Представлено проєктування інтелектуальної системи підтримки прийняття рішень для медичних закладів, що базується на комбінації методів машинного навчання та байєсового аналізу. Система призначена для вирішення проблеми нерівності у якості медичної допомоги між міськими/обласними та районними лікарнями шляхом передбачення відсутніх показників лабораторних досліджень з оцінкою невизначеності та формування персоналізованого прогнозу перебігу захворювань та ризиків ускладнень. Архітектура системи включає компоненти збору даних інтегрований з електронними медичними картками, підготовки та збереження даних, модуль заповнення пропусків та оцінки їх невизначеності, окремі модулі для оцінки ризиків та прогнозування перебігу захворювань, а також інтерфейс з рекомендаціями для лікарів. Завдяки поєднанню байєсового аналізу та методів машинного навчання система забезпечує якісне прогнозування та оцінку невизначеності. Система забезпечує поширення досвіду та статистичних даних з великих лікарень на районні заклади, що сприяє підвищенню якості медичної допомоги.

DECISION SUPPORT SYSTEM FOR HOSPITALS USING MACHINE LEARNING METHODS AND UNCERTAINTY ESTIMATION

Abstracts:

This paper presents the design of an intelligent decision support system for medical institutions, based on a combination of machine learning methods and Bayesian analysis. The system addresses the problem of inequality in healthcare quality between urban/regional hospitals and rural hospitals by predicting missing laboratory test indicators with uncertainty estimation and generating personalized predictions of disease progression and complication risks. The system architecture includes components for data collection integrated with electronic medical records, data preparation and storage, a module for imputing missing data and assessing its uncertainty, separated modules for risk assessment and disease progression prediction, and an interface providing recommendations for physicians. By combining Bayesian analysis and machine learning methods, the system ensures high-quality prediction and uncertainty estimation. The system enables the dissemination of expertise and aggregated statistical data from large hospitals to rural facilities, thereby contributing to improved healthcare quality.