ІНТЕЛЕКТУАЛЬНІ ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ МОДЕЛЮВАННЯ ПРОЦЕСІВ У СИСТЕМІ ОХОРОНИ ЗДОРОВ’Я
Анотація
У статті розглянуто теоретичні та практичні аспекти застосування інтелектуальних інформаційних технологій у системі охорони здоров’я України. Акцент зроблено на інтеграції методів машинного навчання, глибоких нейронних мереж та технологій Explainable Artificial Intelligence (XAI) для підвищення ефективності клінічних і управлінських рішень. Проведено порівняльний аналіз поширених моделей Data Mining за критеріями точності, прозорості та застосовності у медичних задачах. Показано, що поєднання методів Data Mining і XAI створює передумови для формування нових типів інтелектуальних систем підтримки медичних рішень, орієнтованих на прозорість, адаптивність і довіру користувачів. Розроблено концептуальні підходи до побудови інтелектуальної інформаційнної системи, що враховують вимоги клінічної валідації, етичні стандарти та специфіку обробки мультимодальних медичних даних. Результати дослідження мають практичну значущість для розвитку системи охорони здоров’я, підвищення якості медичних послуг та обґрунтованого прийняття управлінських рішень щодо оптимізації клінічних, управлінських і економічних процесів у медичних закладах.
Посилання
Ali O., Shrestha A., Soar J., & Wamba S. F. Cloud Computing-Enabled Healthcare Opportunities, Issues, and Applications: A Systematic Review. International Journal of Information Management. 2018. Vol. 43. Р. 146-158. https://doi.org/10.1016/j.ijinfomgt.2018.07.009 (accessed 08.11.2025)
An D Lim M, Lee S. Challenges for Data Qualityin the Clinical Data Life Cycle: Systematic Review. J Med Internet Res. 2025. Vol. 27: e60709. DOI: 10.2196/60709 (accessed 08.11.2025)
Sokolovska Z., Ivchenko I., & Ivchenko O. Design of an intelligent data analysis platform for pharmaceutical forecasts. Eastern-European Journal of Enterprise Technologies. 2024. Vol. 5(9 131), Р. 14-27. DOI: 10.15587/1729-4061.2024.313490 (accessed 08.11.2025)
Felix Krones, Umar Marikkar, Guy Parsons, Adam Szmul, Adam Mahdi. Review of multimodal machine learning approaches in healthcare. Information Fusion. 2025. 114:102690. DOI: 10.1016/j.inffus.2024.102690. (accessed 08.11.2025)
Ennab Mohammad & Mcheick Hamid. Enhancing interpretability and accuracy of AI models in health care: a comprehensiv revie wonchallenges and future directions. Frontiers in Roboticsand AI. 2024. 11:1444763. DOI:10.3389/frobt.2024.1444763 (accessed 08.11.2025)
Pahudde Mortanges A., Luo H., Shu S.Z. et al. Orchestrating explainable artificial intelligence for multimodal and longitudinal data in medical imaging. npj Digit. Med. 2024. Vol. 7. Р. 195. DOI:10.1038/s41746-024-01190-w (accessed 08.11.2025)
Iannacone M., Beccaria CG., Allweiss L., Lucifora J., Tavis JE., Gehring AJ., Dandri M. Targeting HBV with RNA interference: Paths to cure. Sci Transl Med. 2025. 17(805):eadv3678. DOI: 10.1126/scitranslmed.adv3678. (accessed 08.11.2025)
Schober P., Vetter TR. Logistic Regression in Medical Research. Anesthesia & Analgesia. 2021. Vol. 132(2). Р. 365-366. DOI: 10.1213/ANE.0000000000005247 (accessed 08.11.2025)
Noble WS. Whatis a support vector machine? Nature Biotechnology. 2006. Vol. 24(12): 1565-7. DOI:10.1038/nbt1206-1565 (accessed 08.11.2025)
