Ученые НОШ МГУ «Мозг, когнитивные системы, искусственный интеллект» провели исследование, посвященное анализу русскоязычных отзывов пациентов о медицинских услугах с использованием методов машинного обучения. Работа, опубликованная в журнале Mathematics, исследует эффективность различных архитектур нейронных сетей для классификации текстовых отзывов.
«Наше исследование показало, что разработанный нами гибридный алгоритм классификации обладает высокой эффективностью, особенно при использовании архитектуры на базе GRU», – отметила заведующий кафедрой народонаселения экономического факультета МГУ Ирина Калабихина.
Исследователи проанализировали более 60 000 отзывов, размещенных пациентами на двух популярных российских сайтах отзывов о врачах. Разработанный алгоритм использует гибридный метод, который сочетает машинное обучение и лингвистические алгоритмы для анализа и классификации отзывов. В исследовании тестировались различные архитектуры нейронных сетей, такие как GRU, LSTM и CNN, чтобы определить наилучший подход для классификации.
Анализ включал предварительную обработку данных, включая очистку текста, сегментацию и разметку. Затем были применены методы поиска именованных сущностей для повышения точности анализа. На основе полученных данных были разработаны модели, которые тестировались и сравнивались по таким метрикам, как точность, полнота и F-мера (мера эффективности прогнозирования).
Исследование выявило, что архитектура GRU показала наивысшую точность классификации, достигая val_accuracy = 0.9271. Применение метода поиска именованных сущностей в текстах отзывов после их сегментации позволило повысить эффективность для каждого из классификаторов на основе использования искусственных нейронных сетей. Основные результаты включают улучшение качества классификации и повышение точности анализа отзывов пациентов о медицинских услугах, врачах и клиниках.
«Эти результаты имеют значительную научную новизну и практическую значимость в области социально-демографических исследований, в частности, в области совершенствования управлением системой здравоохранения. В настоящее время социологические опросы все реже используются для оценки удовлетворенности пользователей качеством предоставляемых услуг. Одним из наиболее эффективных методов такой оценки является извлечение мнений пользователей из текстов в специализированных социальных сетях с помощью интеллектуального анализа текста на естественном языке. Такой подход помогает получить более объективные и дифференцированные по разным критериям результаты за счет повышения масштабности, независимости, возможности постоянного мониторинга исследуемой выборки потребителей услуг», – пояснила Ирина Калабихина.
Исследование подчеркивает важность применения современных методов машинного обучения для анализа отзывов пациентов, что позволяет получать более объективные и представительные данные о качестве медицинских услуг, повышать их качество и разрабатывать новые стратегии в здравоохранении. Применение таких методов может существенно повысить удовлетворенность пациентов и способствовать развитию более точных и персонализированных медицинских услуг.
Информация предоставлена пресс-службой МГУ
Источник фото: ru.123rf.com