Разработка механизма автоматического составления сценария профилактических действий пользователя

В настоящее время существует множество заболеваний, которые необходимо выявить на ранних стадиях, чтобы начать соответствующее лечение. Для этого в здравоохранении для принятия вычислительных решений в ситуациях, когда необходимо провести критический анализ медицинских данных, чтобы выявить скрытые взаимосвязи или отклонения, используются подходы машинного обучения, одним из которых является разработка когнитивных ассистентов. Их своевременная мультимодальная диагностика, основанная на обучающихся нейронных сетях, способна кардинально улучшить время поиска заболеваний потенциального пользователя. Реализация алгоритмов для выполнения таких задач требует комплексного исследования, учитывая требования повышения точности разрабатываемых алгоритмов при одновременном уменьшении времени, необходимого для их выполнения. В связи с этим появилась потребность обработки большого количества медицинских данных, что привело к адаптации машинного обучения в области здравоохранения. Цель данной работы - разработать систему искусственного интеллекта в форме когнитивного ассистента, запрограммированную на выполнение комплексных задач через сбор и обработку данных, их интерпретацию, составление сценариев деятельности и конечном планировании поведения пользователей. За счёт обучения с подкреплением система фокусируется на самостоятельной разработке алгоритмов, позволяющих автоматически обнаруживать закономерности в данных и совершенствоваться по мере накопления опыта, не получая конкретных инструкций. Результатом данного исследования является тестовая версия ассистента в виде программы, реализующая кластеризацию, классификацию и дальнейшую обработку обезличенных медицинских данных с указанием точности выполняемых операций, что позволяет модифицировать её для практического применения в будущих исследованиях.

Currently, there are many diseases that need to be detected at an early stage in order to begin appropriate treatment. To do this, in healthcare, machine learning approaches are used to make computational decisions in situations where it is necessary to conduct a critical analysis of medical data in order to identify hidden relationships or deviations, one of which is the development of cognitive assistants. Their timely multimodal diagnostics based on learning neural networks can dramatically improve the search time for diseases of a potential user. The implementation of algorithms to perform such tasks requires a comprehensive study, taking into account the requirements of improving the accuracy of the algorithms being developed while reducing the time required to perform them. In this regard, there was a need to process a large amount of medical data, which led to the adaptation of machine learning in the field of healthcare. The purpose of this work is to develop an artificial intelligence system in the form of a cognitive assistant, programmed to perform complex tasks through data collection and processing, their interpretation, development of activity scenarios and final planning of user behavior. Due to reinforcement learning, the system focuses on the independent development of algorithms that automatically detect patterns in data and improve as experience accumulates, without receiving specific instructions. The result of this study is a test version of the assistant in the form of a program that implements clustering, classification and further processing of depersonalized medical data indicating the accuracy of the operations performed, which allows it to be modified for practical use in future studies.