Электронный журнал открытого доступа Кардиометрия. Выпуск 16, Мая 2020
Как всегда, тема нашего журнала продиктована актуальностью нашей жизни. Наши учёные внимательно анализировали сложившуюся ситуацию и не спешили делать далеко идущие выводы. Время показало нам пути решения сложнейших вопросов. Вывод один: человек должен быть сам здоров, а значит, иметь оптимально функционирующую иммунную систему. Мы попросили некоторых авторов, публиковавшихся в журнале, высказать свои рекомендации по укреплению иммунной системы. Мы уверены, что они будут полезны каждому. Они и открывают наш журнал. Как всегда, тема нашего журнала продиктована актуальностью нашей жизни. Наши учёные внимательно анализировали сложившуюся ситуацию и не спешили делать далеко идущие выводы. Время показало нам пути решения сложнейших вопросов. Вывод один: человек должен быть сам здоров, а значит, иметь оптимально функционирующую иммунную систему. Мы попросили некоторых авторов, публиковавшихся в журнале, высказать свои рекомендации по укреплению иммунной системы. Мы уверены, что они будут полезны каждому. Они и открывают наш журнал.
тов всех тех, которые удовлетворяют заранее определенномуусловию поиска (запросу) или содержатнеобходимые данные. В большинстве случаев поискинформации включает в себя формулировкузапроса, определение источников информации,извлечение информации из этих источников и,финальную стадию, ознакомление с полученнойинформацией и оценку полученных результатов.Среди методов проведения поиска можно выделитьадресный, семантический, документальныйи фактографический.Классической задачей информационного поискаявляется поиск документов, удовлетворяющихзапросу, в рамках некоторой статическойколлекции документов. Но список задач постояннорасширяется и на сегодняшний день включаетвопросы классификации, фильтрация и кластеризациидокументов, проектирование архитектурпоисковых систем, извлечение информации, формированиезапросов и др. [25-31]Для МРС, как и в общем для всех рекомендательныхсистем, достижения в области ИП имеюткраеугольное значение. Использование методовИП позволяет получать релевантные рекомендации.Рекомендация объектов основываетсяна ПЭКЗ, которые содержат текстовые документы,например, больничные листы, предписанияврача и прочие. Подобные текстовые документывыполняют роль, схожую с запросами в ИП. ВозможностиИП в области сопоставления значенийзапросов можно применить и к задаче подборарелевантной рекомендации в МРС.Существует мнение, что коллаборативнаяфильтрация не подходит для МРС из-за необходимостихранить медицинскую тайну. Можнооспорить данное утверждение, мотивируя это теминформацию о пользователях обрабатывает нечеловек, а машина. Но объяснить это рядовомупользователю, беспокоящемуся о безопасностисвоих данных, не просто. Тем не менее, в связи стем что данные о пользователях обрабатываютсяв рамках одной сессии, взломать систему, основаннуюна коллаборативной фильтрации, всё жепроще. Поэтому многие исследователи считаютконтентную фильтрацию более подходящей дляМРС. Также контентная фильтрация позволяетчастично решить проблему «холодного старта».Примерами работающих МРС являются ориентированныена пользователя веб-порталы медицинскойинформации, предоставляющие возможностьпостановки диагноза по симптомам.Тем не менее, для непрофессионала, в данныхсистемах существует риск информационной перегрузки.Более того, системе тяжело предоставлятьрелевантный результат «когда пользовательне знает точно чего он хочет». При этом, в случаекогда пользователи подобных веб-порталов имеютаккаунт, в котором отображен ПЭКЗ, МРС выдаетгораздо более точные результаты [25-31].В своей работе Fernandez-Luque, Karlsen иVognild [32] определили возможности МРС какобразовательного ресурса для людей ведущихздоровый образ жизни. Они предложили использоватьтак называемую программу-помощника,позволяющую проверять на научность медицинскийконтент, предоставляемый в различных соцсетях.Morrell and Kerschberg [33] описали в своей работесистему, позволяющую добывать в интернетеподходящую для пользователя с конкретным заболеваниеминформацию. Система предоставляетпациенту возможность поиска релевантного контента.Авторы подчеркивают, что МРС в данномслучае может рассматриваться как «хранилищемедицинской информации». В работе отмеченатакже возможность подключения профилейпользователей в социальных сетях для улучшениярекомендаций.Rivero-Rodriguez et al. [34] разработали систему,обогащающую контент социальных сетей(YouTube видео и др.) материалами из медицинскихисточников, например Medline Plus. Подобныйподход способствовал совершенствованиютаких онтологий как SNOMED-CT. Тем не менее,авторы признают необходимость применения болееточных мета-данных для улучшения качестварекомендаций.Другие системы сосредоточены на профилактикезаболеваний путем рассылки рекомендацийпользователям на мобильные гаджеты. На практикеэто означает, что люди, страдающие, например,диабетом, или никотиновой зависимость,получают ежедневные персональные советы пособлюдению диеты и приему лекарств. Ghorai etal. [35] представил МРС, помогающий курящимбросить эту пагубную привычку. В этом случае,система моделирует рекомендации на основе данныхо поведении пользователя.106 | Cardiometry | Выпуск 16. Май 2020
