rfhealthЗдравоохранение Российской ФедерацииHealth care of the Russian Federation0044-197X2412-0723Federal Scientific Center of Hygiene named after F.F. Erisman10.47470/0044-197X-2023-67-5-403-410lbjwtxrfhealth-1385Research ArticleОРГАНИЗАЦИЯ ЗДРАВООХРАНЕНИЯHEALTH CARE ORGANIZATIONЧат-боты — современная реальность консультирования в медицинеChatbots is the modern reality of consulting in medicinehttps://orcid.org/0000-0003-1600-1641АксёноваЕлена И.AksenovaElena I.noemail@neicon.ruhttps://orcid.org/0000-0003-4200-1047МедведеваЕлена И.MedvedevaElena I.noemail@neicon.ruhttps://orcid.org/0000-0002-6070-1234КрошилинСергей ВикторовичKroshilinSergey V.

Канд. тех. наук, науч. сотр. ГБУ города Москвы «Научно-исследовательский институт организации здравоохранения и медицинского менеджмента Департамента здравоохранения города Москвы», 115088, Москва.

e-mail: krosh_sergey@mail.ru

MD, PhD, Researcher at the Research Institute for Healthcare Organization and Medical Management of Moscow Healthcare Department, Moscow, 115088, Russian Federation.

e-mail: krosh_sergey@mail.ru

krosh_sergey@mail.ruГБУ города Москвы «Научно-исследовательский институт организации здравоохранения и медицинского менеджмента Департамента здравоохранения города Москвы»; ФГАОУ ВО «Российский университет дружбы народов имени Патриса Лумумбы»РоссияResearch Institute for Healthcare Organization and Medical Management of Moscow Healthcare Department; Peoples’ Friendship University of Russia named after Patrice LumumbaRussian FederationГБУ города Москвы «Научно-исследовательский институт организации здравоохранения и медицинского менеджмента Департамента здравоохранения города Москвы»; Институт социально-экономических проблем народонаселения имени Н.М. Римашевской ФГБУН «Федеральный научно-исследовательский социологический центр Российской академии наук»РоссияResearch Institute for Healthcare Organization and Medical Management of Moscow Healthcare Department; Institute of Socio-Economic Studies of Population named after N.M. Rimashevskaya — Branch of the Federal Center of Theoretical and Applied Sociology of the Russian Academy of SciencesRussian FederationГБУ города Москвы «Научно-исследовательский институт организации здравоохранения и медицинского менеджмента Департамента здравоохранения города Москвы»; Институт социально-экономических проблем народонаселения имени Н.М. Римашевской ФГБУН «Федеральный научно-исследовательский социологический центр Российской академии наук»; ФГБОУ ВО «Рязанский государственный медицинский университет имени академика И.П. Павлова»РоссияResearch Institute for Healthcare Organization and Medical Management of Moscow Healthcare Department; Institute of Socio-Economic Studies of Population named after N.M. Rimashevskaya — Branch of the Federal Center of Theoretical and Applied Sociology of the Russian Academy of Sciences; I.P. Pavlov Ryazan State Medical UniversityRussian Federation202309112023675403410Copyright © Аксёнова Е.И., Медведева Е.И., Крошилин С.В., 20232023Аксёнова Е.И., Медведева Е.И., Крошилин С.В.Aksenova E.I., Medvedeva E.I., Kroshilin S.V.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.rfhealth.ru/jour/article/view/1385Введение

Введение. В медицине активно внедряются современные цифровые новации и технологии искусственного интеллекта. Сейчас чат-боты способны предоставлять консультационные услуги и записывать на приём пациентов, ставить диагноз. Чат-боты могут существенно повысить эффективность и точность выявления симптомов, оказывать содействие в дистанционном биомониторинге. Развитие таких технологий в российском здравоохранении может существенно повысить качество обслуживания и удовлетворённость пациентов.

Цель — изучить возможности развития и направления реализации чат-ботов на основе технологий искусственного интеллекта в медицине и оценить потенциал их применения.

Материал и методы

Материал и методы. Исследование проспективное, включает анализ вторичной информации и проведение экспертного интервью, посвящённого вопросам, связанным с развитием, практикой применения, распространением чат-ботов.

Результаты

Результаты. Современные чат-боты могут отвечать на «рутинные» вопросы, подсказывать направления лечения на основе симптоматики, давать рекомендации по ведению здорового образа жизни. Опрос показал, что большинство экспертов уже сейчас видят необходимость внедрения чат-ботов в медицине. Основными преимуществами являются получение «мгновенного» ответа и экономия времени пациентов. В качестве недостатков применения чат-ботов могут быть неверные трактовка запросов пользователя и интерпретация информации пациентами. Эксперты видят риски в ошибочной постановке диагноза и в мере ответственности.

