ИНТЕЛЛЕКТУАЛЬНЫЕ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ В УПРАВЛЕНИИ ЗДРАВООХРАНЕНИЕМ
Keywords:
интеллектуальные системы поддержки принятия решений, искусственный интеллект в здравоохранении, машинное обучение, Big Data, экспертные системыAbstract
Современная система здравоохранения сталкивается с многочисленными вызовами, связанными с необходимостью повышения эффективности управления, оптимизации распределения ресурсов и обеспечения высокого качества медицинских услуг. В условиях цифровой трансформации особую значимость приобретают интеллектуальные системы поддержки принятия решений (ИСППР), которые используют технологии искусственного интеллекта, машинного обучения и анализа больших данных (Big Data) для автоматизации и повышения точности управленческих решений. В статье исследуются концептуальные основы применения ИСППР в здравоохранении, анализируются ключевые технологические подходы к разработке и внедрению таких систем, включая экспертные системы, нейросетевые модели и предиктивную аналитику. Особое внимание уделяется вопросам интеграции ИСППР в медицинские информационные системы, анализу их влияния на качество и скорость принятия решений, а также экономической эффективности.
Downloads
References
Esfandyarpour R. et al. Multifunctional, inexpensive, and reusable nanoparticle-printed biochip for cell manipulation and diagnosis //Proceedings of the national academy of sciences. – 2017. – Т. 114. – №. 8. – С. E1306-E1315;
Subramanian A. et al. Sarcoma microenvironment cell states and ecosystems are associated with prognosis and predict response to immunotherapy //Nature cancer. – 2024. – Т. 5. – №. 4. – С. 642-658;
Du X. et al. Fused DNN: A deep neural network fusion approach to fast and robust pedestrian detection //2017 IEEE winter conference on applications of computer vision (WACV). – IEEE, 2017. – С. 953-961;
Xiong D. et al. Development and application of an intelligent thermal state monitoring system for sintering machine tails based on CNN–LSTM hybrid neural networks //Journal of Iron and Steel Research International. – 2024. – С. 1-12;
Wei L. et al. Deep convolutional neural network for rice density prescription map at ripening stage using unmanned aerial vehicle-based remotely sensed images//Remote Sensing. – 2021. – Т. 14. – №. 1. – С. 46.
Американская программа Health Information Technology for Economic and Clinical Health - https://www.hhs.gov/sites/default/files/ocr/privacy/hipaa/administrative/enforcementrule/enfifr.pdf
Global Digital Health Partnership - https://gdhp.health
Yakhshiboyev R. E., Kudratillayev M. B., Siddikov B. N. Forschung von innovativer ausrüstung für die diagnose von magen-darm-erkrankungen //International Bulletin of Applied Science and Technology. – 2023. – Т. 3. – №. 3. – С. 100-105.
Яхшибоев Р. Э. ЭКОЛОГО-ЦИФРОВАЯ ЭФФЕКТИВНОСТЬ НОВЫХМЕДТЕХНОЛОГИЙ: ДИАГНОСТИКА ЖКТ //Innovations in Science
and Technologies. – 2024. – Т. 1. – №. 2. – С. 108-113.
Yakhshiboyev R. DEVELOPMENT OF A “SALIVA” HARDWARESOFTWARE COMPLEX MODULES FOR THE PRIMARY DIAGNOSIS OF GASTROINTESTINAL DISEASES //Science and innovation. – 2023. – Т. 2. – №. A2. – С. 27-34.
Яхшибоев Р. Э., Яхшибоева Д. Э., Эрметов Э. Я. Сенсоры слюны человека для первичной диагностики желудочно-кишечного тракта //Ministry of higher and secondary special education of the republic of uzbekistan ministry of healthcare tashkent medical academy. – 2023.
Яхшибоева Д. Э., Эрметов Э. Я., Яхшибоев Р. Э. Перспективы информационно-цифровых технологий в медицине //Замонавий клиник лаборатор ташхиси долзарб муаммолари. – 2022. – Т. 1. – С. 193-194.
Downloads
Published
Issue
Section
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
License Terms of our Journal.
