Разработка и программная реализация интеллектуальной системы поддержки принятия врачебных решений для выбора режимов искусственной вентиляции легких

Актуальность работы обусловлена высокой когнитивной нагрузкой на врача-реаниматолога при выборе режима искусственной вентиляции легких (ИВЛ) из‑за наличия десятков режимов и более 50 параметров настройки. Отсутствие формализованных критериев и прозрачных систем поддержки принятия решений приводит к вариабельности терапии и повышению риска вентилятор-ассоциированных осложнений. Цель работы – разработка методологии, алгоритма и программного прототипа интеллектуальной системы поддержки принятия врачебных решений для выбора режимов ИВЛ, обеспечивающей объяснимость рекомендаций. В работе использованы методы формализации клинических параметров, построения классификатора состояний, создания продукционных правил, объектно-ориентированного программирования на Python, а также апробации на литературных клинических сценариях. Формализованы четыре группы параметров (механика дыхания, газообмен, активность пациента, гемодинамика). Построен классификатор состояний (апноэ, слабость дыхательной мускулатуры, обструктивные и рестриктивные нарушения). Создана база из 30 продукционных правил «ЕСЛИ–ТО», сгруппированных по шести клиническим ситуациям с приоритетным перебором. Разработан алгоритм, включающий модуль объяснения, формирующий текстовое обоснование каждой рекомендации. Программный прототип реализован на Python (библиотеки tkinter, experta). Апробация на 20 литературных клинических сценариях показала полное совпадение рекомендаций с эталонными протоколами в 85 % случаев, частичное – в 10 %, несовпадение (требовалась экстракорпоральная элиминация CO₂) – в 5 %. Среднее время формирования рекомендации составило 0,42 секунды. Полученные результаты подтверждают работоспособность предложенной методологии и позволяют использовать систему как автономное рабочее место врача или встраиваемый модуль в аппараты ИВЛ.

1. Brochard L., Slutsky A., Pesenti A. Mechanical ventilation to minimize progression of lung injury in acute respiratory failure. American Journal of Respiratory and Critical Care Medicine. 2017;195(4):438–442. https://doi.org/10.1164/rccm.201605-1081CP

2. Murali M., Ni M., Karbing D.S., et al. Clinical practice, decision-making, and use of clinical decision support systems in invasive mechanical ventilation: a narrative review. British Journal of Anaesthesia. 2024;133(1):164–177. https://doi.org/10.1016/j.bja.2024.03.011

3. Arnal J.M., Garnero A., Novonti D., et al. Feasibility study on full closed-loop control ventilation (IntelliVent-ASV™) in ICU patients with acute respiratory failure: a prospective observational comparative study. Critical Care. 2013;17(5). https://doi.org/10.1186/cc12890

4. Шурыгин И.А. Искусственная вентиляция лёгких как медицинская технология. Москва: БИНОМ; 2020. 630 с.

5. Amato M.B.P., Barbas C.S.V., Medeiros D.M., et al. Effect of a protective-ventilation strategy on mortality in the acute respiratory distress syndrome. New England Journal of Medicine. 1998;338(6):347–354. https://doi.org/10.1056/NEJM199802053380602

6. Bernard G.R., Artigas A., Brigham K.L., et al. Report of the American-European Consensus Conference on acute respiratory distress syndrome: definitions, mechanism, relevant outcomes, and clinical trial coordination. Journal of Critical Care. 1994;9(1):72–81. https://doi.org/10.1016/0883-9441(94)90033-7

7. Global Initiative for Chronic Obstructive Lung Disease (GOLD). Global strategy for diagnosis, management and prevention of COPD. GOLD. 2011. URL: https://goldcopd.org [Accessed 13th May 2026]

8. Chiumello D., Carlesso E., Cadringher P., et al. Lung stress and strain during mechanical ventilation for acute respiratory distress syndrome. American Journal of Respiratory and Critical Care Medicine. 2008;178(4):346–355. https://doi.org/10.1164/rccm.200710-1589OC

9. Goligher E.C., Fan E., Herridge M.S., et al. Evolution of diaphragm thickness during mechanical ventilation. Impact of inspiratory effort. American Journal of Respiratory and Critical Care Medicine. 2015;192(9):1080–1088. https://doi.org/10.1164/rccm.201503-0620OC

10. Goligher E.C., Dres M., Fan E., et al. Lung- and diaphragm-protective ventilation. American Journal of Respiratory and Critical Care Medicine. 2020;202(7):950–961. https://doi.org/10.1164/rccm.202003-0655CP

11. East T., Heermann L., Bradshaw R., et al. Efficacy of computerized decision support for mechanical ventilation. Results of a prospective multi-center randomized trial. In: Proceedings of the AMIA Symposium, 6–10 November 1999, Orlando, Florida, United States. Philadelphia: Hanley & Belfus; 1999. P. 251–255.

12. Arnal J.M., Wysocki M., Nafati C., et al. Automatic selection of breathing pattern using adaptive support ventilation. Intensive Care Medicine. 2008;34(1):75–81. https://doi.org/10.1007/s00134-007-0847-0

13. Lellouche F., Mancebo J., Jolliet P., et al. A multicenter, randomized trial of computer-driven protocolized weaning from mechanical ventilation. American Journal of Respiratory and Critical Care Medicine. 2006;174(8):894–900. https://doi.org/10.1164/rccm.200511-1780OC

14. Liu L., Xu X.T., Yu Y., et al. Neural control of pressure support ventilation improved patient-ventilator synchrony in patients with different respiratory system mechanical properties: a prospective, crossover trial. Chinese Medical Journal (Engl). 2021;134(3):281–291. https://doi.org/10.1097/CM9.0000000000001357

15. Arnal J.M., Saoli M., Garnero A. Airway and transpulmonary driving pressures and mechanical powers selected by INTELLiVENT-ASV in passive, mechanically ventilated ICU patients. Heart & Lung. 2020;49(4):427–434. https://doi.org/10.1016/j.hrtlng.2019.11.001

16. Bernasconi M., Ploysongsang Y., Gottfried S.B., Milic-Emili J., Rossi A. Respiratory compliance and resistance in mechanically ventilated patients with acute respiratory failure. Intensive Care Medicine. 1988;14(5):547–553. https://doi.org/10.1007/BF00263528

17. Malhotra A. Low-tidal-volume ventilation in the acute respiratory distress syndrome. New England Journal of Medicine. 2007;357(11):1113–1120. https://doi.org/10.1056/NEJMct074213

18. Kono A., Narita C., Tosaka N. Expiratory effort exacerbates excessive dynamic airway collapse: a case report on esophageal pressure monitoring in a mechanically ventilated patient. Egyptian Journal of Bronchology. 2025;19. https://doi.org/10.1186/s43168-025-00395-1

19. Arnal J.M., Wysocki M., Novotni D., et al. Safety and efficacy of a fully close loop ventilation (IntelliVent-ASV) in ICU patients: a prospective randomized cross-over study. Intensive Care Medicine. 2012;38(5):781–787. https://doi.org/10.1007/s00134-012-2548-6

20. Barberis L., Manno E., Guérin C. Effect of end-inspiratory pause duration on plateau pressure in mechanically ventilated patients. Intensive Care Medicine. 2003;29(1):130–134. https://doi.org/10.1007/s00134-002-1568-z