Ограничение исследований

Ограничение исследований. Материалы исследования ограничены результатами экспертного опроса, проведённого в 2023 г., и количественно-качественными характеристиками опрашиваемых, которые отвечали требованиям, предъявляемым к экспертам.

Выводы

Выводы. Чат-боты в области здравоохранения стали уже реальностью в консультировании и предоставлении необходимой медицинской информации. Благодаря развитию информационных технологий чат-боты способны обрабатывать значительные объёмы данных, получаемых от пациентов, быстро и точно находить ответы, оказывать информационную поддержку, устанавливать предварительный диагноз. Такие решения способны снизить нагрузку на медицинских работников и повысить удовлетворённость пациентов.

Соблюдение этических стандартов. Для проведения данного исследования не требовалось заключения комитета по биомедицинской этике (исследование выполнено на общедоступной информации и данных, полученных в результате экспертных интервью).

Участие авторов

Участие авторов:Аксёнова Е.И. — концепция и дизайн исследования, написание статьи;Медведева Е.И. — концепция и дизайн исследования, написание статьи, редактирование;Крошилин С.В. — сбор и обработка материала, статистическая обработка, написание статьи, редактирование.Все соавторы — утверждение окончательного варианта статьи, ответственность за целостность всех частей статьи.

Финансирование

Финансирование. Исследование не имело спонсорской поддержки.

Конфликт интересов

Конфликт интересов. Авторы декларируют отсутствие явных и потенциальных конфликтов интересов в связи с публикацией данной статьи.

Поступила 22

Поступила 22.06.2023Принята в печать 23.08.2023Опубликована 03.11.2023

Introduction

Introduction. Modern digital innovations and artificial intelligence technologies are being actively introduced in Medicine. Now chatbots are able to provide consulting services and make appointments for patients, make a diagnosis. Chatbots can significantly improve the efficiency and accuracy of symptom detection, assist in remote biomonitoring.

Goal

Goal. To study the possibilities of development and directions of implementation of chatbots based on artificial intelligence technologies in medicine and to assess the potential of their application.

Material and methods

Material and methods. The study is prospective, includes analysis of secondary information and conducting an expert interview on issues related to the development, application practice, and distribution of chatbots.

Results

Results. The survey showed most experts already to see the need to introduce chatbots in Medicine. The main advantages are: getting an “instant” response and saving patients’ time. The disadvantages of using chatbots may be: “incorrect interpretation” of both user requests and interpretation by patients. Experts see risks in the “erroneous” diagnosis and in the “measure of responsibility”.

Limitations of research

Limitations of research. The research materials are limited by the results of an expert survey conducted in 2023 and the quantitative and qualitative characteristics of the respondents who met the requirements for experts.

Conclusions

Conclusions. Chatbots in the field of healthcare have already become a reality in consulting and providing the necessary medical information. Thanks to the development of information technologies, chatbots are able to process significant amounts of data received from patients, quickly and accurately find answers, provide information support, and establish a preliminary diagnosis. Such solutions can reduce the burden on medical professionals and increase patient satisfaction.

Compliance with ethical standards. The conclusion of the biomedical ethics committee was not required to conduct this study (the study was carried out on publicly available information and data obtained as a result of expert interviews).

Contribution of the authors:Aksenova E.I. — concept and design of the study, writing an article;Medvedeva E.I. — concept and design of the study, writing the article, editing;Kroshilin S.V. — collection and processing of material, statistical processing, writing an article, editing.All authors are responsible for the integrity of all parts of the manuscript and approval of the manuscript final version.

Acknowledgment

Acknowledgment. The study had no sponsorship.

Conflict of interest

Conflict of interest. The authors declare no conflict of interest.

