Архитектура системы прогнозирования состояния здоровья пациента с использованием методов агентного моделирования и машинного обучения

Внедрение информационных технологий в медицинские учреждения способствует развитию предиктивной, превентивной и персонализированной медицины. Возникающая при этом задача создания программного аналога пациента, способного учесть его индивидуальные показатели и спрогнозировать состояние здоровья, до сих пор актуальна. Представленная в работе архитектура системы прогнозирования состояния здоровья пациента направлена на решение этой задачи. Отличительной особенностью архитектуры системы является сочетание принципов агентного моделирования и представление организма пациента в виде взаимодействующих между собой модулей, что открывает широкие возможности для моделирования состояния здоровья организма пациента. В работе описана иерархия агентов в архитектуре системы, описаны правила взаимодействия агентов и приведена математическая модель оценки эффективности терапевтических воздействий на организм пациента, решение которой достигается путем взаимодействия агентов системы. Прогнозирование состояния здоровья пациента производится с помощью загружаемых предварительно обученных моделей машинного обучения, модели при этом непосредственно участвуют в определении поведения агентов. Архитектура системы прогнозирования состояния здоровья пациента, реализованная в виде программного комплекса, представляет собой мощный инструмент для построения агентных моделей прогнозирования, направленных на моделирование физиологических и патологических процессов и воздействий на организм пациента.

1. Lehrach H. Omics approaches to individual variation: modeling networks and the virtual patient. Dialogues in Clinical Neuroscience. 2016;18(3):253–265. https://doi.org/10.31887/DCNS.2016.18.3/hlehrach

2. Kutumova E., Kiselev I., Sharipov R., Lifshits G., Kolpakov F. Thoroughly Calibrated Modular Agent-Based Model of the Human Cardiovascular and Renal Systems for Blood Pressure Regulation in Health and Disease. Frontiers in Physiology. 2021;12. https://doi.org/10.3389/fphys.2021.746300

3. Day T.E., Ravi N., Xian H., Brugh A. An Agent-Based Modeling Template for a Cohort of Veterans with Diabetic Retinopathy. PLoS One. 2013;8(6). https://doi.org/10.1371/journal.pone.0066812

4. Veloso M. An agent-based simulation model for informed shared decision making in multiple sclerosis. Multiple Sclerosis and Related Disorders. 2013;2(4):377–384. https://doi.org/10.1016/j.msard.2013.04.001

5. Hum R.S., Kleinberg S. Replicability, Reproducibility, and Agent-based Simulation of Interventions. In: AMIA Annual Symposium Proceedings: American Medical Informatics Association Annual Symposium, AMIA 2017, 4–8 November 2017, Washington, USA. 2017. pp. 959–968.

6. Broomhead T., Ballas D., Baker S.R. Neighbourhoods and oral health: Agent-based modelling of tooth decay. Health & Place. 2021;71. https://doi.org/10.1016/j.healthplace.2021.102657

7. Li Y., Kong N., Lawley M.A., Pagán J.A. Using Systems Science for Population Health Management in Primary Care. Journal of Primary Care & Community Health. 2014;5(4):242–246. https://doi.org/10.1177/2150131914536400

8. Weston B., Fogal B., Cook D., Dhurjati P. An agent-based modeling framework for evaluating hypotheses on risks for developing autism: Effects of the gut microbial environment. Medical Hypotheses. 2015;84(4):395–401. https://doi.org/10.1016/j.mehy.2015.01.027

9. Auchincloss A.H., Diez Roux A.V. A New Tool for Epidemiology: The Usefulness of Dynamic-Agent Models in Understanding Place Effects on Health. American Journal of Epidemiology. 2008;168(1):1–8. https://doi.org/10.1093/aje/kwn118

10. Лимановская О.В. Имитационное моделирование в AnyLogic 7: в 2 частях: Часть 1. Екатеринбург: Издательство Уральского университета; 2017. 152 с.

11. Лисовенко А.С., Лимановская О.В., Гаврилов И.В., Мещанинов В.Н., Мякотных В.С. Концепция агентной модели прогнозирования общего состояния здоровья пациента в процессе старения. Моделирование, оптимизация и информационные технологии. 2022;10(4). https://doi.org/10.26102/2310-6018/2022.39.4.007

12. Neal M.L., Cooling M.T., Smith L.P. et al. A Reappraisal of How to Build Modular, Reusable Models of Biological Systems. PLoS Computational Biology. 2014;10(10). https://doi.org/10.1371/journal.pcbi.1003849

13. Tracy M., Cerdá M., Keyes K.M. Agent-Based Modeling in Public Health: Current Applications and Future Directions. Annual Review of Public Health. 2018;39:77–94. https://doi.org/10.1146/annurev-publhealth-040617-014317

14. Koshy-Chenthittayil S., Archambault L., Senthilkumar D., Laubenbacher R., Mendes P., Dongari-Bagtzoglou A. Agent Based Models of Polymicrobial Biofilms and the Microbiome–A Review. Microorganisms. 2021;9(2). https://doi.org/10.3390/microorganisms9020417

15. Лимановская О.В., Гаврилов И.В., Мещанинов В.Н., Лисовенко А.С. Построение гендерно- и возрастзависимых моделей оценки биовозраста на основе функциональных данных организма пациента. Моделирование, оптимизация и информационные технологии. 2024;12(2). https://doi.org/10.26102/2310-6018/2024.45.2.012