Система поддержки принятия экспертных решений при медико-социальной экспертизе детей с детским церебральным параличом

Авторы:

Михайлишин Виктор Валерьевич — младший научный сотрудник лаборатории инновационных и реабилитационно-экспертных технологий, ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта, Бестужевская ул., д. 50, Санкт-Петербург,  195067, Российская Федерация; doompro@mail.ru;https://orcid.org/0000-0002-9518-1945.

Головина Юлия Анатольевна — аспирант ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта, ул. Бестужевская, д. 50, Санкт-Петербург, 195067, Российская Федерация; e-mail: doc.yuliagolovina@gmail.com; https://orcid.org/0009-0008-3903-2241.

Пономаренко Геннадий Николаевич — член-корреспондент РАН, заслуженный деятель науки Российской Федерации, доктор медицинских наук, профессор, генеральный директор ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России, Бестужевская ул., д. 50, Санкт-Петербург, 195067, Российская Федерация; заведующий кафедрой физической и реабилитационной медицины ФГБОУ ВО СЗГМУ им. И.И. Мечникова Минздрава России, Пискаревский пр., д. 47, Санкт-Петербург, 195067, Российская Федерация; e-mail: ponomarenko_g@mail.ru; https://orcid.org/0000-0001-7853-4473.

Большаков Владимир Александрович — старший научный сотрудник проектно-конструкторского отдела Института протезирования и ортезирования, ФГБУ ФНОЦ МСЭ и Р им. Г.А. Альбрехта Минтруда России, Бестужевская ул., д. 50, Санкт-Петербург, 195067, Российская Федерация; e-mail: pko09_903@mail. ru; https://orcid.org/ 0000-0002-5889-3759.

В рубрике: Оригинальные исследования

Год: 2024 Том: 6 Номер журнала: 3 

Страницы: 108-120

Тип статьи: scientific and practical

УДК: 616.8:004.891.3

DOI: 10.26211/2658-4522-2024-6-3-108-120

Аннотация:

Введение. Детский церебральный паралич является наиболее распространённой причиной первичной инвалидности у детей с заболеваниями нервной системы. Ввиду цифровизации медицинской и социальной сферы в Российской Федерации, актуальной задачей является разработка системы поддержки принятия врачебных решений на основе технологий искусственного интеллекта для повышения эффективности работы медико-социальной экспертизы.

Цель. Разработать и оценить экспертную систему поддержки приятия экспертных решений при проведении медико-социальной экспертизы детям с детским церебральным параличом.

Материалы и методы. В исследовании использована база данных, содержащая сведения о клинико-функциональном состоянии пациентов из актов и протоколов медико-социальной экспертизы 1163 детей с ДЦП. Для оценки качества работы моделей применялась кросс-валидация, а в качестве метрик использовались: доля правильных исходов (accuracy), точность (precision), чувствительность (recall), f-мера. К целевым признакам были отнесены максимальная степень выраженности стойких нарушений функций организма, степень ограничения основных категорий жизнедеятельности человека, категория «ребенок-инвалид». Оценка качества системы искусственного интеллекта проводилась по ГОСТ Р 59898-2021.
Проведено обоснование целевых признаков для использования в системе поддержки принятия решений. Выполнен сравнительный анализ алгоритмов искусственного интеллекта в задаче классификации на данном наборе данных. Построены и оценены математические модели, прогнозирующие целевые признаки. Разработана и оценена экспертная система искусственного интеллекта для проведения для помощи врачу эксперту при освидетельствовании детей с ДЦП.

Результаты. По результатам сравнительного анализа выбран классификатор на основе алгоритма Random forest. Разработанные модели определения максимальной степени выраженности стойких нарушений функций организма и степени ограничения основных категорий жизнедеятельности показали средние и высокие результаты. Разработана система искусственного интеллекта, доля правильных исходов при установлении категории «ребенок-инвалид» системой искусственного интеллекта составила 0,95. Интегральный показатель качества разработанной системы составил 0,944.

