Российские ученые 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, сообщает пресс-служба МГУ имени М.В. Ломоносова.
«Наше исследование показало, что разработанный нами гибридный алгоритм классификации обладает высокой эффективностью, особенно при использовании архитектуры на базе GRU», — отметила заведующая кафедрой народонаселения экономического факультета МГУ имени М.В. Ломоносова Ирина Калабихина.
Исследователи проанализировали более 60 тысяч 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.
