Проєктна модель рекомендаційної системи підтримки клінічних рішень для сімейного лікаря
DOI:
https://doi.org/10.30837/bi.2026.1(104).03Ключові слова:
ІНТЕЛЕКТУАЛЬНА СИСТЕМА, РЕКОМЕНДАЦІЙНА СИСТЕМА, ПІДТРИМКА ПРИЙНЯТТЯ РІШЕНЬ, СІМЕЙНИЙ ЛІКАР, ШТУЧНИЙ ІНТЕЛЕКТ, МОДЕЛЬ, ГЛИБОКЕ НАВЧАННЯАнотація
У статті розглянуто проєктування рекомендаційної системи підтримки прийняття клінічних рішень для сімейного лікаря в умовах зростання обсягів медичних даних та інформаційного перевантаження. Проаналізовано сучасні підходи до побудови Health Recommender Systems і виявлено їхні основні обмеження, зокрема недостатню пояснюваність (тобто здатності алгоритму обґрунтувати, чому було запропоновано певне рішення або рекомендацію), складність інтеграції з електронними медичними записами та ризики конфіденційності даних. Запропоновано проєктну модель рекомендаційної системи, що поєднує методи штучного інтелекту, бази знань доказової медицини та підходи Explainable AI. Розроблено контекстну, функціональну, поведінкову та компонентну діаграми, які формалізують архітектуру та логіку взаємодії системи. Запропонована модель орієнтована на практичне застосування та спрямована на підвищення обґрунтованості клінічних рішень і зменшення кількості необґрунтованих обстежень
Посилання
Zhi M., Ding E. L., et al. (2013). The landscape of inappropriate laboratory testing: a 15-year meta-analysis / PLoS ONE. – Vol. 8, No. 11. – e78962. – URL: https://doi.org/10.1371/journal.pone.0078962 (дата звернення: 11.11.2025).
Dobrowolski T. (2020). What is an Intelligent System? // ResearchGate. URL: DOI: 10.13140/RG.2.2.25833.01129 (дата звернення: 11.11.2025).
Bobadilla J., Ortega F., Hernando A., Gutierrez A. (2013). Recommender Systems Survey // Knowledge-Based Systems. – Vol. 46. – P. 109–132. URL: DOI: 10.1016/j.knosys.2013.03.012 (дата звернення: 11.11.2025).
Zhou H., Xiong F., Chen H. (2023). A Comprehensive Survey of Recommender Systems Based on Deep Learning // Applied Sciences. – Vol. 13, No. 20. – Article ID 11378. URL: DOI: 10.3390/app132011378 (дата звернення: 11.11.2025).
Tran T. N. T., Nguyen P. T. T., Nguyen N. T. et al. (2020). Recommender systems in the healthcare domain: state-of-the-art and research issues. Journal of Intelligent Information Systems. URL: DOI: 10.1007/s10844-020-00633-6 (дата звернення: 11.11.2025).
Cai Y., et al. (2022). Health Recommender Systems Development, Usage, and Evaluation from 2010 to 2022: A Scoping Review. International Journal of Environmental Research and Public Health, 19(22), 15115. URL: DOI: 10.3390/ijerph192215115 (дата звернення: 11.11.2025).
Torres-Ruiz M., Quintero R., Guzman M., Chui M. (2023). Healthcare Recommender System Based on Medical Specialties, Patient Profiles, and Geospatial Information. Sustainability, 15(1), 499. URL: DOI: 10.3390/su15010499 (дата звернення: 11.11.2025).
Singh A., Schooley B., Mobley J., et al. (2025). Human-Centered Design of a Health Recommender System for Orthopaedic Shoulder Treatment. BMC Medical Informatics and Decision Making. URL: https://bmcmedinformdecismak.biomedcentral.com (дата звернення: 11.11.2025).
Ammeling J., Aubreville M., et al. (2025). An Interdisciplinary Perspective on AI-Supported Decision Making in Medicine // Technology in Society. URL: DOI: 10.1016/j.techsoc.2024.102791 (дата звернення: 11.11.2025).
