Сайт издательства «Медиа Сфера»
содержит материалы, предназначенные исключительно для работников здравоохранения. Закрывая это сообщение, Вы подтверждаете, что являетесь дипломированным медицинским работником или студентом медицинского образовательного учреждения.

Вход
RU
+7 (495) 482-4118
+7 (495) 482-0604
+8 800 250-18-12
  • (бесплатный номер по вопросам подписки)
    пн-пт с 10 до 18
  • Издательство «Медиа Сфера»
    а/я 54, Москва, Россия, 127238
  • info@mediasphera.ru

  • © 1998-2025
+7 (495) 482-43-29
RU
Все журналы
Журнал
Год
Год
Результаты поиска: 0

Решетников А.В.

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Абаева О.П.

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Бердутин В.А.

ФБУЗ «Приволжский окружной медицинский центр» Федерального медико-биологического агентства

Романова Т.Е.

ФГБОУ ВО «Приволжский исследовательский медицинский университет» Минздрава России

Романов С.В.

ФБУЗ «Приволжский окружной медицинский центр» Федерального медико-биологического агентства

Ковальчук А.В.

ФГБНУ «Федеральный исследовательский центр Институт прикладной физики им. А.В. Гапонова-Грехова Российской академии наук» Минобрнауки России

Голикова Н.С.

ЧУОО ВО «Московский медицинский университет «РЕАВИЗ»

Присяжная Н.В.

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Опыт создания нейросетевой диалоговой системы для ответов на письменные обращения населения в крупное федеральное учреждение здравоохранения

Авторы:

Решетников А.В., Абаева О.П., Бердутин В.А., Романова Т.Е., Романов С.В., Ковальчук А.В., Голикова Н.С., Присяжная Н.В.

Подробнее об авторах

Журнал: Медицинские технологии. Оценка и выбор. 2025;47(2): 48‑57

DOI: 10.17116/medtech20254702148

Прочитано: 217 раз

Купить за 300₽
Связаться с автором
Оглавление

EXPERIENCE IN DEVELOPING A NEURAL NETWORK DIALOGUE SYSTEM FOR RESPONDING TO WRITTEN REQUESTS OF THE POPULATION TO A LARGE FEDERAL HEALTH CARE INSTITUTION
EXPERIENCE IN DEVELOPING A NEURAL NETWORK DIALOGUE SYSTEM FOR RESPONDING TO WRITTEN REQUESTS OF THE POPULATION TO A LARGE FEDERAL HEALTH CARE INSTITUTION

Как цитировать:

Решетников А.В., Абаева О.П., Бердутин В.А., и др. Опыт создания нейросетевой диалоговой системы для ответов на письменные обращения населения в крупное федеральное учреждение здравоохранения. Медицинские технологии. Оценка и выбор. 2025;47(2):48‑57.
Reshetnikov AV, Abaeva OP, Berdutin VA, et al. Experience in developing a neural network dialogue system for responding to written requests of the population to a large federal health care institution. Medical Technologies. Assessment and Choice. 2025;47(2):48‑57. (In Russ.)
https://doi.org/10.17116/medtech20254702148

