Реєстраційний номер
0826U001544, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
29-06-2026
Статус
Наказ про видачу диплома
Назва роботи
Моделі і методи машинного навчання в задачах прогнозування ускладнень серцево-судинних хвороб
Здобувач
Празднікова Маргарита Олександрівна,
Керівник Тульчинський Вадим Григорович
Опонент Попов Антон Олександрович
Опонент Панченко Тарас Володимирович
Рецензент Галелюка Ігор Богданович
Рецензент Будник Микола Миколайович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Інститут кібернетики імені В. М. Глушкова Національної академії наук України
Опис
Дисертаційна робота присвячена розробці моделей і методів машинного навчання для прогнозування ускладнень серцево-судинних та цереброваскулярних захворювань на основі аналізу текстових медичних даних. Основною метою дослідження є підвищення точності середньо- та довгострокового прогнозування ризику розвитку інфаркту міокарда та уражень судин головного мозку шляхом використання неструктурованих текстів лікарських записів у поєднанні з іншими медичними показниками.
Актуальність роботи зумовлена високою поширеністю серцево-судинних захворювань та необхідністю раннього виявлення пацієнтів із підвищеним ризиком ускладнень. У роботі запропоновано підхід до аналізу текстів медичних історій, який дозволяє враховувати приховані клінічні ознаки, що не відображені у структурованих даних. Для класифікації текстів використано наївний байєсівський класифікатор у модифікації, адаптованій до аналізу частот слів.
Наукова новизна роботи полягає у розробці комплексного підходу до обробки медичних текстів, що включає нормалізацію, лематизацію, використання кодів діагнозів та відбір релевантних медичних термінів із застосуванням мовних моделей штучного інтелекту. Запропоновано мультимодальне поєднання текстових даних із результатами електрокардіографічних досліджень та показниками артеріального тиску. Проведено експериментальні дослідження, які показали високу ефективність моделей: точність прогнозування інфаркту міокарда становить близько 93,6%, а цереброваскулярних захворювань – 91,6%.
Практичне значення отриманих результатів полягає у можливості використання розроблених моделей як інструменту підтримки прийняття лікарських рішень. Запропоновано підхід до формування індивідуальної оцінки ризику у вигляді скорингової шкали, що дозволяє здійснювати персоналізовану профілактику та оптимізувати використання ресурсів медичних установ. Розроблене програмне забезпечення пройшло апробацію у медичній установі та продемонструвало клінічно прийнятну ефективність.
Отримані результати можуть бути застосовані для прогнозування інших неінфекційних захворювань, а також у системах підтримки прийняття рішень у галузі охорони здоров’я.
Дата реєстрації
2026-05-12
Додано/оновлено в НРАТ
2026-05-12 / 2026-07-23
