«Разработанный алгоритм помогает медицинским организациям выявлять проблемы в обслуживании пациентов и улучшает качество медицинских услуг»

Кандидат экономических наук, программист 2-ой категории Лаборатории информационно-аналитических ресурсов экономического факультета МГУ им. М.В. Ломоносова Антон Колотуша занимается исследованием на тему: «Классификация отзывов пациентов российских клиник для управленческих решений в области совершенствования системы здравоохранения с использованием методов машинного обучения». Победитель конкурса грантовой поддержки молодых ученых фонда «Интеллект» рассказал о своем исследовании.

Исследование посвящено разработке инновационного алгоритма классификации отзывов пациентов с помощью методов машинного обучения. В современной медицине растет важность анализа отзывов пациентов для улучшения качества медицинских услуг, и работа молодого ученого направлена на создание автоматизированной системы анализа отзывов, которая позволит медицинским организациям эффективно отслеживать и улучшать качество предоставляемых услуг.

Основная цель исследования заключается в разработке системы классификации отзывов пациентов по двум основным категориям: М-типа – медицинское содержание (жалобы на диагностику, лечение и результаты медицинского вмешательства) и О-типа – организационное сопровождение (вопросы вежливости, времени ожидания, записи к врачу, комфорта и пр.). Это позволит определить, какие аспекты медицинской помощи больше всего беспокоят пациентов, и какая категория жалоб преобладает в разных регионах, к разным врачебным специальностям, среди различных групп пациентов.

Практическая польза исследования многогранна: разработанный алгоритм помогает медицинским организациям выявлять проблемы в обслуживании пациентов, принимать обоснованные управленческие решения, улучшает качество медицинских услуг и повышает удовлетворенность пациентов. Особенно важно, что система позволяет оптимизировать организационную работу клиник и принимать целевые решения по улучшению как собственно медицинского обслуживания, так и организационного сопровождения лечения в регионе, а также видеть, как в динамике меняется структура жалоб пациентов по указанным типам, на что надо обратить внимание (рис. 1 – пример повышения доли жалоб М-типа в регионе). Кроме этого, можем классифицировать отзывы по демографическим характеристикам (например, полу пациента – рис. 2), по укрупненным врачебным специальностям (рис. 3).

В исследовании применяются современные методы искусственного интеллекта: нейросетевые модели на основе логистической регрессии для классификации отзывов (с точностью 88,5%), метод независимого аннотирования с участием трех экспертов для проверки качества классификации, генеративный искусственный интеллект (YandexGPT) для определения пола пациентов по текстам отзывов. Разработанный алгоритм успешно апробирован не только на российских, но и на американских данных, что подтверждает его универсальность и возможность применения в разных контекстах.