Специалисты научной лаборатории «Мозг, когнитивные системы, искусственный интеллект» МГУ имени М.В. Ломоносова в сотрудничестве с учеными Ульяновского государственного технического университета создали алгоритмы машинного обучения, предназначенные для анализа мнений пациентов относительно качества работы медицинских клиник и врачей. Результаты исследования, в рамках которого было рассмотрено порядка 60 тысяч отзывов, размещенных в сети интернет, были опубликованы в журнале « Онтология проектирования».
По мере распространения цифровых технологий классические способы сбора обратной связи от пациентов отходят на второй план, уступая место новому методу — автоматизированному анализу цифровой информации, которую люди оставляют в сети. Мнения и рецензии в социальных сетях и на специализированных ресурсах превратились в ценный источник данных о том, как пациенты воспринимают медицинские услуги. Этот формат позволяет собирать больше отзывов, в том числе критические и эмоциональные, которые не всегда находят отражение в официальных формах обратной связи.
В ходе исследования специалисты собрали и изучили приблизительно 60 тысяч мнений, оставленных пациентами на известных платформах для отзывов о врачах и медицинских учреждениях, таких как prodoctorov.ru и infodoctor.ru. Анализ включал в себя отзывы, собранные в Москве, Санкт-Петербурге и крупнейших городах-миллионниках России за период с 2012 по 2023 год.
Для обработки значительного объема информации были испытаны различные архитектуры искусственных нейронных сетей, включая LSTM, GRU и CNN. Наилучшие результаты показала рекуррентная сеть GRU, обеспечившая точность классификации, превышающую 92%. В процессе разработки специалисты объединили методы машинного обучения с лингвистическими алгоритмами, такими как поиск именованных сущностей (например, упоминания врачей или названий медицинских учреждений), что способствовало улучшению распознавания тональности и тематики отзывов.
Благодаря проведенной работе удалось не просто классифицировать тексты как положительные или отрицательные, но и определить, кому они адресованы: конкретному специалисту или медицинскому учреждению в целом. Подобный уровень детализации предоставляет расширенные возможности для оценки качества медицинских услуг. Теперь можно выявлять проблемные аспекты в работе учреждений определенного региона, касающиеся как эффективности лечения и диагностики, так и организационных вопросов. Также это позволяет понять, какие аспекты взаимодействия между врачом и пациентом требуют улучшения, и быстро реагировать на поступающие жалобы.
«В настоящее время цифровые данные, оставляемые пациентами, становятся ключевым ресурсом для оценки качества оказываемой медицинской помощи. Использование искусственного интеллекта для анализа отзывов в социальных сетях позволяет не только определить существующие проблемы в сфере здравоохранения, но и разработать более точную социальную политику. В рамках национального проекта «Здоровье» мы работаем над развитием подобных альтернативных подходов, чтобы непосредственно получать обратную связь от пациентов, избегая искажений, свойственных традиционным опросам, — отметила профессор Ирина Калабихина, заведующая кафедрой народонаселения, экономического факультета МГУ.
Авторы считают, что такие системы анализа применимы не только в медицине, но и в других областях, где необходимо отслеживать общественное мнение в режиме реального времени. В здравоохранении это особенно важно: знание ожиданий пациентов и их фактического опыта способствует не только совершенствованию качества оказываемых услуг, но и укреплению доверия к медицинским организациям.