Received

Received: June 22, 2023Accepted: August 23, 2023Published: November 3, 2023

чат-боты в медицинеискусственный интеллекторганизация здравоохраненияинформационно-коммуникационные технологии в медицинемедицинское обслуживаниесоциально-экономические проблемыchatbots in medicinehealthcare organizationinformation and communication technologies in medicinemedical caresocio-economic problemsReferencesЕлизарова М.И., Уразова К.М., Ермашов С.Н., Пронькин Н.Н. Искусственный интеллект в медицине. International Journal of Professional Science. 2021; (5): 81–5. https://elibrary.ru/owaclcElizarova M.I., Urazova K.M., Ermashov S.N. Artificial intelligence in medicine. International Journal of Professional Science. 2021; (5): 81–5. https://elibrary.ru/owaclcWeiss S., Kulikowski C.A., Safir A. Glaucoma consultation by computer. Comput. Biol. Med. 1978; 8(1): 25–40. https://doi.org/10.1016/0010-4825(78)90011-2Weiss S., Kulikowski C.A., Safir A. Glaucoma consultation by computer. Comput. Biol. Med. 1978; 8(1): 25–40. https://doi.org/10.1016/0010-4825(78)90011-2Черемискин Ю.В. Назначение фармакотерапии в клинической информационной системе ДОКА+: реакция врачей Краснозёрской ЦРБ на сообщения проактивных функций. Врач и информационные технологии. 2011; (1): 43–9. https://elibrary.ru/nmzgpnCheremiskin Yu.V. Pharmacotherapy order entry by means of clinical information system DOCA+: reaction of Krasnozyorsk central regional hospital physicians on messages of proactive functions. Vrach i informatsionnye tekhnologii. 2011; (1): 43–9. https://elibrary.ru/nmzgpn (in Russian)Li X. Artificial intelligence neural network based on intelligent diagnosis. J. Ambient Intell. Human Comput. 2020; 12(1): 923–31. https://doi.org/10.1007/s12652-020-02108-6Li X. Artificial intelligence neural network based on intelligent diagnosis. J. Ambient Intell. Human Comput. 2020; 12(1): 923–31. https://doi.org/10.1007/s12652-020-02108-6Arul K., Jayanthy T. Application of back propagation artificial neural network in detection and analysis of diabetes mellitus. J. Ambient Intell. Human Comput. 2020; 12(7): 7063–70. https://doi.org/10.1007/s12652-020-02371-7Arul K., Jayanthy T. Application of back propagation artificial neural network in detection and analysis of diabetes mellitus. J. Ambient Intell. Human Comput. 2020; 12(7): 7063–70. https://doi.org/10.1007/s12652-020-02371-7Жаркова О.С., Шаропин К.А., Сеидова А.С., Берестнева Е.В., Осадчая И.А. Построение систем поддержки принятия решений в медицине на основе деревьев решений. Современные наукоемкие технологии. 2016; (6-1): 33–7. https://elibrary.ru/wcduodZharkova O.S., Sharopin K.A., Seidova A.S., Berestneva E.V., Osadchaya I.A. Building decision support systems in medicine based on decision trees. Sovremennye naukoemkie tekhnologii. 2016; (6-1): 33–7. https://elibrary.ru/wcduod (in Russian)Астахова И.Ф., Киселева Е.И. Интеллектуальная поддержка принятия врачебных решений. Современные информационные технологии и ИТ-образование. 2020; 16(3): 664–72. https://doi.org/10.25559/SITITO.16.202003.664-672 https://elibrary.ru/zzloeoAstakhova I.F., Kiseleva E.I. Intelligent support for decision-making. Sovremennye informatsionnye tekhnologii i IT-obrazovanie. 2020; 16(3): 664–72. https://doi.org/10.25559/SITITO.16.202003.664-672 https://elibrary.ru/zzloeo (in Russian)Pombo N., Arabjo P., Viana J. Knowledge discovery in clinical decision support systems for pain management. Artif. Intell. Med. 2014; 60(1): 1–11. https://doi.org/10.1016/j.artmed.2013.11.005Pombo N., Arabjo P., Viana J. Knowledge discovery in clinical decision support systems for pain management. Artif. Intell. Med. 2014; 60(1): 1–11. https://doi.org/10.1016/j.artmed.2013.11.005Liu N., Liu Y., Logan B., Xu Z., Tang J., Wang Y. Learning the dynamic treatment regimes from medical registry data through deep Q-network. Sci. Rep. 2019; 9(1): 1495. https://doi.org/10.1038/s41598-018-37142-0Liu N., Liu Y., Logan B., Xu Z., Tang J., Wang Y. Learning the dynamic treatment regimes from medical registry data through deep Q-network. Sci. Rep. 2019; 9(1): 1495. https://doi.org/10.1038/s41598-018-37142-0Harutyunyan H., Khachatrian H., Kale D.C., Ver Steeg G., Galstyan A. Multitask learning and benchmarking with clinical time series data. Sci. Data. 2019; 6(1): 96. https://doi.org/10.1038/s41597-019-0103-9Harutyunyan H., Khachatrian H., Kale D.C., Ver Steeg G., Galstyan A. Multitask learning and benchmarking with clinical time series data. Sci. Data. 2019; 6(1): 96. https://doi.org/10.1038/s41597-019-0103-9Istepanian R.S.H., Al-Anzi T. m-Health 2.0: New perspectives on mobile health, machine learning and big data analytics. Methods. 