mvjrМедицинский вестник Юга РоссииMedical Herald of the South of Russia2219-80752618-7876The Rostov State Medical University10.21886/2219-8075-2024-15-1-126-140mvjr-1829Research ArticleВНУТРЕННИЕ БОЛЕЗНИINTERNAL DISEASESИспользование метода искусственных нейронных сетей для интегрирования в систему поддержки принятия решений как инструмент оптимизации амбулаторного ведения пациентов с хронической обструктивной болезнью лёгкихUsing the method of artificial neural networks for integration into the decision support system as a tool for optimizing outpatient management of patients with chronic obstructive pulmonary diseasehttps://orcid.org/0000-0002-5421-4202ТаютинаТ. В.TayutinaT. V.

Таютина Татьяна Владимировна, к.м.н., доцент кафедры терапии с курсом поликлинической терапии

Ростов-на-Дону

Tatiana V. Tayutina, Cand. Sci. (Med.), Associate Professor of the Department of Therapy with a course of Polyclinic Therapy

Rostov-on-Don

tarus76@mail.ruhttps://orcid.org/0000-0003-3070-8424ШлыкС. В.ShlykS. V.

Шлык Сергей Владимирович, д.м.н., проф., ректор, заведующий кафедры терапии с курсом поликлинической терапии

Ростов-на-Дону

Sergey V. Shlyk, Dr. Sci. (Med.), Professor, Rector, Head of the Department of Therapy with a course of Polyclinic Therapy

Rostov-on-Don

https://orcid.org/0000-0001-8884-968XВодопьяновА. С.VodopyanovA. S.

Водопьянов Алексей Сергеевич, ведущий научный сотрудник лаборатории молекулярной биологии природно-очаговых и зоонозных инфекций

Ростов-на-Дону

Alexey S. Vodopyanov, Leading Researcher at the Laboratory of Molecular Biology of Natural Focal and Zoonotic Infections

Rostov-on-Don

https://orcid.org/0000-0003-2097-4091КазарянТ. М.KazaryanT. M.

Казарян Татьяна Михайловна, студентка 5 курса лечебно-профилактического факультета, лаборант кафедры терапии с курсом поликлинической терапии

Ростов-на-Дону

Tatiana M. Kazarian, 5th year student of the Faculty of Medical Prevention, laboratory assis-tant of the Department of Therapy with a course of Polyclinic Therapy

Rostov-on-Don

Ростовский государственный медицинский университетРоссияRostov State Medical UniversityRussian FederationРостовский противочумный институт РоспотребнадзораRussian FederationFederal State Health Institution Rostov Anti-Plague Institute of RospotrebnadzorRussian Federation202414032024151126140Copyright © Таютина Т.В., Шлык С.В., Водопьянов А.С., Казарян Т.М., 20242024Таютина Т.В., Шлык С.В., Водопьянов А.С., Казарян Т.М.Tayutina T.V., Shlyk S.V., Vodopyanov A.S., Kazaryan T.M.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.medicalherald.ru/jour/article/view/1829Цель

Цель: оценить возможность использования искусственных нейронных сетей для интегрирования в систему поддержки принятия врачебных решений в качестве оптимизации амбулаторного ведения пациентов с ХОБЛ.

Материалы и методы

Материалы и методы: проведено динамическое наблюдение 150 пациентов с хронической обструктивной болезнью лёгких, состоящих на диспансерном учёте по основному заболеванию, завершивших амбулаторный этап лёгочной реабилитации после перенесённого обострения средней степени тяжести. Материалом исследования явилась универсальная анкета из 69 показателей, включающих данные анамнеза, клиники, лабораторной и инструментальной диагностики. Создана четырехслойная нейронная сеть: первые два слоя — 69 нейронов, третий слой — 34 нейрона, последний слой — 3 нейрона. Использовано программное обеспечение на языке программирования Java с использованием модуля Encog 3.4.

Результаты

Результаты: использование возможностей искусственных нейронных сетей для интеграции в систему поддержки врачебных решений при амбулаторном ведении пациентов с хронической обструктивной болезнью легких показало высокую специфичность.

Заключение

Заключение: прогностическая модель реализована в виде компьютерной программы «Программа прогнозирования неблагоприятного исхода, развития сердечно-сосудистых осложнений и эффективности проводимых реабилитационных мероприятий у больных хронической обструктивной болезнью лёгких (CardioRisk)» и внедрена в работу амбулаторно-поликлинических учреждений г. Ростова-на-Дону.

