Retrieving information about the use information technology to support decision-making in medical diagnostics
DOI:
https://doi.org/10.14529/ctcr220102Keywords:
information extraction, semi-structured information, semantic analysis, decision support system, medical diagnosticsAbstract
The use of information technology in medical practice radically changes the formulation, methods and means of solving most practical problems. The transition to modern information technologies provides new opportunities and improves the quality of service, reduces examination time, increases diagnostic accuracy, etc. Purpose of the study. Extraction of information about the use of information technology for decision support in medical diagnostics based on the analysis of publications in this field. Materials and methods. For a formal representation of the process of structural-semantic analysis\ of information on the use of IT in medicine, a functional model was built in the IDEF0 notation. When conducting research in a specific subject area, an analysis of known scientific results and practical solutions is required, for which scientific publications posted in various sources are used. There are platforms where information about such data is collected, allowing to determine the quantitative indicators of the publication, their specific characteristics, etc. Semantic analysis tools were used to identify the dynamics of the appearance of publications; to make comparative analysis of the effectiveness of various scientists and research organizations; to determine publishing activity in the journal sector. To determine the features of publishing activity, an additional analysis was conducted by the analyst, who is a specialist in semantic analysis. Statistical analysis methods were used to process the collected information. Since a small amount of data has been collected, there is no need to use specialized analysis tools, and Excel tools were used to build charts. Results. The key characteristics of publications on the analyzed topic, the dynamics of the appearance of articles, the most active authors, scientific schools and the most popular journals in which the research results are published are identified. The results of extracting information about research in the field of IT use in cardiology from the most popular publications of active authors are presented. Conclusion. The analysis of publications based on the data of the elibrary.ru platform is a preliminary stage in the study of scientific texts on a selected research topic. For the future research, it is necessary to develop an information system to support researchers with complex indicators and data based on the analysis of scientific texts.References
Дабагов, В.Д. Информатизация здравоохранения и некоторые проблемы построения интегрированных медицинских информационных систем // Информационные системы в здравоохранении. URL: https://it.med.cap.ru/ (дата обращения: 29.11.2021).
Шахмаметова Г.Р., Зулкарнеев Р.Х., Евграфов А.А. Система поддержки приятия клинических решений для диагностики болезней органов дыхания // Advances in Intelligent Systems Research. 2019. C. 101–105. doi: 10.2991/itids-19.2019.19.
Юсупова Н.И., Шахмаметова Г.Р., Зулкарнеев Р.Х. Комплексный анализ медицинских данных с использованием Data Mining // Acta Polytechnica Hungarica. 2020. № 17(8). С. 75–93. doi: 10.12700/APH.17.8.2020.8.6.
Шахмаметова Г.Р., Зулкарнеев Р.Х., Евграфов А.А. Обработка неструктурированной текстовой и табличной информации в системе принятия клинических решений при диагностике болезней органов дыхания // Advances in Intelligent Systems Research. Paris: Atlantis Press. 2020. C. 323–327. doi: 10.2991/aisr.k.201029.061.
Юсупова Н.И., Сметанина О.Н., Гаянова М.М. Технологии искусственного интеллекта и машинного обучения в задачах семантического представления и анализа данных: моногр. М.: Изд-во «Инновационное машиностроение», 2020. 242 с.
Нужный А.С., Прозоров А.А., Бугаев В.И. и др. Анализ баллистокардиограммы на граничных вычислительных узлах // Труды ИСП РАН. 2018. № 2. С. 251–262.
Бодин О.Н. Принципы построения, структура и особенности компьютерной диагностической системы «Кардиовид». Вестник новых медицинских технологий. 2005. Т. 12, № 3–4. С. 107–108.
Прокофьева Т.В., Полунина О.С., Яценко М.К. и др. Амплитудно-частотный анализ доплерограмм при изучении микроциркуляции у больных стенокардией напряжения III и IV функциональных классов // Успехи современного естествознания. 2007. № 12. С. 375–376.
Кузнецов Ф.В., Павленко Д.В. Программное обеспечение системы персонального мониторинга электрокардиограммы с перемещаемым грудным электродом «АИТ Кардио Про»: свидетельство о государственной регистрации программы для ЭВМ RU 2019660391. № 2019619474; заявл. 24.07.2019; опубл. 05.08.2019.
Барбарич В.Б., Ложкина Н.Г., Толмачева А.А. и др. Создание калькулятора годичного прогноза с персональными коэффициентами факторов риска после перенесенного острого инфаркта миокарда с подъемом сегмента ST // Фундаментальная и клиническая медицина. 2020. № 2. C. 48–59.
Баевский Р.М., Никулина Г.А. Исследование вегетативной регуляции кровообращения во время длительной изоляции на основе анализа вариабельности сердечного ритма // Авиакосмическая и экологическая медицина. 1997. Т. 31, № 4. С. 61–64.
Бойко А.Д., Шубенкова К.А. Смарт велосипед как средство профилактики сердечно-сосудистых заболеваний и кардиореабилитации // Электронный научно-образовательный Вестник «Здоровье и образование в XXI веке». 2017. Т. 19. № 12. С. 53–55.
Корнеева И.Т., Поляков С.Д., Гоготова В.Л. и др. Математические подходы оценки адаптации кардиогемодинамики в зависимости от активности клеточных дегидрогеназ лимфоцитов крови у юных спортсменов // Лечебная физкультура и спортивная медицина. 2009.
№ 9(69). С. 28–32.
Iroju O.G., Olaleke J.O. A systematic review of natural language processing in healthcare //
International Journal of Information Technology and Computer Science. 2015. Vol. 7, no. 8. P. 44–50. doi: 10.5815/ijitcs.2015.08.07.
Nadkarni P.M., Ohno-Machado L., Chapman W.W. Natural language processing: an introduction // Journal of the American Medical Informatics Association. 2011. Vol. 18, no. 5. P. 544–551. doi: 10.1136/amiajnl-2011-000464.
Duch W., Matykiewicz P., Pestian J. Neurolinguistic approach to natural language processing with applications to medical text analysis // Neural Networks. 2008. Vol. 21, no. 10. P. 1500–1510. doi: 10.1016/j.neunet.2008.05.008.
Wang Y., Liu S, Afzal N. et al. A comparison of word embeddings for the biomedical natural language processing // Journal of biomedical informatics. 2018. Vol. 87. P. 12–20. doi: 10.1016/j.jbi.2018.09.008.
Научная электронная библиотека. URL: https://www.elibrary.ru/defaultx.asp (дата обращения: 29.11.2021).
