Применение технологий искусственного интеллекта для поддержки принятия врачебных решений в системе медицинской реабилитации пациентов после инсульта

Современное здравоохранение характеризуется активной интеграцией цифровых технологий, среди которых особое место занимает искусственный интеллект (ИИ) [1–3]. В Российской Федерации технологическая модернизация медицинской отрасли рассматривается как ключевой фактор повышения доступности и качества медицинской помощи.

Актуальность изучения процесса реабилитации состояний после перенесенного инсульта обусловлена их высокой медико-социальной значимостью: в России ежегодно регистрируется около 450 000 случаев, при этом до 80% выживших нуждаются в длительной реабилитации [4]. В исследование включены пациенты как с ишемическим, так и с геморрагическим инсультом, поскольку оба варианта приводят к полиморфным функциональным нарушениям (двигательным, речевым, когнитивным, эмоциональным), что требует скоординированной работы мультидисциплинарной реабилитационной команды (МДРК) [5]. Индивидуальный клинический профиль пациента учитывается путем формализации в онтологической модели всех значимых параметров МКФ-профиля, данных анамнеза, коморбидности и результатов стандартизированных шкал, что позволяет системе генерировать персонализированные рекомендации. Диагностика нарушений опирается на Международную классификацию функционирования (МКФ) [6], однако сложность МКФ-профиля, необходимость учета индивидуальных особенностей и коллегиальной работы повышают нагрузку на врачей. В этих условиях перспективным решением становятся системы поддержки принятия врачебных решений (СППВР) с применением искусственного интеллекта (ИИ) [7]. Доверительный ИИ в медицине базируется на процессе построения формальных моделей предметной области, называемых онтологиями [8]. В контексте систем искусственного интеллекта для здравоохранения онтологии играют ключевую роль: они представляют медицинские данные и знания в машиночитаемом, логически непротиворечивом виде, обеспечивают семантический обмен разнородными данными, повышают точность анализа и поддерживают принятие медицинских решений за счет формализации знаний [9].

Цель исследования: клинико-методологическое обоснование применения разработанного комплекса онтологий реабилитации и формализованных на их основе баз знаний, обеспечивающих поддержку принятия врачебных решений на всех этапах реабилитации пациентов после инсульта.

Материалы и методы

Исследование проводилось на базе ИАПУ ДВО РАН и ТГМУ при участии специалистов Владивостокской клинической больницы № 1 (КГБУЗ «ВКБ № 1»).

Методологическая основа. Разработка ядра СППВР базировалась на онтологическом подходе к представлению знаний на платформе IACPaaS [10], выделяющем концептуальную модель предметной области в самостоятельный базовый информационный ресурс в виде набора иерархических ориентированных графов. Онтология определяет базовые классы объектов (пациент, диагноз, вмешательство, МКФ-домен), а база знаний, построенная на основе онтологии, конкретизируют ее свойства и отношения. Формализация знаний выполнена с помощью редактора онтологий платформы IACPaaS, что позволяет медицинским экспертам без участия программистов наполнять и модифицировать базу знаний. Онтологические инструменты платформы IACPaaS позволяют специалистам в области медицины участвовать в наполнении и обновлении базы знаний, дают гибкость формирования всех компонентов [11–13].

Этапы разработки. Проектирование компонентов системы включало:

– концептуальный анализ предметной области с участием пяти экспертов (невролог, врач физической и реабилитационной медицины, логопед, эрготерапевт, медицинский психолог);

– терминологическую систематизацию на основе действующих клинических рекомендаций по ишемическому и геморрагическому инсульту, приказа Минздрава РФ № 788н, а также стандартов МКФ;

– разработку формализованных баз знаний в виде графовых структур;

– формирование пользовательских интерфейсов для ввода и визуализации данных с учетом ролевых функций специалистов.

На всех этапах осуществлялось экспертное сопровождение со стороны врачей КГБУЗ «ВКБ № 1», что позволило обеспечить клиническую достоверность и практическую применимость разрабатываемых решений.

Результаты исследования

В ходе исследования был разработан комплекс взаимосвязанных онтологоориентированных баз знаний, интегрированных в облачную среду IACPaaS и обеспечивающих поддержку ключевых этапов реабилитационного процесса у пациентов после инсульта.