Frasca M., La Torre D., Pravettoni G., Cutica I. (2024). Explainable and Interpretable Artificial Intelligence in Medicine: A Systematic Bibliometric Review // SpringerLink. URL: DOI: 10.1007/s44163-024-00114-7 (дата звернення: 11.11.2025).
Gambetti A., Han Q., Soares C. (2025) A Survey on Human-Centered Evaluation of Explainable AI Methods in Clinical Decision Support Systems // arXiv preprint. URL: DOI: 10.48550/arXiv.2502.09849 (дата звернення: 11.11.2025).
Ali O., Abdelbaki W., et al. (2023). A Systematic Literature Review of Artificial Intelligence in the Healthcare Sector: Benefits, Challenges, Methodologies, and Functionalities // Journal of Innovation & Knowledge. URL: DOI: 10.1016/j.jik.2023.100333 (дата звернення: 11.11.2025).
Regulation (EU) 2016/679 of the European Parliament and of the Council (General Data Protection Regulation), OJ L 119, 04.05.2016, as amended by OJ L 127, 23.5.2018.
HIPAA Guide. HIPAA Compliance Guide. URL: https://www.hipaaguide.net/hipaa-compliance-guide/ (дата звернення: 11.11.2025).
Ibrahim, A.; Khalili, A.; et al. (2025). MERA: Medical Electronic Records Assistant. Mach. Learn. Knowl. Extr. 7, 73. URL: https://doi.org/10.3390/make7030073 (дата звернення: 11.11.2025).
Santangelo, O.E.; Gentile, V.; et al. (2023). Machine Learning and Prediction of Infectious Diseases: A Systematic Review. Mach. Learn. Knowl. Extr. 5, 175-198. URL: https://doi.org/10.3390/make5010013 (дата звернення: 11.11.2025).
Bora, A.; Cuayáhuitl, H. (2024). Systematic Analysis of Retrieval-Augmented Generation-Based LLMs for Medical Chatbot Applications. Mach. Learn. Knowl. Extr. 6, 2355-2374. URL: https://doi.org/10.3390/make6040116 (дата звернення: 11.11.2025).
Gonzalez-Franco, J.D. et al. (2025) Revolutionizing Cardiac Risk Assessment: AI-Powered Patient Segmentation Using Advanced Machine Learning Techniques. Mach. Learn. Knowl. Extr. 7, 46. URL: https://doi.org/10.3390/make7020046 (дата звернення: 11.11.2025).
Yin, Y.; Shao, Y.; et al. (2025) Machine-Learned Codes from EHR Data Predict Hard Outcomes Better than Human-Assigned ICD Codes. Mach. Learn. Knowl. Extr. 7, 36. URL: https://doi.org/10.3390/make7020036 (дата звернення: 11.11.2025).
Gao, X., Alam, S., Shi, P. et al. (2023) Interpretable machine learning models for hospital readmission prediction: a two-step extracted regression tree approach. BMC Med Inform Decis Mak 23, 104. URL: https://doi.org/10.1186/s12911-023-02193-5 (дата звернення: 11.11.2025).
Rawas, S., Tafran, C., AlSaeed, D., Al-Ghreimil, N. (2024). Transforming Healthcare: AI-NLP Fusion Framework for Precision Decision-Making and Personalized Care Optimization in the Era of IoMT. Computers, Materials & Continua, 81(3), 4575–4601. URL: https://doi.org/10.32604/cmc.2024.055307 (дата звернення: 11.11.2025).
Alsekait, D. M., et al. (2024). Heart-Net: A Multi-Modal Deep Learning Approach for Diagnosing Cardiovascular Diseases. Computers, Materials & Continua, 80(3), 3967–3990. URL: https://doi.org/10.32604/cmc.2024.054591 (дата звернення: 11.11.2025).
Akhund TMNU, Al-Nuwaiser WM. (2024), Improving Prediction Efficiency of Machine Learning Models for Cardiovascular Disease in IoST-Based Systems through Hyperparameter Optimization. Computers, Materials & Continua, 80(3): 3485-3506. URL: https://doi.org/10.32604/cmc.2024.054222 (дата звернення: 11.11.2025).
