Тип публикации: доклад, тезисы доклада, статья из сборника материалов конференций
Конференция: ИТ. Наука. Креатив; Омск; Омск
Год издания: 2026
Ключевые слова: ovarian cancer, clinical decision support system, clinical guidelines, personalized treatment, рак яичников, системы поддержки принятия врачебных решений, клинические рекомендации, персонализированное лечение
Аннотация: Рак яичников характеризуется высокой летальностью и требует верификации стадии и выбора тактики лечения. Врач-онколог обязан руководствоваться клиническими рекомендациями, содержащими подробное руководство по определению стадии заболевания на основе множества различных параметров, а также предписания по лечению. Текстовый формат ноПоказать полностьюрмативного документа создаёт трудности его применения, увеличивает время диагностики и риск ошибок. Цель исследования - разработка алгоритмического навигатора для автоматизированного стадирования и выбора лечения. Клинические рекомендации Минздрава РФ (2024) формализованы в виде алгоритмов - деревьев решений для определения стадии заболевания и тактики лечения. Алгоритмы реализованы на Python 3.11 (PyQt6) На основе этих алгоритмов разработан первый прототип онконавигатора и выполнено его техническое тестирование на синтетических данных 500 единиц наблюдения. Точность алгоритмов стадирования и выбора лечения составила 96%; средневзвешенный F1-score алгоритмов по стадиям - 96%. Обеспечено полное условное покрытие и покрытие путей деревьев (100%). Алгоритмы устойчивы к вариациям входных данных и корректно обрабатывают граничные значения. Первый прототип онконавигатора является основой для автоматизированной системы поддержки принятия врачебных решений. Ovarian cancer is associated with high mortality, necessitating precise staging and treatment selection. Clinicians must adhere to guidelines that specify staging based on numerous parameters and treatment protocols. However, the textual format hinders usability, prolongs diagnosis, and increases error risk. This study aimed to develop an algorithmic navigator for automated staging and treatment selection. The 2024 Russian Ministry of Health clinical guidelines were formalized as decision-tree algorithms for staging and treatment, implemented in Python 3.11 (PyQt6). The prototype navigator was technically validated on synthetic data (n=500). Staging and treatment accuracy reached 96%, with a weighted average F1-score of 96%. Decision trees achieved 100% condition coverage and path coverage. The algorithms proved robust to input variations and correctly handled boundary values. This prototype provides a foundation for an automated clinical decision support system.
Журнал: ИТ. Наука. Креатив
Номера страниц: 170-176
Место издания: Омск