Мобильная система с цифровым двойником для диагностики и поддержки терапии пациентов с неврологическими заболеваниями

Нейронная сеть для диагностики обучена на международных данных больных с неврологическими заболеваниями (БН). Нейронная сеть (НС) для поддержки терапии динамически пополняется данными состояния конкретного пациента. Устройство IoT (смартфон) собирает данные пациентов (голос, движение), инициируя их предварительную обработку и извлечение признаков. Эти данные передаются через локальный фреймворк Flask на сервер, использующий Open Semantic Technology for Intelligent Systems (OSTIS) ‒ платформу, которая обрабатывает и интерпретирует информацию о пациентах. Агент прогнозирования на базе НС на сервере, используя обученную нейронную сеть, ставит диагноз пациенту, который передается врачу. Лечение БН требует непрерывной, адаптивной и индивидуальной терапии. Блок электронной терапии на основе нейронной сети, включающий модули пациента и врача, принятия решений и цифрового двойника пациента, расширяет диагностическую систему до поддержки принятия терапевтических решений. Блок выполняет поиск предыдущего состояния пациента; прогностическое моделирование: курс лечения, лекарственную терапию; пояснение для врача. Структура блока включает: рекуррентную нейронную сеть на основе GRU, компонент семантической памяти системы OSTIS, контекстно-зависимые правила в виде SC-графических форм.

1. Sveinbjornsdottir, S. The clinical symptoms of Parkinson's disease / Sigurlaug Sveinbjornsdottir // Journal of Neurochemistry. 2016. Vol. 139, № S1. P. 318–324. DOI: 10.1111/jnc.13691.

2. Upadhya, S. S. Discriminating Parkinson and healthy people using phonation and cepstral features of speech / Savitha S. Upadhya, A. N. Cheeran // Procedia Computer Science. 2018. Vol. 143. P. 197–202. DOI: 10.1016/j.procs.2018.10.376.

3. Voiceprint recognition of Parkinson patients based on deep learning / Z. Xu, J. Wang, Y. Zhang, X. He // arXiv. 2018. Dec. P. 1–10. DOI: 10.48550/arXiv.1812.06613.

4. Development of Parkinson patient generated data collection platform using FHIR and IoT devices / D. Y. Kim, S. H. Hwang, M. G. Kim [et al.] // Studies in Health Technology and Informatics. 2017. Vol. 245. 141–145.

5. Anter, A. M. E-health Parkinson disease diagnosis in smart home based on hybrid intelligence optimization model / A. M. Anter, Z. Zhang // Proceedings of the International Conference on Advanced Intelligent Systems and Informatics 2019 / ed.: A. Hassanien, K. Shaalan, M. Tolba. Springer, 2020. Vol. 1058 : Advances in Intelligent Systems and Computing. P. 153–162. DOI: 10.1007/978-3-030-31129-2_15.

6. Organization of online learning using the intelligent metasystem of open semantic technology for intelligent systems / A. Kintonova, A. Sabitov, I. Povkhan [et al.] // Eastern-European Journal of Enterprise Technologies. 2023. Vol. 1, № 2 (121). P. 29–40. https://doi.org/10.15587/1729-4061.2023.272952.

7. Vishniakou, U. A. IT Diagnostics of Parkinson’s disease based on the analysis of voice markers and machine learning / U. A. Vishniakou, Y. Xia // Доклады БГУИР. 2023. Т. 21, № 3. С. 102–110. DOI: 10.35596/1729-7648-2023-21-3-102-110.

8. Vishniakou, U. Models and algorithms for the diagnosis of Parkinsons disease and their realization on the Internet of Things network / U. Vishniakou, Y. Xia // Global Journals of Research in Engineering. 2024. Vol. 24 (J1). P. 43–49. DOI: 10.34257/GJREJVOL24IS1PG43.

9. A Comparative analysis of speech signal processing algorithms for Parkinson’s disease classification and the use of the tunable Q-factor wavelet transform / C.O. Sakar, G. Serbes, A. Gunduz [et al.] // Applied Soft Computing. 2019. Vol. 74. P. 255–263. DOI: 10.1016/j.asoc.2018.10.022.

10. Патент 048311, G10L 15/01 (2013.01) G10L 25/00 (2006.01) G16Y 40/20 (2020.01). Способ диагностики болезни Паркинсона в сети Интернет вещей, основанный на анализе голосовых маркеров : № a 202392267 : заявлено 21.07.2023 : опубликовано 13.11.2024 / Вишняков В. А., Ся Ивей ; заявитель Белорусский государственный университет информатики и радиоэлектроники. 12 с. URL: https://libeldoc.bsuir.by/bitstream/123456789/59103/1/Pat_048311.pdf (дата обращения: 17.06.2026).