Розробка інтелектуальної системи підтримки для вибору лікування гепатоцелюлярної карциноми

Автор(и)

DOI:

https://doi.org/10.15587/1729-4061.2025.347800

Ключові слова:

гепатоцелюлярна карцинома, вибір лікування, інтелектуальна система підтримки рішень, база знань

Анотація

Об'єктом дослідження є процес прийняття клінічних рішень щодо вибору методу лікування гепатоцелюлярної карциноми (ГЦК) на основі медичних даних пацієнта. Процес вибору методу лікування ГЦК залишається слабо формалізованим та характеризується багатокритеріальністю та наявністю численних клінічних ситуацій, для кожної з яких необхідно оперативно визначити найточніше терапевтичне рішення.

У цьому дослідженні розроблено інтелектуальну систему підтримки медичних рішень щодо вибору методу лікування ГЦК на основі знань, що застосовуються в клінічній практиці.

У ньому запропоновано архітектурні та функціональні принципи інтелектуальної системи підтримки рішень, що класифікує клінічні ситуації за методом лікування ГЦК, що складається з кількох можливих комбінацій 44 інформативних параметрів. На основі поточних значень цих параметрів експертні знання перетворюються на продукційні правила, що визначають методи лікування ГЦК.

На основі аналізу продукційних правил відповідно до поточних значень параметрів розроблено евристичну процедуру вибору лікування, яка відтворює моделі міркувань учасників міждисциплінарної ради під час їхнього процесу прийняття консенсусних рішень щодо призначення лікування ГЦК. Програмна реалізація моделі прийняття рішень щодо вибору лікування ГЦК, реалізована на C# з використанням платформи Visual Study 2019, дозволила інтеграцію інтелектуальної системи з веб-технологіями.

Інтелектуальна система підтримки медичних рішень автоматизує унікальний досвід фахівців та допомагає лікарям у багатопрофільній консультації приймати оперативні та обґрунтовані рішення онлайн щодо призначення персоналізованої терапії. Система була пілотована з лікарями-експертами в кількох ітераціях, доки не було досягнуто повної відповідності між консенсусним рішенням багатопрофільної ради та рішенням, прийнятим розробленою системою відповідно до клінічних рекомендацій

