AP09259587 – Денсаулық сақтау жүйесінің деректерін көп критериалды талдау үшін интеллектуалды ГАЖ әдістері мен алгоритмдерін әзірлеу

Іске асыру мерзімі: 2021-2023 жж.

Жобаның мақсаты:

Әлеуметтік, медициналық және экономикалық ақпаратты пайдалана отырып, машиналық оқытудың түсіндірілетін үлгілері, NLP, GIS негізінде денсаулық сақтау секторында көп критерийлі шешімдерді қолдау үшін модельдерді, алгоритмдерді және әдістерді, интеллектуалды географиялық ақпараттық жүйені әзірлеу.

Жобаның міндеттері:

1. ГАЖ ортасында машиналық оқыту және визуализация әдістерін пайдалана отырып, денсаулық сақтауды бағалау мәселелерін шешу үшін деректер жиынын құру әдістерін әзірлеу.

2. БАҚ ақпаратын автоматты түрде жинау және өңдеу негізінде денсаулық сақтаудың әлеуметтік әсерін талдаудың үлгілері мен әдістерін әзірлеу.

3. ГАЖ ортасында медициналық, экономикалық және медиа деректерге негізделген көп критериалды шешімдерді талдау (MCDA) модельдерін\әдістерін\алгоритмдерін жасау.

Аңдатпа

Денсаулық сақтау жүйесінің жұмыс сапасы медициналық, экономикалық және әлеуметтік үш "өлшемде" көрінеді. Алайда, көптеген жағдайларда бұл бағалау бөлек орындалады. Максималды үнемдеуге қол жеткізу әрекеті медициналық тапсырмаларды орындауда және әлеуметтік тұрақсыздыққа дейін қоғамның қанағаттанбауына әкелуі мүмкін, бұл әсіресе COVID-19 пандемиясы кезінде айқын көрінді. Сонымен қатар, қоғам бұл салада әрқашан үлкен шығындарды көтере алмайды. Денсаулық сақтау ұйымдарының жұмысын жақсарту міндеттерінде жан-жақты талдау және кешенді тәсіл қажет. Дәстүр бойынша, бұлыңғыр сипаттағы айқын емес шектеулер жағдайындағы мұндай міндеттер көп критериалды талдау және шешім қабылдауды қолдау (MCDA) саласына жатады және көбінесе сараптамалық бағалауды саралаудың және оларды біріктірудің әртүрлі әдістерін қолдана отырып шешіледі. Алайда, денсаулық сақтау саласында жинақталған үлкен деректер жиынтығы, бұқаралық ақпарат құралдары мен әлеуметтік желілердегі мәтіндік құжаттар массивтері шешім қабылдауды қолдау міндеттерінде Машиналық оқыту (ML) және табиғи тілді өңдеу (NLP) әдістерін қолдануды бастайды.  Мұндай қолдану әдістері әлі толық пысықталған жоқ. Атап айтқанда, алгоритмдер мен әдістер ішінара пысықталды, олар машиналық оқытудың (EML) деп аталады, олар іс жүзінде эпизодтық түрде қолданылады. Кеңістіктік әсер (тұрғылықты жері, қоршаған ортасы, Денсаулық сақтау ұйымы орналасқан аймақ және т.б.) денсаулық сақтаудың қолданыстағы географиялық ақпараттық жүйелерінде (ГАЖ) қарастырылады, бірақ қолданыстағы ГАЖ-дағы мұндай әсер ету заңдылықтары тек статистикалық тұрғыдан талданады. Денсаулық сақтаудың әлеуметтік әсері әлі де тек сапалы бағаланады.

Бұл жоба NLP, EML, MCDA және ГАЖ әдістерінің жиынтығымен көрсетілген шектеулерді еңсеруге бағытталған.

Жоба шеңберінде ақпараттық-аналитикалық талдау, модельдеу және есептеу эксперименттерін орындау арқылы Машиналық оқыту модельдері және қарастырылып отырған пәндік сала үшін олардың жұмысын түсіндіру әдістері әзірленді, деректер көрмелерін қалыптастыру және оларды өңдеу әдістері, қателерді бағалау және деректер мен нәтижелерді сараптамалық бағалау модельдері немесе көрсеткіштері ұсынылды. Кеңістіктік және уақыттық динамиканы ескере отырып, деректерді жинау, визуализациялау және талдау нәтижелері әзірленді. Прототиптеу процесінде жоба гипотезаларының әділдігін бағалау үшін жүйенің компоненттерінің қолданыстағы прототиптері құрылды. Әлеуметтік әсерді бағалау Денсаулық сақтау саласындағы ашық ақпараттық кеңістіктің деректерін автоматты түрде талдау арқылы есептеледі.

