Интеллектуальная система поддержки принятия решений для формирования схем лечения на основе методов машинного обучения с подкреплением

Объект исследования – процесс автоматизированного формирования 
схем лечения. 
Предмет исследования – алгоритмы машинного обучения, в том числе, 
обучения с подкреплением, для решения задачи формирования схем лечения на 
основе данных электронных медицинских карт. 
Область исследования соответствует паспорту специальности 05.13.01. – 
«Системный анализ, управление и обработка информации (в науке и промыш-
ленности)», а именно: п. 2 – Формализация и постановка задач системного ана-
лиза, оптимизации, управления, принятия решений и обработки информации; п. 

---

5 
3 – Разработка критериев и моделей описания и оценки эффективности решения 
задач системного анализа, оптимизации, управления, принятия решений и обра-
ботки информации; п. 4 – Разработка методов и алгоритмов решения задач си-
стемного анализа, оптимизации, управления, принятия решений и обработки ин-
формации; п. 5 – Разработка специального математического и алгоритмического 
обеспечения систем анализа, оптимизации, управления, принятия решений и об-
работки информации. 
Научная новизна. В диссертационной работе получены следующие ре-
зультаты, характеризующиеся научной новизной: 
− 
формализация задачи автоматизированного формирования схем ле-
чения, отличающаяся возможностью адекватного описания с использованием 
модели машинного обучения с подкреплением; 
− 
метод определения наиболее значимых входных признаков модели 
обучения с подкреплением на основе использования полносвязных и рекуррент-
ных нейронных сетей, отличающийся возможностью исследовать однократные 
и динамические измерения показателей, а также признаки, формирующие значи-
мые ассоциации, выявленные методом apriori; 
− 
метод автоматизированного формирования клинических рекоменда-
ций для построения модели обучения с подкреплением, отличающийся распо-
знаванием текстовых клинических сущностей и выявлением именованных зави-
симостей на основе современных гибридных нейросетевых моделей BiLSTM-
CNN; 
− 
модифицированный алгоритм обучения с подкреплением на основе 
алгоритма итераций по значениям, отличающийся использованием нетривиаль-
ной функции вознаграждений, применимой в условиях конструирования множе-
ства состояний на базе кластерного разбиения с ограничениями входных пара-
метров; 
− 
структура интеллектуальной СППР, отличающаяся применением 
модуля обучения с подкреплением для формирования оптимальных схем лече-
ния.