Выявление факторов риска острых нарушений мозгового кровообращения на основе интеллектуального анализа историй болезни

Обложка

Цитировать

Полный текст

Аннотация

Инсульт занимает второе место в мире среди причин смертности и третье место среди причин инвалидности и смертности вместе взятых. При этом среди факторов риска возникновения инсульта имеются потенциально управляемые, т.е. возможна профилактика данного заболевания. Выявление ранее неизвестных модифицируемых факторов риска инсульта или проверка значимости известных факторов являются актуальными задачами, которые можно решать на основе ретроспективного анализа историй болезни пациентов с этим заболеванием. В работе представлен подход к выявлению факторов риска острых нарушений мозгового кровообращения из текстов историй болезни с применением методов обработки естественного языка и машинного обучения. Предложенный подход позволил определить факторы риска инфаркта мозга и транзиторной ишемической атаки у пациентов одной из федеральных клиник. Выявленные факторы в целом согласуются с полученными в других исследованиях.

Об авторах

Виктория Владимировна Донитова

Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук»

Автор, ответственный за переписку.
Email: vdonitova@gmail.com

научный сотрудник

Россия, Москва

Данил Алексеевич Киреев

Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук»

Email: kireev@isa.ru

программист

Россия, Москва

Борис Аркадьевич Кобринский

Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук»

Email: kba_05@mail.ru

заведующий отделом, доктор медицинских наук, профессор, заслуженный деятель науки РФ

Россия, Москва

Иван Валентинович Смирнов

Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук»

Email: ivs@isa.ru

заведующий отделом, кандидат физико-математических наук, доцент

Россия, Москва

Елизавета Викторовна Титова

Федеральное государственное учреждение «Федеральный исследовательский центр «Информатика и управление» Российской академии наук»