Осылайша, Денсаулық сақтау ұйымдарының кеңістіктік және әлеуметтік әсерін ескере отырып, EML қолдану арқылы шешім қабылдауды қолдау жүйелерінің бөлігі ретінде Машиналық оқыту модельдерінің шектеулерін жеңудің жеке тәсілдері ұсынылған.  Қолданбалы үлес Медициналық және әлеуметтік сипаттағы деректер негізінде денсаулық сақтау ұйымдарын сандық бағалау үшін MCDA алгоритмдері әзірленеді, медиа ақпаратты жинау және алынған нәтижелерді ГАЖ ортасында көрсету тәсілдері сыналады.

Қолданылатын әдістердің жиынтығы бойынша ұсынылған шешім парадигмасы ғылыми әдебиеттерде белсенді талқыланатын геокеңістіктік интеллекттің (GeoAI) бір түрі болып табылады.

Қол жеткізілген нәтижелер

1.  Ашық көздерден ақпарат жинау жүйесі әзірленді. Оның көмегімен Қазақстан Республикасының электрондық БАҚ-та денсаулық сақтау мәселелерін жариялауды талдауға байланысты міндеттерді шешуге мүмкіндік беретін 700 мың құжат пен хабарлама көлеміндегі Жарияланымдар корпусы жиналды.

2.  Денсаулық сақтауға қатысты хабарламалардың ақпараттық ағымында анықтау әдістері мен бағдарламалық қамтамасыз ету әзірленді. Иерархиялық тақырыптық модельдеуге негізделген түпнұсқа тәсіл қолданылды.

3.  Денсаулық сақтау саласына қатысты хабарламалардың ақпараттық ағымында автоматты түрде анықтау жүргізілді.

4.  Динамикадағы бұқаралық ақпарат құралдарының деректері бойынша денсаулық сақтау саласындағы ақпараттық трендтерге сандық баға алу әдісі әзірленді. Бұл әдіс Денсаулық сақтау саласындағы ең маңызды ақпараттық трендтерге сандық баға беру үшін қолданылады. Атап айтқанда, бірқатар маңызды трендтердің (эпидемиологиялық жағдайларға байланысты) өзгеру динамикасы талданды және бағаланды, тақырыптардың тақырыптық кластерлерінің өзгеруіне және пандемияға байланысты ДДҰ-ның кейбір көрсеткіштеріне корреляциялық талдау жасалды.

5.  Бұқаралық ақпарат құралдарында Денсаулық сақтау саласындағы саясатты қамтудың сандық бағасы жасалды.

6.  Денсаулық сақтау мәселелері бойынша бұқаралық ақпарат құралдарының кілтін сандық бағалау әдістемесі жасалды. Ұсынылған әдіс негізінде денсаулық сақтау тақырыбы бойынша Қазақстан бұқаралық ақпарат құралдарының және кейбір ірі ресейлік дереккөздердің кілтіне баға берілді.

7.  Xgboostregressor және SHAP кітапханалары негізінде машиналық түсіндіру моделінің прототипі жасалды. Модель медициналық мекеме көрсеткіштерінің маңыздылығын қабылданған мақсатты параметр тұрғысынан бағалайды (медициналық көрсеткіштер, мекемелерді ресми бағалау көрсеткіштері).

8.  түсіндірілетін Машиналық оқыту модельдерінің жұмыс нәтижелерін түсіндіруді қамтамасыз ететін интеллектуалды геоақпараттық жүйе (ИГАЖ) құрамында шешім қабылдауды қолдау жүйесінің прототипі әзірленді.

9.  Денсаулық сақтау жүйесінің әлеуметтік құрамдас бөлігінің көрсеткіштерін бағалаудың кіші жүйесі әзірленді (мәтіндер корпусы негізінде). ИГИС географиялық координаттарға байланысты көрсеткіштердің графикалық көрінісін қамтамасыз етеді.

10.       Түсіндірілетін машиналық оқыту модельдерінің жұмыс нәтижелерін, әлеуметтік құрамдас бөлікті бағалау көрсеткіштерін (мәтіндер корпусы негізінде) визуализациялауды қамтамасыз ететін зияткерлік Геоақпараттық жүйенің (ИГАЖ) прототипі әзірленді. ИГИС географиялық координаттарға және уақыт динамикасына байланысты көрсеткіштердің графикалық көрінісін қамтамасыз етеді.