Zhou, H., Liao, S., & Guo, F. (2024). TriGCN: Graph Convolution Network Based on Tripartite Graph for Personalized Medicine Recommendation System. Systems, 12(10), 398. URL: https://doi.org/10.3390/systems12100398 (дата звернення: 11.11.2025).
Li, X., Zhang, Y., Li, X., Wei, H., & Lu, M. (2023). DGCL: Distance-wise and Graph Contrastive Learning for medication recommendation. Journal of Biomedical Informatics, 139, 104301. URL: https://doi.org/10.1016/j.jbi.2023.104301 (дата звернення: 11.11.2025).
Su Y, Shi Y, Lee W, Cheng L, Guo H. (2022) TAHDNet: Time-aware hierarchical dependency network for medication recommendation. J Biomed Inform. May; 129: 104069. URL: doi: 10.1016/j.jbi.2022.104069 (дата звернення: 11.11.2025).
Mi, J., Wang, D., et al. (2024). ACDNet: Attention-guided Collaborative Decision Network for effective medication recommendation. / Journal of Biomedical Informatics, Volume 149, 104570 URL: https://doi.org/10.1016/j.jbi.2023.104570 (дата звернення: 11.11.2025).
Liu, Y., Zhang, Z., et al. (2025). GatorCLR: Personalized predictions of patient outcomes on electronic health records using self-supervised contrastive graph representation. Journal of biomedical informatics, 168, 104851. URL: https://doi.org/10.1016/j.jbi.2025.104851 (дата звернення: 11.11.2025).
Nogues, I. E., Wen, J., et al. (2024). Semi-supervised Double Deep Learning Temporal Risk Prediction (SeDDLeR) with Electronic Health Records. Journal of biomedical informatics, 157, 104685. URL: https://doi.org/10.1016/j.jbi.2024.104685 (дата звернення: 11.11.2025).
Niu, H., Omitaomu, O. A., et al. (2024). EHR-BERT: A BERT-based model for effective anomaly detection in electronic health records. Journal of biomedical informatics, 150, 104605. URL: https://doi.org/10.1016/j.jbi.2024.104605 (дата звернення: 11.11.2025).
Niu, H., Omitaomu, O. A., et al. (2025). Anomaly Detection in Electronic Health Records Across Hospital Networks: Integrating Machine Learning With Graph Algorithms. IEEE journal of biomedical and health informatics, 29(5), 3723–3735. URL: https://doi.org/10.1109/JBHI.2025.3527752 (дата звернення: 11.11.2025)
Frasca, M., La Torre, D., Pravettoni, G., & Cutica, I. (2024). Explainable and Interpretable Artificial Intelligence in Medicine: A Systematic Bibliometric Review. AI and Ethics, Springer. URL: DOI: 10.1007/s44163-024-00114-7 (дата звернення: 11.11.2025).
Cai, Y., Liu, J., Xu, J., & Xie, J. (2022). Health Recommender Systems Development, Usage, and Evaluation from 2010 to 2022: A Scoping Review. International Journal of Environmental Research and Public Health, 19(22), 15115. URL: DOI: 10.3390/ijerph192215115 (дата звернення: 11.11.2025).
Ammeling, J., Aubreville, M., et al. (2025). An Interdisciplinary Perspective on AI-Supported Decision Making in Medicine. Technology in Society, 75, 102791. URL: DOI: 10.1016/j.techsoc.2024.102791 (дата звернення: 11.11.2025).
Torres-Ruiz, M., Quintero, R., et al. (2023). Healthcare Recommender System Based on Medical Specialties, Patient Profiles, and Geospatial Information. Sustainability, 15(1), 499. URL: DOI: 10.3390/su15010499 (дата звернення: 11.11.2025).
Sharma, V., Samant, S. S., et al. (2024). An Integrative Framework for Healthcare Recommendation Systems: Leveraging the Linear Discriminant Wolf–Convolutional Neural Network (LDW-CNN) Model. Diagnostics, 14(22), 2511. URL: DOI: 10.3390/diagnostics14222511 (дата звернення: 11.11.2025).