2018; 151: 34–40. https://doi.org/10.1016/j.ymeth.2018.05.015Istepanian R.S.H., Al-Anzi T. m-Health 2.0: New perspectives on mobile health, machine learning and big data analytics. Methods. 2018; 151: 34–40. https://doi.org/10.1016/j.ymeth.2018.05.015Reddy A.V.N., Satapathy S.K., Krishna C.P., Mallick P.K., Tiwari P., Zymbler M., et al. Analyzing MRI scans to detect glioblastoma tumor using hybrid deep belief networks. J. Big Data. 2020; 7(1): 1–17. https://doi.org/10.1186/s40537-020-00311-y https://elibrary.ru/jxnxmuReddy A.V.N., Satapathy S.K., Krishna C.P., Mallick P.K., Tiwari P., Zymbler M., et al. Analyzing MRI scans to detect glioblastoma tumor using hybrid deep belief networks. J. Big Data. 2020; 7(1): 1–17. https://doi.org/10.1186/s40537-020-00311-y https://elibrary.ru/jxnxmuАликперова Н.В. Искусственный интеллект в медицине: поиск новых возможностей. В кн.: Труды научно-исследовательского института организации здравоохранения и медицинского менеджмента. М.; 2022: 94–7. https://elibrary.ru/xtqjckAlikperova N.V. Artificial intelligence in medicine: the search for new opportunities. In: Proceedings of the Research Institute of Healthcare Organization and Medical Management [Trudy nauchno-issledovatel’skogo instituta organizatsii zdravookhraneniya i meditsinskogo menedzhmenta]. Moscow; 2022: 94–7. https://elibrary.ru/xtqjck (in Russian)Ярашева А.В., Александрова О.А., Медведева Е.И., Аликперова Н.В., Крошилин С.В. Проблемы и перспективы кадрового обеспечения московского здравоохранения. Экономические и социальные перемены: факты, тенденции, прогноз. 2020; 13(1): 174–90. https://doi.org/10.15838/esc.2020.1.67.10 https://elibrary.ru/mmwhlfYarasheva A.V., Aleksandrova O.A., Medvedeva E.I., Alikperova N.V., Kroshilin S.V. Problems and prospects of personnel support of the Moscow healthcare system. Ekonomicheskie i sotsial’nye peremeny: fakty, tendentsii, prognoz. 2020; 13(1): 174–90. https://doi.org/10.15838/esc.2020.1.67.10 https://elibrary.ru/oxryhb (in Russian)Медведева Е.И., Александрова О.А., Крошилин С.В. Телемедицина в современных условиях: отношение социума и вектор развития. Экономические и социальные перемены: факты, тенденции, прогноз. 2022; 15(3): 200–22. https://doi.org/10.15838/esc.2022.3.81.11Medvedeva E.I., Aleksandrova O.A., Kroshilin S.V. Telemedicine in modern conditions: the attitude of society and the vector of development. Ekonomicheskie i sotsial’nye peremeny: fakty, tendentsii, prognoz. 2022; 15(3): 200–22. https://doi.org/10.15838/esc.2022.3.81.11 (in Russian)Решетникова Ю.С., Шарапова О.В., Каткова А.Л., Несте-рова О.А., Брынза Н.С., Петров И.М. Профиль пациента, готового к использованию цифровых технологий и методов искусственного интеллекта при получении медицинской помощи. Здравоохранение Российской Федерации. 2022; 66(1): 20–6. https://doi.org/10.47470/0044-197X-2022-66-1-20-26 https://elibrary.ru/vghdccReshetnikova Yu.S., Sharapova O.V., Katkova A.L., Nesterova O.A., Brynza N.S., Petrov I.M. The profile of the patient to be ready to use digital technologies and artificial intelligence methods when receiving medical care. Zdravookhranenie Rossiyskoy Federatsii. 2022; 66(1): 20–6. https://doi.org/10.47470/0044-197X-2022-66-1-20-26 https://elibrary.ru/vghdcc (in Russian)Dillon S. The Eliza effect and its dangers: from demystification to gender critique. J. Cult. Res. 2020; 24(1): 1–15. https://doi.org/10.1080/14797585.2020.1754642Dillon S. The Eliza effect and its dangers: from demystification to gender critique. J. Cult. Res. 2020; 24(1): 1–15. https://doi.org/10.1080/14797585.2020.1754642Ayers J.W., Poliak A., Dredze M., Leas E.C., Zhu Z., Kelley J.B., et al. Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum. JAMA Intern. Med. 2023; 183(6): 589–96. https://doi.org/10.1001/jamainternmed.2023.1838Ayers J.W., Poliak A., Dredze M., Leas E.C., Zhu Z., Kelley J.B., et al. Comparing physician and artificial intelligence chatbot responses to patient questions posted to a public social media forum. JAMA Intern. Med. 2023; 183(6): 589–96. https://doi.org/10.1001/jamainternmed.2023.1838

The authors declare that there are no conflicts of interest present.