Інтелектуальна система динамічного синтезу інформаційних рекомендацій "Здорове життя"
Анотація
Виявлено, що основною ознакою сьогодення є інтенсивне використання цифрових технологій в усіх сферах життя людей. Не є винятком і сфера охорони здоров'я, де добре відома система "Helsi". Наразі на ринку медичних технологій існує чимало спеціалізованих інформаційних систем для потреб медицини, проте з ними пересічний громадянин стикається тільки у процесі лікування або діагностики. Водночас, кожна людина чудово розуміє, що краще всього уникнути будь-якого захворювання, ніж потім його лікувати нехай навіть і найсучаснішими засобами. Варто не допускати, або принаймні мінімізувати ті впливи на організм, які в конкретній ситуації можуть призвести до загострення вже наявного захворювання пацієнта або до виникнення нового. Встановлено, що саме через зазначені причини є актуальним у науковому аспекті і важливим для практики створення інтелектуальної системи динамічного синтезу інформаційних рекомендацій для пацієнта, цільовою функцією якої буде надання конкретному пацієнту таких рекомендацій в усіх сферах його діяльності й інтересів, які мінімізуватимуть ризики ускладнень його захворювань, або потенційні ризики можливого погіршення стану його здоров'я загалом. Відзначено, що для аналізу величезної кількості медичних відомостей необхідна інтелектуальна система, яка здатна самостійно опрацьовувати усі дані, аналізувати поведінку пацієнта та асистувати йому для уникнення потенційно небезпечних для стану його здоров'я ситуацій. Проаналізовано методи та засоби для динамічного синтезу інформаційних рекомендацій. Запропоновано створити інтелектуальну дорадчу інформаційну систему, реалізовану у формі застосунку "Здорове життя", який враховує індивідуальні медичні та фізичні дані конкретного пацієнта, для вирішення означеної задачі. Визначено, що система повинна забезпечувати персоналізований підхід до інформування користувачів комп'ютерних мереж про особливості їхнього здоров'я та способу життя, а також надавати рекомендації під час здійснення ними пошукових запитів. Проаналізовано наукові публікації та дослідження на задану тематику, розглянуто наявні системи, які можуть вважатися альтернативами запропонованого рішення. Встановлено, що в запропонованій системі "Здорове життя" необхідним є використання алгоритмів прийняття рішень з нечіткою логікою. Окрім цього, спроектовано структуру застосунку, описано його основні модулі та наведено один із варіантів використання.
Завантаження
Посилання
Chinnasamy, P., Wong, W. K., Raja, A., Khalaf, O., Kiran, A., & Babu, J. (2023). Health recommendation system using deep learning-based collaborative filtering. Heliyon, 9(12). https://doi.org/10.1016/j.heliyon.2023.e22844
ElKafrawy, P., Elnemr, R., Aboghazalah, M., Elsayed, N., & Elsayed, A. (2022). Recommender Diagnosis System with Fuzzy Logic in Cloud Environment. 2022 20th International Conference on Language Engineering (ESOLEC), 20, 118–123. https://doi.org/10.1109/ESOLEC54569.2022.10009214
Grouin, C., & Grabar, N. (2023). Year 2022 in Medical Natural Language Processing: Availability of Language Models as a Step in the Democratization of NLP in the Biomedical Area. Yearbook of Medical Informatics, 32(1), 244–252. https://doi.org/10.1055/s-0043-1768752
Holzinger, A., Carrington, A., & Müller, H. (2020). Measuring the Quality of Explanations: The System Causability Scale (SCS). KI – Künstliche Intelligenz, 34, 193–198. https://doi.org/10.1007/s13218-020-00636-z
Hrytsiuk, Y. I. (2022). Comprehensive software quality assessment system. Scientific Bulletin of UNFU, 32(2), 81–95. https://doi.org/10.36930/40320213
Kaur, P., Sood, S. K., & Kaur, G. (2016). An Intelligent System for Diabetes Prediction Using Big Data in the Cloud. Computing, 98(1-2), 91–108. https://doi.org/10.1007/s00607-015-0446-5
Kravets, P., Kyrkalo, R., Kravets, P., & Kyrkalo, R. (2009). Decision-making systems with fuzzy logic. Bulletin of Lviv Polytechnic National University, 4(171), 115–123. URL: https://vlp.com.ua/files/special/17_0.pdf
Liao, H., Wu, Y., & Xu, Z. (2018). Fuzzy Group Decision-Making: A Perspective of Fuzzy/Soft Technology and Applications. Computational Intelligence Magazine, 13(1), 31–43. https://doi.org/10.1109/MCI.2017.2767695
Linton, N., & Prodrome, P. (2013). DXplain: Patterns of Use of a Mature Expert System. Proceedings of the Annual Symposium on Computer Application in Medical Care, 551–553. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1560464
Lopes, C. T., & Fernandes, T. A. (2016). Health Suggestions: A Chrome Extension to Help Laypersons Search for Health Information. International Conference of the Cross-Language Evaluation Forum for European, 9822, 241–246. https://doi.org/10.1007/978-3-319-44564-9_22
Mu, Zhangqian, Liu, Yuanyuan, & Yang, Youlong. (2025, January). A large-scale group decision making model with a clustering algorithm based on a locality sensitive hash function. Engineering Applications of Artificial Intelligence, Vol. 140, article ID 109697. https://doi.org/10.1016/j.engappai.2024.109697
Naeeni, A. F. (2004). Advanced Multi-Agent Fuzzy Reinforcement Learning. Master Thesis Computer Engineering, Nr: E3098D, Dalarna University, Sweden, 98. URL: https://citeseerx.ist.psu.edu/document?repid=rep1&type=pdf&doi=f67810279c39e53bfcede5acca9a3ba6f2f5bf9 b
Ozsahin, D. U., Uzun, B., Ozsahin, I., & Mustapha, M. T. (2020). Fuzzy logic in medicine. Biomedical Signal Processing and Artificial Intelligence in Healthcare, 153–182. https://doi.org/10.1016/B978-0-12-818946-7.00006-8
Piwek, L., Ellis, D. A., Andrews, S., & Joinson, A. (2016). The Rise of Consumer Health Wearables: Promises and Barriers. PLoS Medicine, 13(2). https://doi.org/10.1371/journal.pmed.1001953
Topol, E. J. (2019). High-performance medicine: the convergence of human and artificial intelligence. Nature Medicine, 25(1), 44–56. https://doi.org/10.1038/s41591-018-0300-7
Zhang, S., Yao, L., Sun, A., & Tay, Y. (2019). Deep Learning based Recommender System: A Survey and New Perspectives. ACM Computing Surveys, 52(1), 1–38. https://doi.org/10.1145/3285029
Zhou, N., Zhang, T., Lv, H. Y., & Chen‐Xing, H. (2018). Concordance Study Between IBM Watson for Oncology and Clinical Practice for Patients with Cancer in China. The Oncologist, 24(6), 812–819. https://doi.org/10.1634/theoncologist.2018-0255
Переглядів анотації: 50 Завантажень PDF: 49