Обсуждение. По результатам проведённого анализа наилучшие количественные метрики оценки качества работы модели при определении целевых переменных были продемонстрированы классификаторами на основе алгоритма Random forest. Модели определения максимальной степени выраженности стойких нарушений функций организма и степени ограничений жизнедеятельности с его использованием показали среднее и высокое качество работы.

Заключение. Разработанная система искусственного интеллекта, ввиду высоких метрик качества работы математических моделей, лежащих в её основе и высокого интегрального показателя качества её работы применима в практической деятельности врачей-экспертов.

Ключевые слова: , , , , ,

Скачать полный текст статьи

Список цитируемой литературы:

1. Bax MCO. Terminology and classification of cerebral palsy. Developmental Medicine & Child Neurology. 1964; 6(3): 295-7.

2. Вовченко А.В., Фисенко В.С., Грибов Д.Е. и др. Состояние и динамика инвалидности, комплексная реабилитация и абилитация инвалидов и детей-инвалидов в Российской Федерации: ежегодный доклад / под ред. М.А. Дымочки. М.: ФГБУ ФБ МСЭ Минтруда России, 2022. — 436 с.

3. Gombolay GY et al. Review of machine learning and artificial intelligence (ML/AI) for the pediatric neurologist. Pediatric Neurology. 2023; 141: 42-51

4. Duran I et al. Artificial intelligence to improve efficiency of administration of gross motor function assessment in children with cerebral palsy. Developmental Medicine & Child Neurology. 2022; 64(2): 228-34.

5. Головина Ю.А., Михайлишин В.В., Пономаренко Г.Н., Щербина К.К. и др. База данных клинико-функциональных показателей у детей с детским церебральным параличом при проведении МСЭ. Доступен по: https://www1.fips.ru/ofpstorage/doc/prevm/ runwdb/000/002/024/621/653/2024621653-00001/ document.pdf. (дата обращения: 20.06.2024).

6. Головина Ю.А., Михайлишин В.В., Пономаренко Г.Н. Предикторы развития стойких нарушений функций организма у детей с детским церебральным параличом // Физиотерапевт. — 2024. — Т. 20. -№. 4. — С. 99-107.

7. Browne MW. Cross-Validation Methods. J Math Psychol. 2000;44(1):108-32. DOI: 10.1006/jmps.1999.1279.

8. Классификации и критерии, используемые при осуществлении медико-социальной экспертизы / Приказ Минтруда России от 27.08.2019 № 585Н. Доступен по: https://mintrud.gov.ru/docs/mintrud/ orders/1386. (дата обращения: 18.03.2024).

9. О социальной защите инвалидов в Российской Федерации / Федеральный закон от 24 ноября 1995 г. № 181-ФЗ. Доступен по: https://mintrud.gov.ru/ docs/laws/75. (дата обращения: 20.06.2024).

10. О признании лица инвалидом / Постановление Правительства Российской Федерации от 5 апреля
2022 г. № 588. Доступен по: http://government.ru/ docs/all/140380. (дата обращения: 20.06.2024).

11. Li S, et al. Understanding and addressing quality attributes of microservices architecture: A Systematic literature review. Information and software technology. 2021;131:106449.

12. ГОСТ Р 59921.0-2022 Системы искусственного интеллекта в клинической медицине. М.: Стандар-тинформ, 2023. — 12 с.

13. ГОСТ Р 59277-2020 Классификация систем искусственного интеллекта. М.: Стандартинформ, 2023 — 16 с.

14. ГОСТ Р 59898-2021 Оценка качества систем искусственного интеллекта. М.: Стандартинформ, 2023 — 24 с.

15. О персональных данных // Федеральный закон от 27.07.2006 № 152-ФЗ (ред. от 06.02.2023). Доступен по: https://base.garant.ru/12148567. (дата обращения: 14.06.2024).