Басылымдар:

1. Ravil I. Mukhamediev, Marina Yelis, Kirill Yakunin, Yelena Popova, Yan Kuchin, Adilkhan Symagulov, Nadiya Yunicheva, Elena Zaitseva, Vitaly Levashenko, Elena Muhamedijeva, Viktors Gopejenko and Rustam Mussabayev. Exploring the Health Care System’s Representation in the Media through Hierarchical Topic Modeling//Cogent Engineering (under review)
2. Якунин К., Мухамедиев Р.И., Елис М., Кучин Я., Сымагулов А., Юничева Н., Мухамедиева Е. Анализ тематических кластеров публикаций сми    республики казахстан по теме пандемии COVID-19 // Известия НАН РК. Серия физико-математических наук. – 2022. – № 3(343). – С. 260–274.
3. Yakunin K. et al. Analysis of the Correlation between Mass-Media Publication Activity and COVID-19 Epidemiological Situation in Early 2022 //Information. – 2022. – Т. 13. – №. – С. 434. https://www.mdpi.com/2078-2489/13/9/434/htm (Scopus Q2, 72%)
4. Mukhamediev R. I. et al. Review of Artificial Intelligence and Machine Learning Technologies: Classification, Restrictions, Opportunities and Challenges //Mathematics. – 2022. – Т. 10. – №. 15. – С. 2552. https://www.mdpi.com/2227-7390/10/15/2552  (Scopus: Q1, 87%, WoS: Q1, IF:2.8)
5. Юничева Н., Елис М., Якунин К., Мухамедиев Р., Сымагулов А., Кучин Я., Мухамедиева Е. Аналитический обзор медиаинформации из открытых источников по теме здравоохранения в период пандемии COVID-19 //Труды XVIII Международной Азиатской школы-семинара «Проблемы оптимизации сложных систем» (OPCS’22) – Кыргызстан, 2022. – С. 17–41.
6. Yelis, K. Yakunin, R. Mukhamediev, A. Symagulov, Y. Kuchin, E. Mukhamedieva, N. Yunicheva, F. Abdoldina How to predict the interest of the scientific community in subsections of artificial intelligence? //The 20th Int. scientific. conf. Information technologies and management 2022. — Riga, 2022. — P. 16-17. https://www.ismaitm.lv/theses-2022
7. M Yelis, K Yakunin, R Mukhamediev, A Symagulov, Y Kuchin, E Muhamedijeva, N Yunicheva, F Abdoldina How to estimate mass media? //The 20th Int. conf. Information technologies and management. — Riga, 2022. — 18-19. https://www.ismaitm.lv/theses-2022
8. Kirill Yakunin, Ravil I. Mukhamediev, Elena Zaitseva , Vitaly Levashenko, Marina Yelis, Adilkhan Symagulov, Yan Kuchin, Elena Muhamedijeva, Margulan Aubakirov and Viktors Gopejenko. Mass media as a mirror of the COVID-19 pandemic // Computation2021, 9(12), 140; https://doi.org/10.3390/computation9120140 (Scopus Q2, 71%)
9. O. Yakunin, S. B. Murzakhmetov, R. R. Musabayev, R. I. Mukhamediyev News Popularity Prediction Using Topic Modelling // 2021 IEEE Int. Conf. on Smart Information Systems and Technologies. –Nur-Sultan, 2021. – P. 1-4., doi: 10.1109/SIST50301.2021.9465884.
10. O. Yakunin et al. Reflection of the COVID-19 pandemic in mass media //2021 IEEE Int. Conf. on Information and Digital Technologies (IDT). – Slovakia, 2021. – P. 260-263. https://ieeexplore.ieee.org/abstract/document/9497572
11. Yelis, Y. Kuchin, A .Symagulov, E. Muhamedieva Explainable machine learning for healthcare decision-making tasks //The 19th int. scientific. conf. Information technologies and management 2021. — Riga, 2021. — P. 56-58. https://www.ismaitm.lv/images/Files/Theses/2021/01_NC/23_ITM2021_Yelis_Kuchin_Symagulov_Muhamedieva.pdf
12. Сымагулов А., Кучин Я., Елис М., Жумабаев А., Абдуразаков А. Методы интерпретация черных ящиков машинного обучения и их применение для создания систем поддержки принятия решений // Известия НАН РК. Серия физико-математических наук. – 2021. – №5(339). – С. 91–99.
13. Свидетельство о внесении сведений в государственный реестр прав на объекты, охраняемые авторским правом № 27917 от «21» июля 2022 года » Прототип информационной системы для хранения, визуализации и анализа данных о деятельности медицинских учреждений Казахстана Кирилл Якунин, Мухамедиев Равиль Ильгизович, Кучин Ян Игоревич, Сымагулов Адилхан, Елис Марина Сергеевна.