Intelligent medical systems in diagnosing and treating inflammatory diseases of the pancreas (systematic review)
PDF (Русский)
DOCX

Keywords

intelligent decision support system, artificial neural networks, acute and chronic pancreatitis, diagnostics, treatment

How to Cite

Litvin, A. A. (2018). Intelligent medical systems in diagnosing and treating inflammatory diseases of the pancreas (systematic review). Herald of Pancreatic Club, 38(1), 10-15. https://doi.org/10.33149/vkp.2018.01.02

Abstract views: 46
PDF Downloads: 43 PDF Downloads: 18

Abstract

This paper is a systematic review of the literature on the use of intelligent medical systems in the diagnosis and treatment of acute inflammatory pancreatic diseases. The author provides modern literature data on the efficacy of decision support systems based on artificial neural networks to determine the severity, diagnosis and outcome prognosis of pancreatitis and complications.

https://doi.org/10.33149/vkp.2018.01.02
PDF (Русский)
DOCX

References

1. Андрейчиков А. В. Интеллектуальные информационные системы / А. В. Андрейчиков, О. Н. Андрейчикова. – М. : Финансы и статистика, 2006.
2. Боровиков В. П. Нейронные сети. Statistica Neural Networks: методология и технологии современного анализа данных / В. П. Боровиков. – М. : Горячая линия-Телеком, 2008.
3. Диагностика и лечение острого панкреатита / А. С. Ермолов, П. А. Иванов, Д. А. Благовестнов, А. А. Гришин. – М. : «ВИДАР», 2013.
4. Кобринский Б. А. Медицинская информатика / Б. А. Кобринский, Т. В. Зарубина. – М. : Академия, 2009.
5. Кобринский Б. А. Системы поддержки принятия решений в здравоохранении и обучении / Б. А. Кобринский // Врач и информационные технологии. – 2010. – № 2. – С. 39–45.
6. Литвин А. А. Система поддержки принятия решений в прогнозировании и диагностике инфицированного панкреонекроза / А. А. Литвин, О. Г. Жариков, В. А. Ковалев // Врач и информационные технологии. – 2012. – № 2. – С. 54–63.
7. Литвин А. А. Системы поддержки принятия решений в хирургии / А. А. Литвин, В. А. Литвин // Новости хирургии. – 2014. – № 1. – С. 96–100.
8. Лутфарахманов И. И. Современные пути прогнозирования развития сепсиса у больных тяжелым острым панкреатитом / И. И. Лутфарахманов, П. И. Миронов // Практическая медицина. – 2016. – № 5/97. – С. 21–24.
9. Осовский С. Нейронные сети для обработки информации : пер. с польск. / С. Осовский. – М. : Финансы и статистика, 2004.
10. Прогнозирование течения и исходов тяжелого острого панкреатита / П. И. Миронов, О. И. Медведев, И. Х. Ишмухаметов, Р. Д. Булатов // Фундаментальные исследования. – 2011. – № 10. – С. 319–323.
11. Реброва О. Ю. Нейросетевой алгоритм диагностики патогенетических подтипов ишемического инсульта / О. Ю. Реброва, М. Ю. Максимова, М. А. Пирадов // Журнал неврологии и психиатрии им. С.С. Корсакова. Инсульт (Приложение). – 2004. – № 12. – С. 23–28.
12. Симанков В. С. Системный анализ и современные информационные технологии в медицинских системах поддержки принятия решений / В. С. Симанков, А. А. Халафян. – М. : Бином, 2009.
13. Чубукова И. А. Data Mining / И. А. Чубукова. – М.: БИНОМ, 2008.
14. Applying data mining techniques in the development of a diagnostics questionnaire for GERD / N. Horowitz, M. Moshkowitz, Z. Halpern, M. Leshno // Dig. Dis. Sci. – 2007. – Vol. 52, No 8. – P. 1871–1878.
