Моделирование восприятия рекомендаций системы поддержки принятия врачебных решений на основе предсказательного моделирования при проведении профилактических осмотров врачами-стоматологами

Представлены результаты исследования восприятия  систем поддержки принятия врачебных решений в рамках проведения ежегодной диспансеризации врачами-стоматологами в общеобразовательных организациях Минобороны России (суворовских и нахимовском военных училищах, президентских кадетских училищах и кадетских военных корпусах). На примере рассматриваемого сценария проведена апробация прототипа системы на основе машинного обучения. Для оценки восприятия выполнен опрос врачей-стоматологов с демонстрацией результатов работы прототипа и оценкой воспринимаемых характеристик предоставляемых результатов предсказательного моделирования. Построена модель на основе байесовской сети для оценки рассматриваемых показателей, продемонстрировавшая повышение качества предсказания воспринимаемых показателей с учетом влияния латентных состояний субъективного восприятия оператора. Предложенный подход в дальнейшем планируется использовать для повышения эффективности взаимодействия врача и системы поддержки принятия врачебных решений.

1. Кузьмина Э.М., Янушевич О.О., Кузьмина И.Н., Лапатина А.В. Тенденции распространенности и интенсивности кариеса зубов среди населения России за 20-летний период // Dental Forum. 2020. № 3(78). P. 2–8.

2. Волошина И.М., Беликова Е.В. Кариес зубов высокой степени риска и комплаентность пациента // Эндодонтия Today. 2020. Т. 18. № 2. С. 41–44. https://doi.org/10.36377/1683-2981-2020-182-41-44

3. Солдатов И.К. и др. Прогнозирование интенсивности поражения кариесом зубов воспитанников общеобразовательных организаций Минобороны России с помощью алгоритмов машинного обучения // Кремлевская медицина. Клинический вестник. 2024. (в печати).

4. Kovalchuk S.V., Kopanitsa G.D., Derevitskii I.V., Matveev G.A., Savitskaya D.A. Three-stage intelligent support of clinical decision making for higher trust, validity, and explainability // Journal of Biomedical Informatics. 2022. V. 27. P. 104013. https://doi.org/10.1016/j.jbi.2022.104013

5. Abdul A., Vermeulen J., Wang D., Lim B.Y., Kankanhalli M. Trends and trajectories for explainable, accountable and intelligible systems: an HCI research agenda // Proc. of the 2018 CHI Conference on Human Factors in Computing Systems. 2018. P. 1–18. https://doi.org/10.1145/3173574.3174156

6. Солдатов А.Н., Солдатов И.К., Гребнев Г.А., Ковальчук С.В. База данных состояния стоматологического здоровья воспитанников общеобразовательных организаций Минобороны России. Свидетельство о регистрации базы данных RU2023622392, 13.07.2023.

7. Presseau J., Johnston M., Francis J.J., Hrisos S., Stamp E., Steen N., Hawthorne G., Grimshaw J.M., Elovainio M., Hunter M., Eccles M.P. Theory-based predictors of multiple clinician behaviors in the management of diabetes // Journal of Behavioral Medicine. 2014. V. 37. N 4. P. 607–620. https://doi.org/10.1007/s10865-013-9513-x

8. Dillon A. Human Acceptance of Information Technology // International Encyclopedia of Ergonomics and Human Factors. 2006. V. 27. N 3. P. 425–478.