В общем, многие МРС предназначены преждевсего для предоставления конечному пользователюрекомендаций относительно его здоровья. Наоснове анализа истории болезни пациента, МРСнаправляет в пользовательский интерфейс ПЭКЗданные наиболее подходящие для конкретногобольного и представляющие для него наибольшийинтерес [36-46]. Наиболее часто в ПЭКЗ указаныследующие данные:1. подробные медицинские данные о пользователе(например, текущее лечение, план дальнейшей терапии,хирургические отчеты, больничные листы,и т.д..)2. термины, собранные ПЭКЗ на основе поисковыхзапросов пользователя (например, “симптомыинфаркта миокарда”, “лечение гриппа” и т.д.)3. статистика поведения пользователя (например,время посещения определенных веб-страниц,рейтинг прочитанных статей, и т.д.)Для получения наиболее релевантной рекомендацииМРС обрабатывает все вышеуказанныеданные, но особого внимания заслуживает пункт1, т.к. он основывается на информации, полученнойот профессиональных медицинских работников.При интеграции МРС и ПЭКЗ должны соблюдатьсяследующие требования:1. Система должна уметь интерпретировать следующиеданные:(a) неточные термины (например, «гепатит» вместо«хронический вирусный гепатит»),(b) разговорные выражения (например, «период»вместо «менструация»),(c) неточно написанные выражения (например,«диает» вместо «диабет»).2. Система должна уметь понимать профессиональныетермины, используемые врачами.3. Конфиденциальность данных пользователейдолжна гарантироваться создателями и владельцамиМРС. Даже администраторы ПЭКЗ не должныиметь доступ к данным содержащим врачебнуютайну.Несмотря на существенный прогресс в разработкерекомендательных систем МРС еще неуспели стать частью повседневной жизни. Многиевопросы остаются открытыми. Интерфейс МРСдолжен быть понятен как медицинским работникам,так и рядовым пользователям любого возраста[36-46].Помимо всего прочего, особняком стоит проблемаинформационной безопасности, преждевсего, сохранения медицинской тайны. Проблемаинтеграции МРС и ПЭКЗ все еще не решена всвязи с имеющимися недостатками в сфере безопасности.Интеграция с ПЭКЗ необходима, т.к.информация о пациенте, имеющаяся в ПЭКЗ, можетрешить проблему «холодного старта», т.е. отсутствияисходных данных. Повышение качестварекомендаций будет способствовать мотивированиюпользователей к обновлению данных ПЭКЗ.И, в свою очередь, актуальные данные ПЭКЗ способствуютповышению релевантности рекомендаций.Также существует проблема, заключающаясяв том, что МРС должен выбрать среди записейПЭКЗ именно записи, отвечающие за текущее состояниездоровья пациента. Записи, отражающиепрошлые заболевания пользователя, могут бытьуже не актуальны. МРС должна быть способна отделятьхронические заболевания, например, диабет,от заболеваний, проявляющихся на короткийпромежуток, например, сезонных простуд.ЗаключениеВ ходе данной работы было рассмотрено понятиерекомендательной системы, дана краткаяпредыстория создания рекомендательных систем.Выделены основные виды рекомендательных системи принципы их построения. Был приведенподробный обзор использования рекомендательныхсистем в медицинской сфере, прежде всего, вкардиологии. Приведены методы построения рекомендательныхсистем, выявлены преимуществаи недостатки методов. Работа по совершенствованиюприменяемых в кардиологии рекомендательныхсистем может быть продолжена путем улучшениябазовых алгоритмов, построением другихмоделей рекомендательных систем, например,гибридных, обработке большего массива дополнительныхданных.Заявление о соблюдении этических нормПроведение научных исследований на человеке и/или на животных полностью соответствуют действующимнациональным и международным нормамв области этики.Конфликт интересовНе заявлен.Выпуск 16. май 2020 | Cardiometry | 107
- Page 57 and 58: ОРИГИНАЛЬНОЕ ИССЛЕ
- Page 59 and 60: тах, которые ассоци
- Page 61 and 62: Таблица 7Собственн
- Page 63 and 64: Особого внимания з
- Page 65 and 66: ОРИГИНАЛЬНОЕ ИССЛЕ
- Page 67 and 68: троль основных био
- Page 69 and 70: 6. Кормен, Томас Х., Л
- Page 71 and 72: лочной железы, а к ч
- Page 73 and 74: а)б)в)г)Рис. 2. Фрагме
- Page 75 and 76: а)б)в)г)в)г)Рисунок 4.