Подписка 2025-2 (Medical Technologies. Assessment and Choice)
МСФ на ЯМ
Использование инфографики авторами научных работ
Mediasphera_Net
Закрыть метаданные
Рекомендуем статьи по данной теме:
Ну­жен ли ис­кусствен­ный ин­тел­лект сис­те­ме здра­во­ох­ра­не­ния?. Ме­ди­цин­ские тех­но­ло­гии. Оцен­ка и вы­бор. 2024;(4):40-48
Диаг­нос­ти­ка доб­ро­ка­чес­твен­ных но­во­об­ра­зо­ва­ний гор­та­ни с при­ме­не­ни­ем ней­ро­се­ти. Вес­тник ото­ри­но­ла­рин­го­ло­гии. 2024;(3):24-28
Циф­ро­вые тех­но­ло­гии в здра­во­ох­ра­не­нии: элек­трон­ные ме­ди­цин­ские кар­ты. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2024;(8):7-12
Проб­ле­мы и пер­спек­ти­вы ор­га­ни­за­ции ме­ди­цин­ской по­мо­щи па­ци­ен­там с ожи­ре­ни­ем. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2024;(11):21-26
Воз­мож­нос­ти, проб­ле­мы и под­хо­ды к со­вер­шенство­ва­нию циф­ро­вых тех­но­ло­гий в здра­во­ох­ра­не­нии. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2024;(12):31-36
От­но­ше­ние вра­чей и па­ци­ен­тов к те­ле­ме­ди­цин­ским тех­но­ло­ги­ям при ока­за­нии пер­вич­ной ме­ди­ко-са­ни­тар­ной по­мо­щи. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2025;(1):37-43
Обос­но­ва­ние и раз­ра­бот­ка ре­ги­ональ­ных ин­дек­сов, оп­ре­де­ля­ющих здо­ровье на­се­ле­ния Рос­сий­ской Фе­де­ра­ции в 2005—2022 гг.. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2025;(2):7-12
Дос­туп­ность ме­ди­цин­ской и про­фи­лак­ти­чес­кой по­мо­щи для па­ци­ен­тов с брон­хи­аль­ной ас­тмой. Рес­пи­ра­тор­ная ме­ди­ци­на. 2025;(1):15-22
Эф­фек­тив­ность ме­роп­ри­ятий по ги­ги­ени­чес­ко­му обу­че­нию сельско­го на­се­ле­ния стар­ше тру­дос­по­соб­но­го воз­рас­та Мос­ков­ской об­лас­ти. Про­фи­лак­ти­чес­кая ме­ди­ци­на. 2025;(6):48-52

ЦЕЛЬ ИССЛЕДОВАНИЯ

Проанализировать результаты создания нейросетевой диалоговой системы для формирования релевантных ответов на письменные обращения населения в медицинскую организацию.

МАТЕРИАЛ И МЕТОДЫ

Исследование проведено на базе ФБУЗ «Приволжский окружной медицинский центр» ФМБА России. Авторы использовали предварительно обучаемую модель Bidirectional Encoder Representations from Transformers (BERT). В рамках исследования применяли поэтапный подход дообучения модели BERT: адаптация на бытовой лексике (Yandex/geo-reviews), оптимизация с использованием функций потерь (TripletLoss, ArccosMarginLoss) и классификация методом SVM. Набор данных (2623 записи) разделен на обучающую и тестовую выборки в пропорции 8/2.

РЕЗУЛЬТАТЫ

Обращения граждан классифицировались с использованием базы отзывов, состоящей из 2623 записей и разделенной на 18 категорий. Категории, количество примеров в которых оказалось менее 20, изъяты по причине недостаточной репрезентативности. Установлено, что сообщения имеют сильное смысловое пересечение между категориями. Одно письмо могло содержать одновременно несколько обращений, принадлежащих разным категориям. Когда запись содержала несколько похожих, но разнонаправленных по смыслу высказываний, это приводило к сбою в работе модели. Во избежание этого решено использовать комплекты шаблонов, которые модель могла бы предлагать оператору для облегчения процедуры подготовки ответа на обращение пациента.

ЗАКЛЮЧЕНИЕ

Результаты исследования убедительно свидетельствуют о невозможности в настоящий момент полностью исключить участие человека в вопросе ведения полноценной диалоговой коммуникации в паре искусственный интеллект — пациент. Технологическое несовершенство современных платформ искусственного интеллекта пока не позволяет решать задачи по тонкой дифференцировке семантически сложного сообщения и его эмоциональной окраски, что препятствует их широкому автономному использованию. Вместе с тем, уже сегодня они способны существенно облегчить работу персонала медицинских организаций по дистанционному взаимодействию с обслуживаемым населением.