Breiman, L. Random Forests. Machine Learning. 2001. Vol. 45. Р. 5-32. DOI:10.1023/A:1010933404324 (accessed 08.11.2025)
Litjens G., Kooi T., Bejnordi BE., Setio A., Ciompi F., Ghafoorian M., Vander Laak JAWM, van Ginneken B., Sánchez CI. A survey on deep learning. Medical image analysis. 2017. Vol. 42(13) Р. 60-88. DOI: 10.1016/j.media.2017.07.005 (accessed 08.11.2025)
Mienye Ibomoiye Domor, Theo G. Swart, George Obaido, Matt Jordan, and Philip Ilono. Deep Convolutional Neural Networks in Medical Image Analysis: A Review. Information. 2025. Vol. 16 (3). Р. 195. DOI: 10.3390/info16030195 (accessed 08.11.2025)
Ali O., Shrestha A., Soar J., & Wamba S. F.. Cloud Computing-Enabled Healthcare Opportunities, Issues, and Applications: A Systematic Review. International Journal of Information Management. 2018. Vol. 43. Р. 146-158. https://doi.org/10.1016/j.ijinfomgt.2018.07.009 (accessed 08.11.2025)
An D Lim M, Lee S. Challenges for Data Qualityin the Clinical Data Life Cycle: Systematic Review. J Med Internet Res. 2025. Vol. 27: e60709. DOI: 10.2196/60709 (accessed 08.11.2025)
Sokolovska Z., Ivchenko I., & Ivchenko O. Design of an intelligent data analysis platform for pharmaceutical forecasts. Eastern-European Journal of Enterprise Technologies. 2024. Vol. 5(9(131), Р. 14-27. DOI: 10.15587/1729-4061.2024.313490 (accessed 08.11.2025)
Felix Krones, Umar Marikkar, Guy Parsons, Adam Szmul, Adam Mahdi. Review of multimodal machine learning approaches in healthcare. Information Fusion. 2025. 114:102690. DOI: 10.1016/j.inffus.2024.102690. (accessed 08.11.2025)
Ennab Mohammad & Mcheick Hamid. Enhancing interpretability and accuracy of AI models in health care: a comprehensiv revie wonchallenges and future directions. Frontiers in Roboticsand AI. 2024. 11:1444763. DOI:10.3389/frobt.2024.1444763 (accessed 08.11.2025)
Pahudde Mortanges A., Luo H., Shu S.Z. et al. Orchestrating explainable artificial intelligence for multimodal and longitudinal data in medical imaging. npj Digit. Med. 2024. Vol. 7. Р. 195. DOI:10.1038/s41746-024-01190-w (accessed 08.11.2025)
Iannacone M., Beccaria CG., Allweiss L., Lucifora J., Tavis JE., Gehring AJ., Dandri M. Targeting HBV with RNA interference: Paths to cure. Sci Transl Med. 2025. 17(805):eadv3678. DOI: 10.1126/scitranslmed.adv3678 (accessed 08.11.2025)
Schober P., Vetter TR. Logistic Regression in Medical Research. Anesthesia & Analgesia. 2021. Vol. 132(2). Р. 365-366. DOI: 10.1213/ANE.0000000000005247 (accessed 08.11.2025)
Noble WS. Whatis a support vector machine? Nature Biotechnology. 2006. Vol. 24(12): 1565-7. DOI:10.1038/nbt1206-1565 (accessed 08.11.2025)
Breiman, L. Random Forests. Machine Learning. 2001. Vol. 45. Р. 5-32. DOI:10.1023/A:1010933404324 (accessed 08.11.2025)
Litjens G., Kooi T., Bejnordi BE., Setio A., Ciompi F., Ghafoorian M., Vander Laak JAWM, van Ginneken B., Sánchez CI. A survey on deep learning. Medical image analysis. 2017. Vol. 42(13) Р. 60-88. DOI: 10.1016/j.media.2017.07.005 (accessed 08.11.2025)
Mienye Ibomoiye Domor, Theo G. Swart, George Obaido, Matt Jordan, and Philip Ilono. Deep Convolutional Neural Networks in Medical Image Analysis: A Review. Information. 2025. Vol. 16 (3). Р. 195. DOI: 10.3390/info16030195 (accessed 08.11.2025)

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

