Представители НОШ «Мозг, когнитивные системы, искусственный интеллект» МГУ имени М.В. Ломоносова совместно с коллегами из Ульяновского государственного технического университета разработали алгоритмы машинного обучения для анализа отзывов пациентов о работе клиник и врачей. Исследование, охватившее около 60 тысяч отзывов в интернете, опубликовано в журнале «Онтология проектирования».

С развитием цифровых технологий традиционные методы опросов пациентов уступают место новому подходу — автоматизированному анализу цифровых следов, которые люди оставляют в интернете. Комментарии и отзывы в социальных медиа и на специализированных платформах стали важным источником информации о том, как пациенты оценивают медицинскую помощь. Такой формат позволяет фиксировать большее количество мнений, включая критические и эмоциональные, которые не всегда отражаются в официальных анкетах.

В рамках исследования команда учёных собрала и проанализировала около 60 тысяч отзывов, размещённых пользователями на популярных агрегаторах отзывов о врачах и клиниках prodoctorov.ru и infodoctor.ru. Выборка охватила Москву, Санкт-Петербург и крупнейшие города-миллионники России за период с 2012 по 2023 год.

Для обработки столь большого массива данных были протестированы разные архитектуры искусственных нейронных сетей: LSTM, GRU и CNN. Наибольшую эффективность показала рекуррентная сеть GRU, которая продемонстрировала точность классификации более 92%. В ходе работы разработчики объединили машинное обучение с лингвистическими алгоритмами — например, поиском именованных сущностей (имен врачей или названий клиник), что позволило повысить точность распознавания тональности и тематики отзывов.

В результате удалось не только разделять тексты на положительные и отрицательные, но и учитывать их адресацию: о конкретном враче или о клинике в целом. Такой уровень детализации открывает новые возможности для анализа качества медицинских услуг: можно выявлять проблемные зоны в работе учреждений конкретного региона с точки зрения достижения результатов лечения и диагностики или с точки зрения организационных проблем в медицинских учреждениях, понимать сильные и слабые стороны взаимодействия врач–пациент и оперативно реагировать на жалобы.

«Сегодня цифровые следы пациентов становятся важнейшим источником информации для оценки качества медицинской помощи. Анализ отзывов в социальных медиа с помощью искусственного интеллекта позволяет не только выявить реальные проблемные зоны в здравоохранении, но и выстроить более адресную социальную политику. В рамках НОШ “Мозг” мы стремимся развивать такие альтернативные методы, чтобы слышать голос пациентов напрямую, без искажений традиционных опросов», — подчеркнула профессор Ирина Калабихина, заведующая кафедрой народонаселения экономического факультета МГУ.

По мнению авторов, подобные системы анализа могут использоваться не только в медицинской сфере, но и в других отраслях, где важно учитывать мнение населения в реальном времени. Для здравоохранения это особенно актуально: понимание ожиданий пациентов и их реального опыта помогает не только улучшить качество услуг, но и повысить доверие к медицинским учреждениям.

Материал: News-w.org / Севиль Рахманова по материалам пресс-службы

Фото: пресс-служба