Ключевые слова:

пациенты
здравоохранение
обработка естественного языка
генерация диалога
нейронная сеть

Авторы:

Решетников А.В.

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Абаева О.П.

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Бердутин В.А.

ФБУЗ «Приволжский окружной медицинский центр» Федерального медико-биологического агентства

Романова Т.Е.

ФГБОУ ВО «Приволжский исследовательский медицинский университет» Минздрава России

Романов С.В.

ФБУЗ «Приволжский окружной медицинский центр» Федерального медико-биологического агентства

Ковальчук А.В.

ФГБНУ «Федеральный исследовательский центр Институт прикладной физики им. А.В. Гапонова-Грехова Российской академии наук» Минобрнауки России

Голикова Н.С.

ЧУОО ВО «Московский медицинский университет «РЕАВИЗ»

Присяжная Н.В.

ФГАОУ ВО «Первый Московский государственный медицинский университет имени И.М. Сеченова» Минздрава России (Сеченовский Университет)

Дата поступления:

27.02.2025

Дата принятия в печать:

02.04.2025

Список литературы:

  1. Романова Т.Е., Абаева О.П., Присяжная Н.В., Романов С.В., Бердутин В.А. Взаимоотношения врачей и пациентов инфекционного госпиталя в периоды 1 и 2-й волн пандемии COVID-19. Терапевтический архив. 2024;96(1):42-44.  https://doi.org/10.26442/00403660.2024.01.202562
  2. Липатов К.С., Заречнова Н.В., Липатов Д.К. Формирование модели взаимоотношения в системе «врач-пациент» при лечении осложнений коронавирусной инфекции нового типа COVID-19. Главврач. 2020;(11):44-50.  https://doi.org/10.33920/med-03-2011-03
  3. Sun B, Li K. Neural Dialogue Generation Methods in Open Domain: A Survey. Natural Language Processing Research. 2021;1(3-4):56-70.  https://doi.org/10.2991/nlpr.d.210223.001
  4. Reshetnikov A, Berdutin V, Zaporozhtsev A, Romanov S, Abaeva O, Prisyazhnaya N, et al. Predictive algorithm for the regional spread of coronavirus infection across the Russian Federation. BMC Medical Informatics and Decision Making. 2023;23(1):48.  https://doi.org/10.1186/s12911-023-02135-1
  5. Dai Y, Li H, Tang C, Li Y, Sun J, Zhu X. Learning Low-Resource End-To-End Goal-Oriented Dialog for Fast and Reliable System Deployment. In: Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics, Stroudsburg, PA, USA; 2020: 609-618.  https://doi.org/10.18653/v1/2020.acl-main.57
  6. Бердутин В.А. Робастное управление человеко-центрированной медицинской организацией. Главврач. 2020;(5):17-34.  https://doi.org/10.33920/med-03-2005-03
  7. Федонников А.С., Андриянова Е.А., Гришечкина Н.В., Норкин И.А. Возможности онлайн-коммуникации в управлении процессом реабилитации после эндопротезирования суставов. Здравоохранение Российской Федерации. 2022;66(1):34-40.  https://doi.org/10.47470/0044-197X-2022-66-1-34-40
  8. Романов С.В., Бердутин В.А., Запорожцев А.В., Абаева О.П., Романова Т.Е. Системный подход в медицинских организациях. Учебно-методическое пособие. М.: ФГБУ ГНЦ ФМБЦ им. А.И. Бурназяна ФМБА России; 2021.
  9. Devlin J, Chang MW, Lee K, Toutanova K. BERT: Pretraining of deep bidirectional transformers for language understanding. In: Proceedings of the 2019 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Volume 1 (Long and Short Papers). Minneapolis, Minnesota. Association for Computational Linguistics. 2019: 4171-4186. https://doi.org/10.18653/v1/N19-1423
  10. Kuratov Y, Arkhipov M. Adaptation of Deep Bidirectional Multilingual Transformers for Russian Language. arXiv. 2019;1905.07213. https://doi.org/10.48550/arXiv.1905.07213
  11. Vaswani A, Shazeer N, Parmar N, Uszkoreit J, Jones L, Gomez AN, et al. Attention is all you need. arXiv. 2017;1706.03762. https://doi.org/10.48550/arXiv.1706.03762
  12. Smith DM, Gillett NP, Simpson I.R, Athanasiadis PJ, Baehr J, Bethke I, et al. Attribution of multi-annual to decadal changes in the climate system: The Large Ensemble Single Forcing Model Intercomparison Project (LESFMIP). Frontiers in Climate. 2022;4:955414. https://doi.org/10.3389/fclim.2022.955414
  13. Li Z, Maimaiti M, Sheng J, Ke Z, Silamu W, Wang Q, et al. An Empirical Study on Deep Neural Network Models for Chinese Dialogue Generation. Symmetry. 2020;12(11):1756. https://doi.org/10.3390/sym12111756
  14. Лапань М. Глубокое обучение с подкреплением. AlphaGo и другие технологии. ИД Питер; 2020.
  15. Li X, Li P, Bi W, Liu X., Lam W. Relevance-Promoting Language Model for Short-Text Conversation. arXiv. 2019:1911.11489. https://doi.org/10.48550/arXiv.1911.11489
  16. Zhao L, Xu W, Gao S, Guo J. Utilizing graph neural networks to improving dialogue-based relation extraction. Neurocomputing. 2021;456:299-311.  https://doi.org/10.1016/j.neucom.2021.05.082
  17. Русских Т.Н., Тинякова В.И., Кухарец Д.В. Семантический анализ отзывов пациентов для обеспечения поддержки принятия решений на рынке медицинских услуг. Креативная экономика. 2024;18(2):455-474.  https://doi.org/10.18334/ce.18.2.120366
  18. Присяжная Н.В., Садыкова М.Ф., Голикова Н.С., Борисова П.М. Высокотехнологичная медицинская помощь в практике российского здравоохранения. Медицинские технологии. Оценка и выбор. 2024;46(3):70-81.  https://doi.org/10.17116/medtech20244603170
  19. Малов Д.А. Глубокое обучение и анализ данных: практическое руководство. СПб: БХВ-Петербург; 2023.
  20. Черняков М.К. Системы искусственного интеллекта и машинное обучение: монография. Новосибирск: Изд-во НГТУ; 2024.