Email: elz.titova@gmail.com

инженер-исследователь

Россия, Москва

Список литературы

  1. Гусев А.В., Кузнецова Т.Ю., Корсаков И.Н. Искусственный интеллект в оценке рисков развития сердечно-сосудистых заболеваний //Журнал телемедицины и электронного здравоохранения. 2018. №. 3. С. 85-90.
  2. Кобринский Б.А., Кадыков А.С., Полтавская М.Г., Благосклонов Н.А., Ковелькова М.Н. Принципы функционирования интеллектуальной системы динамического контроля факторов риска и формирования рекомендаций по здоровьесбережению // Профилактическая медицина. 2019. Т.22. №5. С.7884.
  3. Feigin V.L. et al. Global, regional, and national burden of stroke and its risk factors, 1990–2019: A systematic analysis for the Global Burden of Disease Study 2019 // The Lancet Neurology. 2021. Vol. 20. №. 10. P. 795-820.
  4. Johnson C.O. et al. Global, regional, and national burden of stroke, 1990–2016: a systematic analysis for the Global Burden of Disease Study 2016 //The Lancet Neurology. 2019. Vol. 18. №. 5. P. 439-458.
  5. Boehme A.K., Esenwa Ch., Elkind M.S.V. Stroke Risk Factors, Genetics, and Prevention. Circulation Research. 2017. Vol. 120. P. 472–495.
  6. Chen J. et al. Stroke Risk Factors of Stroke Patients in China: A Nationwide Community-Based Cross-Sectional Study //International Journal of Environmental Research and Public Health. 2022. Vol. 19. №. 8. P. 4807.
  7. Швец Д.А., Поветкин С.В. Сравнительный обзор использования методов машинного обучения для прогнозирования сердечно-сосудистого риска // Вестник новых медицинских технологий. Электронное периодическое издание. 2020. № 5. С.74-82.
  8. Lee S., Kim H.S. Prospect of artificial intelligence based on electronic medical record // Journal of Lipid and Atherosclerosis. 2021. Vol. 10. №. 3. P. 282.
  9. Невзорова В.А., Плехова Н.Г., Присеко Л.Г., Черненко И.Н., Богданов Д.Ю., Мокшина М.В., Кулакова Н.В. Методы машинного обучения в прогнозировании исходов и рисков сердечно-сосудистых заболеваний у пациентов с артериальной гипертензией (по материалам ЭССЕ-РФ в Приморском крае) // Российский кардиологический журнал. 2020. № 3. С. 10-16.
  10. Баранов А.А. и др. Технологии комплексного интеллектуального анализа клинических данных // Вестник Российской академии медицинских наук. 2016. Т. 71. №. 2. С. 160-171.
  11. Tayefi M. et al. Challenges and opportunities beyond structured data in analysis of electronic health records //Wiley Interdisciplinary Reviews: Computational Statistics. 2021. Vol. 13. №. 6. P. e1549.
  12. Shelmanov A.O., Smirnov I.V., Vishneva E.A. Information extraction from clinical texts in Russian // Computational Linguistics and Intellectual Technologies: Papers from the Annual International Conference “Dialogue”. 2015. Vol. 1. P. 537-549.
  13. Blinov P. et al. RuMedBench: A Russian Medical Language Understanding Benchmark // Artificial Intelligence in Medicine. AIME 2022. Lecture Notes in Computer Science. 2022. Vol. 13263. P. 383392.
  14. Yalunin A., Nesterov A., Umerenkov D. RuBioRoBERTa: a pre-trained biomedical language model for Russian language biomedical text mining. 2022. URL: https://arxiv.org/abs/2204.03951.
  15. Liu Y. et al. Roberta: A robustly optimized bert pretraining approach. 2019. URL: https://arxiv. org/abs/1907.11692.
  16. Панов А.И. Выявление причинно-следственных связей в данных психологического тестирования логическими методами // Искусственный интеллект и принятие решений. 2013. №.1 С. 24-32.
  17. Чудова Н.В., Панов А.И. Извлечение причинно-следственных отношений из данных психологического исследования на материале изучения агрессивности //Искусственный интеллект и принятие решений. 2016. №. 4. С. 3846.
  18. Самойлова Е.М., Юсубалиева Г.М., Белопасов В.В., Екушева Е.В., Баклаушев В.П. Инфекции и воспаление в развитии инсульта // Журнал неврологии и психиатрии им. С.С. Корсакова. Спецвыпуски. 2021. T. 121. № 8. С.1121.
  19. Донитова В. В. и др. Методы обработки естественного языка для извлечения факторов риска инсульта из медицинских текстов // Труды ИСА РАН. 2021. Т. 71. №. 4. С. 93.
  20. Благосклонов Н.А., Донитова В.В., Киреев Д.А., Кобринский Б.А., Смирнов И.В. Лингвистический анализ историй болезни для выявления факторов риска инсульта // Труды ИСА РАН. 2020. Т. 70. № 3. С. 7686.
  21. Nakayama H. Seqeval: A python framework for sequence labeling evaluation, Available at: https://github. com/chakki-works/seqeval (дата обращения 15.12.2022)
  22. Du X., McNamee R., Cruickshank K. Stroke risk from multiple risk factors combined with hypertension: a primary care based case-control study in a defined population of northwest England // Annals of Epidemiology. 2000. Vol. 10. №. 6. P.380-388.
  23. Sebastian S., Stein L.K., Dhamoon M.S. Infection as a Stroke Trigger. Associations Between Different Organ System Infection Admissions and Stroke Subtypes // Stroke. 2019. Vol. 50. P. 2216, 2218.
  24. O’Donnell MJ, Chin SL, Rangarajan S, Xavier D, Liu L, Zhang H, et al. INTERSTROKE Investigators. Global and regional effects of potentially modifiable risk factors associated with acute stroke in 32 countries (INTERSTROKE): a case-control study // The Lancet. 2016. Vol. 388.№10046. P. 761-775.
  25. Thiele I., Linseisen J., Heier M., Holle R., Kirchberger I., Peters A. et al. Time trends in stroke incidence and in prevalence of risk factors in Southern Germany, 1989 to 2008/09 // Scientific Reports. 2018. Vol. 8. №1. P. 1-8.
  26. Murakami K., Asayama K., Satoh M., Inoue R., Tsubota-Utsugi M. et al. Miki Hosaka Risk Factors for Stroke among Young-Old and Old-Old Community-Dwelling Adults in Japan: The Ohasama Study // Journal of atherosclerosis and thrombosis. 2017. Vol. 24. P. 290-300.
  27. Усанова Т.А. и др. Факторы риска ишемического инсульта // Современные проблемы науки и образования. 2020. №. 2. С. 133.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».