• Главная
• О журнале
• Редакционная коллегия
• Подписка
• Правила оформления статей
• Порядок рецензирования статей
• Архив выпусков
• Наши авторы
• Статьи
  • По алфавиту
  • По категориям
• Блоги и комментарии



---

Адрес редакции
355017, Ставрополь, улица Мира, 310.

Телефоны
(8652) 35-25-11, 35-32-29.

E-mail
medvestnik@stgmu.ru

Журнал включён в Перечень ведущих рецензируемых научных журналов и изданий, в которых должны быть опубликованы результаты диссертаций на соискание учёной степени кандидата и доктора наук (решение Президиума ВАК Минобрнауки РФ №6/6, февраль 2010).

Журнал включён в Реферативный журнал и Базы данных ВИНИТИ РАН и зарегистрирован в Научной электронной библиотеке в базе данных Российского индекса научного цитирования на основании сублицензионного договора № 07-04/09-14 от 25 марта 2009 года.

Журнал индексируется: БД SCOPUS, Ulrich's International Periodicals Directory.

EBSCO

https://doi.org/10.14300/mnnc.2023.18035

Как Байесовский искусственный интеллект помогает уменьшить неопределенность в прогнозировании выживания после травм: анализ концепций

[Оригинальные исследования] [Ортопедия и травматология]
Селицкий Стас ;

Искусственный интеллект (ИИ) позволяет медицинским работникам проводить оценку жизнеугрожающих состояний пациентов и на основании учета тенденций развития болезни обеспечивает снижение риска развития патологических состояний. В статье проводится анализ новых концепций в разработке Байесовского ИИ для более точной оценки тяжести травм. Демонстрируется, что предложенные Байесовские концепции дают лучшие результаты в контексте точности прогнозирования, в сравнении с «золотым» стандартом, используемым для работы с больными травматологического профиля в травматологических центрах США и Великобритании. Анализ проводился с использованием крупнейшей базы данных по пациентам с травматическими повреждениями.

Скачать

Список литературы:
1. The American College of Surgeons. National Trauma Data Bank. 2014. Available at: https://www.facs.org/qualityprograms/trauma/quality/national-trauma-data-bank/
2. Schetinin V., Jakaite L. Classification of newborn EEG maturity with Bayesian averaging over decision trees. Expert systems with Applications. 2012;39(10):9340-9347.
3. Constantinou A. C., Fenton N., Marsh W., Radlinski L. From complex questionnaire and interviewing data to intelligent Bayesian network models for medical decision support. Artif. Intell. Med. 2016:67(C):75-93. https://doi.org/10.1016/j.artmed.2016.01.002
4. Schetinin V., Jakaite L., Krzanowski W. J. Prediction of survival probabilities with Bayesian decision trees. Expert systems with Applications. 2013;40(14):5466-5476.
5. Negrin M. A., Nam J., Briggs A. H. Bayesian solutions for handling uncertainty in survival extrapolation. Medical Decision Making. 2017;37(4):367-376. https://doi.org/10.1177/0272989X16650669
6. Schechner Z., Luo G., Kaufman J. J., Siffert R. S. A poisson process model for hip fracture risk. Med. Biol. Eng. Comput. 2010;48(8):799-810. https://doi.org/10.1007/s11517-010-0638-6
7. Jakaite L., Schetinin V. Feature selection for Bayesian evaluation of trauma death risk. NBC. 2008:123-126.
8. Schetinin V., Jakaite L., Jakaitis J., Krzanowski W. Bayesian decision trees for predicting survival of patients: A study on the US national trauma data bank. Computer Methods and Programs in Biomedicine. 2013;111(3):602- 612.
9. Rogers F., Osler T., Krasne M., Rogers A., Bradburn E. [et al.] Has TRISS become an anachronism? A comparison of mortality between the National Trauma Data Bank and major trauma outcome study databases. Journal of Trauma and Acute Care. 2012;73(2):326–331. https://doi.org/10.1097/TA.0b013e31825a7758
10. Schetinin V., Jakaite L., Krzanowski W. Bayesian averaging over decision tree models: an application for estimating uncertainty in trauma severity scoring. International Journal of Medical Informatics. 2013;112:6-14.
11. Korb K. B., Nicholson A. E. Bayesian Artificial Intelligence, 2nd edition. CRC Press, Inc., Boca Raton, FL, USA, 2010.
12. Lefering R., Huber-Wagner S., Nienaber U., Maegele M., Bouillon B. Update of the trauma risk adjustment model of the trauma register: the revised injury severity classification, version II. Critical Care. 2014;18(5):476-478. https://doi.org/10.1186/s13054-014-0476-2
13. Lu H. Y., Li T. C., Tu Y. K., Tsai J. C., Lai H. S. [et al.] Predicting long-term outcome after traumatic brain injury using repeated measurements of Glasgow coma scale and data mining methods. J. Med. syst. 2015;39(2):14. https://doi.org/10.1007/s10916-014-0187-x
14. Patil B. M., Joshi R. C., Toshniwal D., Biradar S. A new approach: Role of data mining in prediction of survival of burn patients. Journal of Medical systems.2011;35(6):1531-1542. https://doi.org/10.1007/s10916-010-9430-2

Ключевые слова: искусственный интеллект, прогноз выживания, травма, тяжесть травмы, оценка неопределенности, Байесовский ИИ