1. Поддержка реабилитационного диагноза по МКФ. Созданы онтологии и базы знаний, связывающие домены МКФ (функции b110–b810, активность и участие d110–d930) с клиническими признаками и степенями тяжести. Система на основе введенных данных автоматически выдвигает гипотезы о наличии нарушений у пациента, что повышает согласованность решений МДРК. Система выдвигает гипотезы о нарушениях, повышая согласованность решений МДРК.
2. Стандартизация клинической оценки.Разработан ресурс, содержащий 55 формализованных шкал и опросника (шкала Бартела, Индекс мобильности Ривермид, MMSE, МоСА-тест и др.) с правилами автоматического подсчета баллов и интерпретации результатов. Формализация выполнена в виде графов, описывающих логику вычислений и критерии оценки.
3. Единая система справочников клинических данных.Структурированный ресурс для внесения осмотров и опросов, апробированный на платформе IACPaaS, обеспечивает гибкий сбор первичной информации.
4. Электронная реабилитационная карта. Онтология электронной реабилитационной карты с персональными разделами для каждого члена МДРК, поддерживающая возможность коллегиальных осмотров, хранения генерируемых гипотез интеллектуальной системой, апробирована в клинических условиях КГБУЗ «ВКБ № 1».
5. Взаимодействие МДРК. Разработаны формализованные сценарии работы каждого члена мультидисциплинарной реабилитационной команды, определяющие ролевые функции, порядок и формат ввода данных специалистами, принятия решений и формирования заключений (врач ФРМ, невролог, логопед, эрготерапевт и др.).
6. Формирование индивидуального плана медицинской реабилитации.Для автоматизации построения плана, интегрирующего задачи, методы и цели реабилитации, разработаны соответствующие информационные ресурсы, благодаря которым ИИ генерирует гипотезы и элементы решений, связывая клинические параметры с компонентами плана реабилитации.
7. Администрирование.Информационный ресурс для формирования состава МДРК, распределения обязанностей и контроля полноты мероприятий.
8. Пользовательские интерфейсы.Графические интерфейсы, адаптированные под сценарии осмотра каждым специалистом, с визуализацией данных и результатов интеллектуальной обработки (гипотезы, рекомендации).

Таким образом, созданная система объединяет в себе формализованные медицинские знания c механизмами интеллектуальной поддержки принятия решений, что позволяет рассматривать ее как законченное решение для цифровизации процессов медицинской реабилитации.

Обсуждение

Проведенное исследование направлено на решение актуальной научно-практической задачи – создание системы поддержки принятия решений для МДРК, работающей с пациентами после инсульта. Актуальность данной работы подтверждается приоритетным положением медицинской реабилитации в государственной политике Российской Федерации, регламентированным приказом Минздрава № 788н и включением реабилитации в программу высокотехнологичной медицинской помощи. Как отмечается в работе [14], современные достижения в области нейрореабилитации требуют внедрения структурированных инструментов поддержки принятия решений, поскольку клиническая сложность пациентов после инсульта часто превышает возможности традиционного подхода «один специалист – одно решение». В зарубежной литературе также подчеркивается, что интеграция искусственного интеллекта в реабилитацию после инсульта предоставляет значительные преимущества на всех этапах помощи – от диагностики до долгосрочного восстановления [15][16]. Полученные нами результаты согласуются с выводами [15][16]: формализация знаний с помощью онтологий повышает точность диагностики функциональных нарушений и улучшает координацию команды.

Ключевым результатом работы является создание онтологий и комплекса формализованных баз знаний, которые образуют основу СППВР и определяют ее гибкость стабильность, что многократно подтверждалось в мировой литературе [17][18]. Выбранный двухуровневый подход к представлению знаний (на основе онтологий) обеспечивает необходимую гибкость: обновление клинических рекомендаций, добавление новых тестов или модификация правил интерпретации могут выполняться без изменения программного кода системы. Это критически важно для динамично развивающейся области медицинской реабилитации. В отличие от работ [17] и [18], где онтологии использовались преимущественно для диагностики, наше решение охватывает весь реабилитационный цикл, включая осмотры членами МДРК по индивидуальным сценариям для каждого профиля специалиста реабилитационной команды, диагностику, формирование индивидуального плана.

