модели, получаемой, например, с помощью нейронной сети, приведет к неверному вычислению общего результата, что недопустимо в медицинской диагностике. В случае же Наивного Байеса, математическая модель подстраивается под имеющийся набор входных данных. [4]
Преимуществами данного метода являются возможность диагностики большого числа заболеваний, простота реализации и низкая стоимость вычислений для обучения. [2]
Недостаток - это слишком упрощённая система диагностики заболеваний.

Купить

В ходе данной работы была реализована система записи к врачу по симптомам. Система подразделяется на 3 крупных подсистемы: подсистема диалог с пользователем, подсистема определения области заболевания по симптомам пациента, подсистема управления записями к специалистам. Для достижения наилучшего результата были изучены и использованы новейшие технологии и методы классификации.
Задачи, поставленные в данной работе, были выполнены. В перспективе разработка может быть доработана и использована в медицинских учреждениях для автоматизации процесса записи к врачу. Это поможет снизить нагрузку на сотрудников медицинских учреждений, частично избавиться от очередей, повысить прибыльность до 20%.
Отрасль медицины имеет огромный потенциал для применения чат-ботов с различными вариантами сценариев. При помощи различных чат-ботов можно предоставить первичную консультацию врача, записаться на прием, вызвать врача на дом, получить результаты анализов или предоставить возможность поиска аннотаций производителей лекарств, их стоимость и наличие в аптеках. Залогом успеха использования будет являться обеспечение необходимой конфиденциальности данных пациента, которую предоставит чат-бот.
Возникшие трудности:
- малое число обработанных, подходящих для обработки, датасетов;
- отсутствие мощного вычислительного оборудования для экспериментов со сложными, объёмными данными.
Возможные улучшения:
- использование большего датасета для обработки классификатором;
- усовершенствование CRM системы в плане функциональности;
- усовершенствование системы в плане информационной безопасности;
- добавление модуля для поддержания обработки естественного языка.

Купить