Objective

Objective: to evaluate the possibility of using artificial neural networks for integration into the medical decision support system as an optimization of outpatient management of patients with COPD.

Materials and methods

Materials and methods: a dynamic followup of 150 patients with chronic obstructive pulmonary disease, registered at the dispensary for the underlying disease, who completed the outpatient stage of pulmonary rehabilitation after a moderate exacerbation was carried out. The material of the study was a universal questionnaire of 69 indicators, including anamnesis, clinic, laboratory and instrumental diagnostics. A four-layer neural network has been created: the first two layers — 69 neurons, the third layer — 34 neurons and the last layer — 3 neurons.

Results

Results: the software was used in the Java programming language using the Encog 3.4 module.

Conclusion

Conclusion: the use of the capabilities of artificial neural networks for integration into the medical decision support system in the outpatient management of patients with chronic obstructive pulmonary disease has shown high specificity. The predictive model is implemented in the form of a computer program: "The program for predicting an unfavorable outcome, the development of cardiovascular complications and the effectiveness of rehabilitation measures in patients with chronic obstructive pulmonary disease (CardioRisk)" and was introduced into the work of outpatient polyclinic institutions in Rostov-on-Don.

хроническая обструктивная болезнь лёгкихсистема поддержки принятия врачебных решенийискусственные нейронные сетиchronic obstructive pulmonary diseasemedical decision support systemartificial neural networksReferencesПульмонология. Национальное руководство. Краткое издание. Под ред. А.Г. Чучалина. М.: ГЭОТАР-Медиа; 2015.CHuchalin A.G., ed. Pul'monologiya. Natsional'noe rukovodstvo. Kratkoe izdanie. Moscow: GEHOTAR-Media; 2015. (In Russ.)Таютина: Т.В. Комплексный подход к реализации этапов легочной реабилитации пациентов с хронической обструктивной болезнью легких: значение модификации образа жизни. Клиницист. 2023;17(1):28–38.Tayutina T.V. An integrated approach to the implementation of the stage of pulmonary rehabilitation of patients with chronic obstructive pulmonary disease: the importance of lifestyle modification. Klinitsist = The Clinician. 2023;17(1):28–38. (In Russ.). https://doi.org/10.17650/1818-8338-2023-17-1-К689Varghese J, Kleine M, Gessner SI, Sandmann S, Dugas M. Effects of computerized decision support system implementations on patient outcomes in inpatient care: a systematic review. J Am Med Inform Assoc. 2018;25(5):593-602. https://doi.org/10.1093/jamia/ocx100Varghese J, Kleine M, Gessner SI, Sandmann S, Dugas M. Effects of computerized decision support system implementations on patient outcomes in inpatient care: a systematic review. J Am Med Inform Assoc. 2018;25(5):593-602. https://doi.org/10.1093/jamia/ocx100Tomaselli Muensterman E, Tisdale JE. Predictive Analytics for Identification of Patients at Risk for QT Interval Prolongation: A Systematic Review. Pharmacotherapy. 2018;38(8):813-821. https://doi.org/10.1002/phar.2146Tomaselli Muensterman E, Tisdale JE. Predictive Analytics for Identification of Patients at Risk for QT Interval Prolongation: A Systematic Review. Pharmacotherapy. 2018;38(8):813-821. https://doi.org/10.1002/phar.2146Guan M, Cho S, Petro R, Zhang W, Pasche B, Topaloglu U. Natural language processing and recurrent network models for identifying genomic mutation-associated cancer treatment change from patient progress notes. JAMIA Open. 2019;2(1):139-149. https://doi.org/10.1093/jamiaopen/ooy061Guan M, Cho S, Petro R, Zhang W, Pasche B, Topaloglu U. Natural language processing and recurrent network models for identifying genomic mutation-associated cancer treatment change from patient progress notes. JAMIA Open. 2019;2(1):139-149. https://doi.org/10.1093/jamiaopen/ooy061Nagarajan, R., Thirunavukarasu, R. A neuro-fuzzy based healthcare framework for disease