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

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ 
Актуальность темы исследования. Развитие современных информаци-
онных технологий дало возможность накопления больших массивов данных, 
применимых для совершенствования методов управления современными слож-
ными системами. На смену существующим подходам приходит управление на 
основе объективных данных, автоматизация и роботизация. Расширяется спектр 
областей, в которых осуществляется оперативный мониторинг объектов управ-
ления, предоставляющий инструменты динамического воздействия на контроли-
руемую систему и автоматической выработки управленческих воздействий. 
С появлением в последние годы электронных медицинских карт стало воз-
можным использование персонифицированных медицинских данных для опти-
мизации принятия клинических решений при назначении лечения. Таким обра-
зом, актуальные научные исследования в этой области также постепенно пере-
ходят от разработки систем управления знаниями к системам управлениями дан-
ными. 
Однако, по-прежнему отсутствует теоретически обоснованный подход для 
персонифицированного формирования стратегий лечения, опирающийся на мо-
ниторинг динамики изменения состояния пациента. С целью создания подобного 
инструментария предлагается использовать подход на основе алгоритмов ма-
шинного обучения с подкреплением. 
Алгоритм обучения с подкреплением представляет собой последователь-
ность адаптированных процедур, соответствующих динамическому изменению 
состояния системы. Таким образом, стратегия лечения пациента, разработанная 
на основе метода обучения с подкреплением, будет динамически меняться с те-
чением времени по мере накопления наблюдений. 
К настоящему моменту отсутствуют примеры медицинских информацион-
ных систем в области научных разработок РФ, в которых персонализированный 
подход к назначению лечения достигается путем использования подобного ин-
струментария. Сложность разработки методов машинного обучения с подкреп-
лением связана с тем, что в настоящий момент этот подход существует в виде 
общей схемы, разработка алгоритмических этапов которой для решения опреде-
ленного класса задач является достаточно сложной проблемой. 
В связи с этим, развитие, разработка и обоснование эффективных методов 
машинного обучения с подкреплением для поддержки принятия решений в зада-
чах поиска эффективных стратегий лечения является актуальной научной про-
блемой, имеющей большую теоретическую и практическую значимость.