EUVIMEDEUVIMED entdecken
Crossref

ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СППКР ПО ДАННЫМ ЭЛЕКТРОННЫХ МЕДИЦИНСКИХ КАРТ ДЛЯ ФЕНОТИПИРОВАНИЯ И ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ БАР И БДР

Гоглов И.О.

Cifra: Медико-биологические науки · 2026-03 · 8 (1)

DOI: 10.60797/bmed.2026.8.4 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Cifra: Медико-биологические науки, 2026-03. Verfasst von Гоглов И.О.. Die Arbeit wurde bisher 3-mal zitiert (Crossref).

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Введение. Дифференциальная диагностика биполярного аффективного расстройства (БАР; bipolar disorder, BD) и униполярной депрессии (БДР; major depressive disorder, MDD) является сложной задачей, особенно на ранних стадиях заболевания. Ошибки в диагностике приводят к задержке в назначении правильной терапии. Электронные медицинские карты (ЭМК; electronic health records, EHR) представляют собой перспективный источник данных для разработки моделей машинного обучения и систем поддержки принятия клинических решений (СППКР; clinical decision support systems, CDSS) для выявления пациентов с БАР, дифференциальной диагностики БАР и БДР, прогнозирования диагностической конверсии БДР в БАР.Материалы и методы. Проведен аналитический обзор 12 публикаций, посвящённых фенотипированию БАР с использованием ЭМК, валидации «меток» диагноза, дифференциальной диагностике БАР и БДР, а также прогнозированию диагностической конверсии БДР в БАР. Проанализированы также применения методов NLP и text mining для извлечения симптомов из клинических заметок.Результаты. Качество «меток» диагноза зависит от строгости фенотипа и может быть улучшено с помощью более детализированных методов, таких как NLP. Прогнозы конверсии БДР в БАР имеют умеренную точность, и значимость точности и качества данных подчеркивается рядом исследований. Модели на основе ЭМК показывают хорошие результаты в задаче дифференциальной диагностики, но требуют качественной записи симптомов в ЭМК.Выводы. Для успешного применения СППКР в психиатрии необходимо обеспечить качественное фенотипирование, использование более строгих критериев и обязательную внешнюю валидацию фенотипов. Важно также контролировать соблюдение этических норм и конфиденциальности при обработке данных. Системы поддержки принятия клинических решений могут эффективно использоваться для риск-стратификации и триггера в процессе дифференциальной диагностики БАР и БДР.

Schlagwörter

электронные медицинские картыэмк-фенотипированиебиполярное расстройствоуниполярная депрессиямашинное обучениеnlpсппкрelectronic medical recordsemr phenotypingbipolar disorder

Zitieren

APA

И.О., Г. (2026). ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СППКР ПО ДАННЫМ ЭЛЕКТРОННЫХ МЕДИЦИНСКИХ КАРТ ДЛЯ ФЕНОТИПИРОВАНИЯ И ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ БАР И БДР. Cifra: Медико-биологические науки, 8(1). https://doi.org/10.60797/bmed.2026.8.4

Vancouver

И.О. Г. ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СППКР ПО ДАННЫМ ЭЛЕКТРОННЫХ МЕДИЦИНСКИХ КАРТ ДЛЯ ФЕНОТИПИРОВАНИЯ И ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ БАР И БДР. Cifra: Медико-биологические науки. 2026;8(1). doi:10.60797/bmed.2026.8.4

BibTeX
@article{2026,
  author = {И.О., Гоглов},
  title = {ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ В СППКР ПО ДАННЫМ ЭЛЕКТРОННЫХ МЕДИЦИНСКИХ КАРТ ДЛЯ ФЕНОТИПИРОВАНИЯ И ДИФФЕРЕНЦИАЛЬНОЙ ДИАГНОСТИКИ БАР И БДР},
  journal = {Cifra: Медико-биологические науки},
  year = {2026},
  volume = {8},
  number = {1},
  doi = {10.60797/bmed.2026.8.4}
}
Kostenlos starten →