analysis and prediction. Multimed Tools Appl. 2022;81:11737–11753. https://doi.org/10.1007/s11042-022-12369-2Nagarajan, R., Thirunavukarasu, R. A neuro-fuzzy based healthcare framework for disease analysis and prediction. Multimed Tools Appl. 2022;81:11737–11753. https://doi.org/10.1007/s11042-022-12369-2Sharma, A., Banerjee, P.S., Sharma, A., Yadav, A. A French to English Language Translator Using Recurrent Neural Network with Attention Mechanism. In: Nath, V., Mandal, J., eds. Nanoelectronics, Circuits and Communication Systems. NCCS 2018. Lecture Notes in Electrical Engineering.; vol 642. Springer, Singapore; 2020. https://doi.org/10.1007/978-981-15-2854-5_38Sharma, A., Banerjee, P.S., Sharma, A., Yadav, A. A French to English Language Translator Using Recurrent Neural Network with Attention Mechanism. In: Nath, V., Mandal, J., eds. Nanoelectronics, Circuits and Communication Systems. NCCS 2018. Lecture Notes in Electrical Engineering.; vol 642. Springer, Singapore; 2020. https://doi.org/10.1007/978-981-15-2854-5_38Global Initiative for Chronic Obstructive Lung Disease (GOLD). Global Strategy for the Diagnosis, Management and Prevention of chronic obstructive pulmonary disease: 2022 Report. 2021.Global Initiative for Chronic Obstructive Lung Disease (GOLD). Global Strategy for the Diagnosis, Management and Prevention of chronic obstructive pulmonary disease: 2022 Report. 2021.Heaton, J. Encog: Library of Interchangeable Machine Learning Models for Java and C. Journal of Machine Learning Research. 2015;16:1243-1247.Heaton, J. Encog: Library of Interchangeable Machine Learning Models for Java and C. Journal of Machine Learning Research. 2015;16:1243-1247.Катермина Т.С., Сибагатули А.Ф. Применение методов искусственного интеллекта к задаче диагностики заболеваний дыхательных путей. Computational nanotechnology. 2022;9(2):92-103.Katermina T.S., Sibagatulin A.F. Application of Artificial Intelligence Methods to the Task of Diagnosing Respiratory Diseases. Computational nanotechnology. 2022;9(2):92-103. https://doi.org/10.33693/2313-223X-2022-9-2-92-103Swaminathan S, Qirko K, Smith T, Corcoran E, Wysham NG, et al. A machine learning approach to triaging patients with chronic obstructive pulmonary disease. PLoS One. 2017;12(11):e0188532. https://doi.org/10.1371/journal.pone.0188532Swaminathan S, Qirko K, Smith T, Corcoran E, Wysham NG, et al. A machine learning approach to triaging patients with chronic obstructive pulmonary disease. PLoS One. 2017;12(11):e0188532. https://doi.org/10.1371/journal.pone.0188532Bugajski A, Lengerich A, Koerner R, Szalacha L. Utilizing an Artificial Neural Network to Predict Self-Management in Patients With Chronic Obstructive Pulmonary Disease: An Exploratory Analysis. J Nurs Scholarsh. 2021;53(1):16-24. https://doi.org/10.1111/jnu.12618Bugajski A, Lengerich A, Koerner R, Szalacha L. Utilizing an Artificial Neural Network to Predict Self-Management in Patients With Chronic Obstructive Pulmonary Disease: An Exploratory Analysis. J Nurs Scholarsh. 2021;53(1):16-24. https://doi.org/10.1111/jnu.12618Chen M, Li H, Fan H, Dillman JR, Wang H, et al. ConCeptCNN: A novel multi-filter convolutional neural network for the prediction of neurodevelopmental disorders using brain connectome. Med Phys. 2022;49(5):3171-3184. https://doi.org/10.1002/mp.15545Chen M, Li H, Fan H, Dillman JR, Wang H, et al. ConCeptCNN: A novel multi-filter convolutional neural network for the prediction of neurodevelopmental disorders using brain connectome. Med Phys. 2022;49(5):3171-3184. https://doi.org/10.1002/mp.15545Chung CC, Chan L, Bamodu OA, Hong CT, Chiu HW. Artificial neural network based prediction of postthrombolysis intracerebral hemorrhage and death. Sci Rep. 2020;10(1):20501. https://doi.org/10.1038/s41598-020-77546-5Chung CC, Chan L, Bamodu OA, Hong CT, Chiu HW. Artificial neural network based prediction of postthrombolysis intracerebral hemorrhage and death. Sci Rep. 2020;10(1):20501. https://doi.org/10.1038/s41598-020-77546-5

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