Д.С. Рипка1, Е.А. Семенова2

1,2 Санкт-Петербургский государственный электротехнический университет «ЛЭТИ» им. В.И. Ульянова (Ленина) (Cанкт-Петербург, Россия)

1 dar.stkr@gmail.com, 2 easemenova@etu.ru

Постановка проблемы. Прогнозирование эффективности вспомогательных репродуктивных технологий (ВРТ) сталкивается с ограниченностью клинических выборок, высокой размерностью диагностических признаков и низкой интерпретируемостью моделей машинного обучения, что затрудняет их применение в клинике. Существующие подходы не позволяют в полной мере формализовать и использовать экспертные знания врачей-репродуктологов, накопленные за десятилетия практической работы, особенно в условиях неполной и динамически изменяющейся диагностической информации.

Цель. Разработать концепцию открытой системы поддержки принятия врачебных решений (СППВР) для прогнозирования эффективности ВРТ и рисков патологий беременности, функционирующей в условиях неполной, неоднородной и динамически изменяющейся диагностической информации.

Результаты. Обоснована необходимость динамического представления диагностического пространства, учитывающего изменение состава и значимости факторов на разных этапах программы ВРТ. Предложен способ классификации факторов по степени наблюдаемости (наблюдаемые, частично наблюдаемые, скрытые) с введением коэффициента наблюдаемости и меры неопределенности. Разработана открытая архитектура СППВР, допускающая контролируемое расширение состава факторов, данных и знаний без изменения общей логики системы. Определена роль дерева решений как инструмента интерпретации прогностического результата, а не универсальной модели состояния пациента. Подчеркнуто, что полученные результаты носят концептуально-методологический характер и требуют последующей валидации на независимой клинической выборке.

Практическая значимость. Предложенный подход позволяет системе функционировать не только при полном наборе диагностических данных, но и на промежуточных этапах обследования, последовательно уточняя результат по мере поступления новой информации. Архитектура допускает контролируемое расширение состава диагностических факторов, источников данных и экспертных знаний при сохранении общей логики функционирования системы.

Рипка Д.С., Семенова Е.А. Концепция открытой системы поддержки принятия врачебных решений для прогнозирования эффективности вспомогательных репродуктивных технологий в условиях неполноты диагностической информации // Биомедицинская радиоэлектроника. 2026. Т. 29. № 6. С. 147−152. DOI: https://doi.org/10.18127/j15604136-202606-25

1. Kritsotaki N. et al. Explainable Artificial Intelligence in Assisted Reproductive Technology: Bridging Prediction and Clinical Judgment // Biomedicines. 2026. V. 14(5). P. 1024. https://doi.org/10.3390/biomedicines14051024.
2. Nawaz A. et al. The role of multimodality in clinical disease diagnosis: advances, challenges, and opportunities // Front. Public Health. 2026. V. 14. P. 1788454. DOI: 10.3389/fpubh.2026.1788454.
3. Zhou Q., Chen Zh., Peng, S. Evaluating the application of dynamic prediction models in oncological prognostic studies with repeated measurement predictors // npj Precis. Onc. 2025. V. 9. P. 376. https://doi.org/10.1038/s41698-025-01162-7.
4. Semenova E., Ripka D. Formation of a Complex of Diagnostically Significant Indicators for Predicting the Outcomes of Assisted Reproductive Technologies and Pregnancy Pathologies // STDH. 2025. 294–296. 10.1109/STDH66836.2025.11227529.
5. Рипка Д.С., Семенова Е.А. Гибридная экспертная модель прогнозирования исходов ВРТ на основе взвешенного дерева решений и логистической калибровки // Биомедицинская радиоэлектроника. 2026. T. 29. № 3. С. 119−124. DOI: https:// doi.org/10.18127/j156 04136-202603-21.