15. Artificial neural networks in pancreatic disease / A. Bartosch-Härlid, B. Andersson, U. Aho [et al.] // Br. J. Surg. – 2008. – Vol. 95, No 7. – P. 817–826.
16. Artificial neural networks predict the incidence of portosplenomesenteric venous thrombosis in patients with acute pancreatitis / Y. Fei, J. Hu, W. Q. Li [et al.] // J. Thromb. Haemost. – 2017. – Vol. 15, No 3. – P. 439–445.
17. Baskin I. I. A renaissance of neural networks in drug discovery / I. I. Baskin, D. Winkler, I. V. Tetko // Expert Opin. Drug Discov. – 2016. – Vol. 11, No 8. – P. 785–795.
18. Beger H. G. Acute pancreatitis: research and clinical management / H. G. Beger, M. Büchler. – Springer Science & Business Media, 2012.
19. Clinical decision support systems for improving diagnostic accuracy and achieving precision medicine / C. Castaneda, K. Nalley, C. Mannion [et al.] // J. Clin. Bioinform. – 2015. – Vol. 5. – P. 4.
20. Greenes R. A. Clinical decision support: the road ahead / R. A. Greenes. – Amsterdam ; Boston : Elsevier, 2007.
21. Grossi E. International experience on the use of artificial neural networks in gastroenterology / E. Grossi, A. Mancini, M. Buscema // Dig. Liver Dis. – 2007. – Vol. 39, No 3. – P. 278–285.
22. Identification of severe acute pancreatitis using an artificial neural network / R. Mofidi, M. D. Duff, K. K. Madhavan [et al.] // Surgery. – 2007. – Vol. 141, No 1. – P. 59–66.
23. Kazmierczak S. C. Diagnostic accuracy of pancreatic enzymes evaluated by use of multivariate data analysis / S. C. Kazmierczak, P. G. Catrou, F. Van Lente // Clin. Chem. – 1993. – Vol. 39, No 9. – P. 1960–1965.
24. Outcome analysis of patients with acute pancreatitis by using an artificial neural network / M. T. Keogan, J. Y. Lo, K. S. Freed [et al.] // Acad. Radiol. – 2002. – Vol. 9, No 4. – P. 410–419.
25. Predicting fatal outcome in the early phase of severe acute pancreatitis by using novel prognostic models / K. I. Halonen, A. K. Leppäniemi, J. E. Lundin [et al.] // Pancreatology. – 2003. – Vol. 3, No 4. – P. 309–315.
26. Prediction of clinical outcomes using artificial neural networks for patients with acute biliary pancreatitis / O. Yoldaş, M. Koç, N. Karaköse [et al.] // Pancreas. – 2008. – Vol. 36, No 1. – P. 90–92.
27. Prediction of severe acute pancreatitis at admission to hospital using artificial neural networks / B. Andersson, R. Andersson, M. Ohlsson, J. Nilsson // Pancreatology. – 2011. – Vol. 11, No 3. – P. 328–335.
28. Prediction of successful weight reduction after bariatric surgery by data mining technologies / Y. C. Lee, W. J. Lee, T. S. Lee [et al.] // Obesity Surg. – 2007. – Vol. 17, No 9. – P. 1235–1241.
29. The Pancreas: an integrated textbook of basic science, medicine, and surgery / H. G. Beger, A. L. Warshaw, M. W. Büchler [et al.]. – John Wiley and Sons Ltd., 2009.
30. The use of intelligent database systems in acute pancreatitis – a systematic review / M. van den Heever, A. Mittal, M. Haydock, J. Windsor // Pancreatology. – 2014. – Vol. 14, No 1. – P. 9–16.
31. Use of an artificial neural network to predict length of stay in acute pancreatitis / W. E. Pofahl, S. M. Walczak, E. Rhone, S. D. Izenberg // Am. Surg. – 1998. – Vol. 64, No 9. – P. 868–872.
32. Use of an artificial neural network to predict persistent organ failure in patients with acute pancreatitis / W. D. Hong, X. R. Chen, S. Q. Jin [et al.] // Clinics (Sao Paulo). – 2013. – Vol. 68, No 1. – P. 27–31.