Магістерська дисертація складається з вступу, п’яти розділів, висновків та переліку посилань. Також цей диплом містить 144 сторінок, в тому числі 48 рисунок, 32 таблиць, 32 джерело.
Актуальність теми. У сучасному світі автоматизація та впровадження штучного інтелекту у сферу охорони здоров’я є важливими для забезпечення якісної діагностики та моніторингу стану пацієнтів. Зростаюча кількість захворювань, таких як серцево-судинні, метаболічні та респіраторні розлади, вимагає впровадження інноваційних підходів до їх виявлення та управління. Раннє виявлення та оцінка ризиків таких захворювань можуть значно підвищити ефективність лікування, зменшити навантаження на медичний персонал та покращити якість життя пацієнтів. Сучасні медичні заклади потребують систем, здатних аналізувати великі обсяги медичних даних, прогнозувати ризики захворювань, інтегруватися з існуючими інформаційними системами та підтримувати прийняття рішень лікарями. Враховуючи ці виклики, створення автоматизованої системи медичного контролю з використанням інтелектуальних технологій, таких як алгоритми машинного навчання, є актуальним і перспективним напрямком дослідження.
Мета роботи. Розробка автоматизованої системи медичного контролю за станом людини, яка забезпечує моніторинг життєвих показників, аналіз стану пацієнтів, вивід ризиків виникнення захворювань з використанням алгоритмів штучного інтелекту та надання персоналізованих рекомендацій для своєчасної діагностики та лікування.
Об’єкт дослідження. Модель штучного інтелекту для оцінки ризиків захворювань та їх інтеграція в автоматизовані системи медичного контролю.
Предмет дослідження. Методи та засоби визначення життєвих показників пацієнтів
Методи дослідження. Робота базується на використанні сучасних методів машинного навчання, таких як XGBoost та SMOTEENN, для створення моделей прогнозування. Для обробки та аналізу даних застосовувалися Python-бібліотеки (pandas, scikit-learn, matplotlib). Розробка програмного забезпечення виконувалася із використанням Django для бекенду, MySQL для збереження даних та HTML, CSS,
JavaScript для створення клієнтського інтерфейсу. Тестування функціональності проводилося на симульованих та реальних даних пацієнтів.
Наукова новизна. У роботі вперше запропоновано інтеграцію алгоритмів машинного навчання в автоматизовану систему медичного контролю для комплексного моніторингу стану пацієнтів та визначення ризиків виникнення захворювань. Розроблено підхід до адаптивного аналізу життєвих показників із використанням методу SMOTEENN для вирішення проблеми дисбалансу даних, що підвищує точність прогнозування рідкісних захворювань.
Практичне застосування отриманих результатів. Розроблену систему може бути впроваджено в медичні заклади для моніторингу пацієнтів як у лікарнях, так і в домашніх умовах. Вона дозволяє лікарям оперативно отримувати результати аналізу стану здоров’я пацієнтів, підвищуючи якість діагностики та своєчасність лікувальних заходів. Система також допомагає виявляти потенційні ризики захворювань на основі аналізу медичних показників, що сприяє ранньому реагуванню на можливі проблеми зі здоров’ям пацієнтів. Це робить її важливим інструментом для підтримки прийняття рішень у сфері охорони здоров’я.
Керівник: доц., к.т.н., доц. Гришанова І.А.