Біографії авторів

Masuma Mammadova, Institute of Information Technology

Doctor of Technical Sciences, Professor, Head of Department

Department Number 11

Nuru Bayramov, Azerbaijan Medical University

Doctor of Medical Sciences, Professor, Head of Department

Department of Surgical Diseases 1

Zarifa Jabrayilova, Institute of Information Technology

Doctor of Technical Sciences, Assistant Professor, Chief Researcher

Department Number 11

Tetyana Baydyk, Universidad Nacional Autónoma de México

Doctor of Technical Sciences, Professor, Investigator Titular C

Department of Micro and Nanotechnology

Instituto de Ciencias Aplicadas y Tecnología

Mehriban Huseynova, Azerbaijan Medical University

Assistant Doctor

Department of Surgical Diseases 1

Посилання

  1. Reynolds, A. R., Furlan, A., Fetzer, D. T., Sasatomi, E., Borhani, A. A., Heller, M. T., Tublin, M. E. (2015). Infiltrative Hepatocellular Carcinoma: What Radiologists Need to Know. RadioGraphics, 35 (2), 371–386. https://doi.org/10.1148/rg.352140114
  2. Bayramov, N., Mammadova, Sh. (2022). A review of the current ERAS guidelines for liver resection, liver transplantation and pancreatoduodenectomy. Annals of Medicine & Surgery, 82. https://doi.org/10.1016/j.amsu.2022.104596
  3. Huang, D. Q., Tran, A., Tan, E. X., Nerurkar, S. N., Teh, R., Teng, M. L. P. et al. (2022). Characteristics and outcomes of hepatocellular carcinoma patients with macrovascular invasion following surgical resection: a meta-analysis of 40 studies and 8,218 patients. Hepatobiliary Surgery and Nutrition, 11 (6), 848–860. https://doi.org/10.21037/hbsn-21-419
  4. Ray, S., Mehta, N. N., Golhar, A., Nundy, S. (2018). Post hepatectomy liver failure – A comprehensive review of current concepts and controversies. Annals of Medicine and Surgery, 34, 4–10. https://doi.org/10.1016/j.amsu.2018.08.012
  5. Calderon, F., Masino, E., Caram, L., Ardiles, V. (2021). Short-and-Long-Term Outcomes of Hepatic Resection for Hepatocellular Carcinoma in Cirrhotic and Non-Cirrhotic Liver Parenchyma., 1 (1), 12–19. Journal of Surgery and Clinical Reports. Available at: https://www.researchgate.net/publication/351706093_Journal_of_Surgery_and_Clinical_Reports_Short-and-Long-Term_Outcomes_of_Hepatic_Resection_for_Hepatocellular_Carcinoma_in_Cirrhotic_and_Non-Cirrhotic_Liver_Parenchyma
  6. Citterio, D., Facciorusso, A., Sposito, C., Rota, R., Bhoori, S., Mazzaferro, V. (2016). Hierarchic Interaction of Factors Associated With Liver Decompensation After Resection for Hepatocellular Carcinoma. JAMA Surgery, 151 (9), 846. https://doi.org/10.1001/jamasurg.2016.1121
  7. Park, S., Davis, A. M., Pillai, A. A. (2024). Prevention, Diagnosis, and Treatment of Hepatocellular Carcinoma. JAMA, 332 (12), 1013. https://doi.org/10.1001/jama.2024.14101
  8. Brown, Z. J., Tsilimigras, D. I., Ruff, S. M., Mohseni, A., Kamel, I. R., Cloyd, J. M., Pawlik, T. M. (2023). Management of Hepatocellular Carcinoma. JAMA Surgery, 158 (4), 410. https://doi.org/10.1001/jamasurg.2022.7989
  9. Singh, A., Pandey, B. (2016). An Efficient Diagnosis System for Detection of Liver Disease Using a Novel Integrated Method Based on Principal Component Analysis and K-Nearest Neighbor (PCA-KNN). International Journal of Healthcare Information Systems and Informatics, 11 (4), 56–69. https://doi.org/10.4018/ijhisi.2016100103
  10. Sartakhti, J. S., Zangooei, M. H., Mozafari, K. (2012). Hepatitis disease diagnosis using a novel hybrid method based on support vector machine and simulated annealing (SVM-SA). Computer Methods and Programs in Biomedicine, 108 (2), 570–579. https://doi.org/10.1016/j.cmpb.2011.08.003
  11. Gorunescu, F., Belciug, S., Gorunescu, M., Badea, R. (2012). Intelligent decision-making for liver fibrosis stadialization based on tandem feature selection and evolutionary-driven neural network. Expert Systems with Applications, 39 (17), 12824–12832. https://doi.org/10.1016/j.eswa.2012.05.011
  12. Li, B. N., Chui, C. K., Chang, S., Ong, S. H. (2012). A new unified level set method for semi-automatic liver tumor segmentation on contrast-enhanced CT images. Expert Systems with Applications, 39 (10), 9661–9668. https://doi.org/10.1016/j.eswa.2012.02.095
  13. Farahi, R., Derakhshanfard, N., Ghaffari, A. (2025). Intelligent Decision Support System for Liver Disease Diagnosis with MLP Network Optimized by Genetic Algorithm. International Journal of Computational Intelligence Systems, 18 (1). https://doi.org/10.1007/s44196-025-01013-0
  14. Curtidor, A., Kussul, E., Baydyk, T., Mammadova, M. (2023). Analysis and automated classification of images of blood cells to diagnose acute lymphoblastic leukemia. EUREKA: Physics and Engineering, 5, 177–190. https://doi.org/10.21303/2461-4262.2023.003070
  15. Curtidor, A., Mammadova, M., Velasco Herrera, G., Baydyk, T., Kussul, E. (2023). Recognition of images of blood cells using texture and neural networks to diagnose leukemia. Expert Assessments in Decision Making: Risks and Safety, 36–65. https://doi.org/10.21303/978-9916-9850-2-1.ch2
  16. Curtidor, A., Baydyk, T., Kussul, E. (2025). Classification based on Neural Networks to Detect Acute Lymphoblastic Leukemia. Wseas Transactions On Signal Processing, 21, 25–30. https://doi.org/10.37394/232014.2025.21.4
  17. Schuler, K., Jung, I.-C., Zerlik, M., Hahn, W., Sedlmayr, M., Sedlmayr, B. (2025). Context factors in clinical decision-making: a scoping review. BMC Medical Informatics and Decision Making, 25 (1). https://doi.org/10.1186/s12911-025-02965-1
  18. Mirmozaffari, M. (2019). Developing an Expert System for Diagnosing Liver Diseases. European Journal of Engineering Research and Science, 4 (3), 1–5. https://doi.org/10.24018/ejers.2019.4.3.1168
  19. Mammadova, M., Bayramov, N., Jabrayilova, Z. (2021). Development of the principles of fuzzy rule-based system for hepatocelular carcinoma staging. EUREKA: Physics and Engineering, 3, 3–13. https://doi.org/10.21303/2461-4262.2021.001829
  20. Məmmədova, M. H., Bayramov, N. Y., Cəbrayılova, Z. G., Manaflı, M. İ., Hüseynova, M. R. (2024). Hepatosellülyar karsinomanin diaqnostikasi üçün həkim qərarlarinin dəstəklənməsi sistemi. Azerbaijan Medical Journal, 4, 163–169. https://doi.org/10.34921/amj.2024.4.026
Розробка інтелектуальної системи підтримки для вибору лікування гепатоцелюлярної карциноми

##submission.downloads##

Опубліковано

2025-12-30

Як цитувати

Mammadova, M., Bayramov, N., Jabrayilova, Z., Baydyk, T., & Huseynova, M. (2025). Розробка інтелектуальної системи підтримки для вибору лікування гепатоцелюлярної карциноми. Eastern-European Journal of Enterprise Technologies, 6(9 (138), 28–36. https://doi.org/10.15587/1729-4061.2025.347800

Номер

Том 6 № 9 (138) (2025): Інформаційно-керуючі системи

Розділ

Інформаційно-керуючі системи

Ліцензія

Авторське право (c) 2025 Masuma Mammadova, Nuru Bayramov, Zarifa Jabrayilova, Tetyana Baydyk, Mehriban Huseynova

Creative Commons License

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

Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.

Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.