Существенной особенностью разработанного решения является его изначальная ориентация на коман-дную работу. Разделение ролевых функций, создание специализированных интерфейсов для каждого члена МДРК, а также единое информационное пространство для коллегиального обсуждения позволяют преодолеть традиционную фрагментарность клинических данных и обеспечить согласованность действий специалистов разного профиля. Данный подход согласуется с результатами [19], где подчеркивается, что информационная поддержка мультидисциплинарной команды и создание единого инструмента помогают специалистам в формулировании реабилитационного диагноза и в определении более точного реабилитационного потенциала.

Разработанная база знаний для поддержки МКФ-диагностики представляет собой один из наи-более сложных и значимых компонентов системы. Формализация и переход от клинических наблюдений к структурированному реабилитационному диагнозу с использованием доменов и определителей МКФ создает основу для истинно персонализированного подхода, соответствующего современным клиническим рекомендациям.

На текущем этапе сформирован базовый комплекс информационных ресурсов и накоплены первичные клинические данные. Валидация системы проведена на ограниченной выборке, что требует дальнейшего расширения для подтверждения воспроизводимости результатов. Развитие проекта предусматривает дальнейшую валидацию системы в условиях реальной клинической практики с оценкой ее влияния на эффективность реабилитации; расширение базы знаний на основе накапливаемого клинического опыта, что позволит связать цели, задачи, методы с клиническими рекомендациями по реабилитации; расширение комплекса информационных ресурсов для формализации и применения знаний, относящихся к оценке реабилитационного потенциала и прогнозирования восстановления не только пораженных органов и систем организма, но также психологических и социальных аспектов жизни пациента. В зарубежных обзорах также подчеркивается, что современные подходы на основе машинного обучения позволяют сформировать новые глубинные закономерности для актуальных вопросов реабилитации, таких как прогнозирование, мониторинг на всей постинсультной траектории [20][21].

В настоящей работе основное внимание уделено методологическим аспектам создания структурированного ядра СППВР. Клиническая апробация системы и оценка ее эффективности в сравнении с традиционными подходами планируются в рамках последующих этапов исследования.

Заключение

Разработанный комплекс формализованных баз знаний, основанный на технологиях искусственного интеллекта и интегрированный в облачную платформу, представляет собой методологическую основу для создания системы поддержки принятия врачебных решений в области медицинской реабилитации пациентов после инсульта. Созданные онтологии охватывают ключевые домены МКФ, стандартизированные оценочные шкалы и правила поддержки реабилитационного диагноза и индивидуального плана реабилитации. Апробация на реальных клинических случаях продемонстрировала повышение согласованности решений мультидисциплинарной команды и сокращение времени на формирование плана реабилитации. Предложенное решение позволяет обеспечить интеллектуальную поддержку мультидисциплинарной реабилитационной команды на всех этапах ведения пациента, интегрируя специфику командного взаимодействия, требования клинических стандартов и методологию Международной классификации функционирования. Разработанный подход создает предпосылки для дальнейшего развития персонализированной реабилитации и повышения качества медицинской помощи данной категории пациентов.

Конфликт интересов: авторы декларируют отсутствие явных и потенциальных конфликтов интересов, связанных с публикацией настоящей статьи.

Источник финансирования: проект реализуется коллективом сотрудников ФГБОУ ВО ТГМУ Минздрава России и ФГБУН ИАПУ ДВО РАН в рамках субсидии на реализацию программы стратегического академического лидерства «Приоритет-2030» и в рамках государственного задания ИАПУ ДВО РАН, тема № F WFW-2026-0008.

Участие авторов:

Концепция и дизайн исследования – ЛСВ, ШЕЮ, ГВВ

Формализация и наполнение ИР – ШЕА, ОДБ, ШЕИ

Программная реализация системы – ЛАЯ, ФЛА, КРИ, МФМ, ТВА

Написание текста – ОДБ, КРИ, ТВА

Редактирование – ГВВ, ШЕА, ШЕЮ, МФМ

Окончательное утверждение для публикации рукописи – ГВВ, ШЕЮ, ЛСВ