- Page 77 and 78: кардиотоксичности
- Page 79 and 80: 2. Параметры метабо
- Page 81 and 82: ОРИГИНАЛЬНОЕ ИССЛЕ
- Page 83 and 84: Рис. 1. Форма импуль
- Page 85 and 86: реализовать только
- Page 87 and 88: ОТЧЕТ Подача: 25.02.2020
- Page 89 and 90: свойства фильтра у
- Page 91 and 92: Рассчитанные непре
- Page 93 and 94: jω jω jωZe ( ) = Xe ( ) H1( e )
- Page 95 and 96: Рис. 4. Фильтрация ш
- Page 97 and 98: порождаемой различ
- Page 99 and 100: электрокардиосигн
- Page 101 and 102: Выпуск 16. май 2020 | Card
- Page 103 and 104: ной области активн
- Page 105 and 106: ких систем являютс
- Page 107: − социальный конте
- Page 111 and 112: for predicting and identifying hear
- Page 113 and 114: частности средств
- Page 115 and 116: что дало возможнос
- Page 117 and 118: ОРИГИНАЛЬНОЕ ИССЛЕ
- Page 119 and 120: торах, влияющих на
- Page 121 and 122: Таблица 1Динамика к
- Page 123: Вклад авторов в раб
В общем, многие МРС предназначены прежде
всего для предоставления конечному пользователю
рекомендаций относительно его здоровья. На
основе анализа истории болезни пациента, МРС
направляет в пользовательский интерфейс ПЭКЗ
данные наиболее подходящие для конкретного
больного и представляющие для него наибольший
интерес [36-46]. Наиболее часто в ПЭКЗ указаны
следующие данные:
1. подробные медицинские данные о пользователе
(например, текущее лечение, план дальнейшей терапии,
хирургические отчеты, больничные листы,
и т.д..)
2. термины, собранные ПЭКЗ на основе поисковых
запросов пользователя (например, “симптомы
инфаркта миокарда”, “лечение гриппа” и т.д.)
3. статистика поведения пользователя (например,
время посещения определенных веб-страниц,
рейтинг прочитанных статей, и т.д.)
Для получения наиболее релевантной рекомендации
МРС обрабатывает все вышеуказанные
данные, но особого внимания заслуживает пункт
1, т.к. он основывается на информации, полученной
от профессиональных медицинских работников.
При интеграции МРС и ПЭКЗ должны соблюдаться
следующие требования:
1. Система должна уметь интерпретировать следующие
данные:
(a) неточные термины (например, «гепатит» вместо
«хронический вирусный гепатит»),
(b) разговорные выражения (например, «период»
вместо «менструация»),
(c) неточно написанные выражения (например,
«диает» вместо «диабет»).
2. Система должна уметь понимать профессиональные
термины, используемые врачами.
3. Конфиденциальность данных пользователей
должна гарантироваться создателями и владельцами
МРС. Даже администраторы ПЭКЗ не должны
иметь доступ к данным содержащим врачебную
тайну.
Несмотря на существенный прогресс в разработке
рекомендательных систем МРС еще не
успели стать частью повседневной жизни. Многие
вопросы остаются открытыми. Интерфейс МРС
должен быть понятен как медицинским работникам,
так и рядовым пользователям любого возраста
[36-46].
Помимо всего прочего, особняком стоит проблема
информационной безопасности, прежде
всего, сохранения медицинской тайны. Проблема
интеграции МРС и ПЭКЗ все еще не решена в
связи с имеющимися недостатками в сфере безопасности.
Интеграция с ПЭКЗ необходима, т.к.
информация о пациенте, имеющаяся в ПЭКЗ, может
решить проблему «холодного старта», т.е. отсутствия
исходных данных. Повышение качества
рекомендаций будет способствовать мотивированию
пользователей к обновлению данных ПЭКЗ.
И, в свою очередь, актуальные данные ПЭКЗ способствуют
повышению релевантности рекомендаций.
Также существует проблема, заключающаяся
в том, что МРС должен выбрать среди записей
ПЭКЗ именно записи, отвечающие за текущее состояние
здоровья пациента. Записи, отражающие
прошлые заболевания пользователя, могут быть
уже не актуальны. МРС должна быть способна отделять
хронические заболевания, например, диабет,
от заболеваний, проявляющихся на короткий
промежуток, например, сезонных простуд.
Заключение
В ходе данной работы было рассмотрено понятие
рекомендательной системы, дана краткая
предыстория создания рекомендательных систем.
Выделены основные виды рекомендательных систем
и принципы их построения. Был приведен
подробный обзор использования рекомендательных
систем в медицинской сфере, прежде всего, в
кардиологии. Приведены методы построения рекомендательных
систем, выявлены преимущества
и недостатки методов. Работа по совершенствованию
применяемых в кардиологии рекомендательных
систем может быть продолжена путем улучшения
базовых алгоритмов, построением других
моделей рекомендательных систем, например,
гибридных, обработке большего массива дополнительных
данных.
Заявление о соблюдении этических норм
Проведение научных исследований на человеке и/
или на животных полностью соответствуют действующим
национальным и международным нормам
в области этики.
Конфликт интересов
Не заявлен.
Выпуск 16. май 2020 | Cardiometry | 107
Change language