Закрыть метаданные

Связаться с автором
Email
Сообщение
Издательство "Медиа Сфера" не оказывает услуги по лечению, не дает рекомендации по обращению в медицинские учреждения и к конкретным специалистам, по назначению лекарственных средств и БАДов.

Подтверждение e-mail

На test@yandex.ru отправлено письмо со ссылкой для подтверждения e-mail. Перейдите по ссылке из письма, чтобы завершить регистрацию на сайте.

Подтверждение e-mail

Обратная связь
Если у вас возникли вопросы, жалобы или предложения, — воспользуйтесь формой обратной связи.
Email
Сообщение
Издательство "Медиа Сфера" не оказывает услуги по лечению, не дает рекомендации по обращению в медицинские учреждения и к конкретным специалистам, по назначению лекарственных средств и БАДов.
Подать заявку

Вы можете стать автором одного из наших журналов, отправьте заявку и мы рассмотрим ее в течении дня.

Имя
Телефон
E-mail
Сообщение
Вход
Регистрация
E-mail
Пароль
Забыли пароль?

Войдите на сайт, используя вашу учетную запись в одном из сервисов

Восстановление пароля
E-mail
Войти
Зарегистрироваться

Мы используем файлы cооkies для улучшения работы сайта. Оставаясь на нашем сайте, вы соглашаетесь с условиями использования файлов cооkies. Чтобы ознакомиться с нашими Положениями о конфиденциальности и об использовании файлов cookie, нажмите здесь.