Аннотация. В этой статье рассматривается проект веб-ориентированной системы поддержки принятия врачебных решений (СППВР), предназначенной для прогнозирования риска смерти у пациентов отделения интенсивной терапии (ICU). Предлагаемое решение объединяет современные подходы к машинному обучению с асинхронной веб-архитектурой и интеллектуальным диалоговым интерфейсом. Система использует микросервисный подход и использует каналы Django и WebSocket. Такой подход обеспечивает отличный пользовательский интерфейс и позволяет обрабатывать большое количество параллельных соединений в режиме реального времени.
Клинические данные набора MIMIC-IV послужили основой для обучения аналитического ядра системы. Он включает в себя многоступенчатый пайплайн обработки данных с импутацией пропусков, инженерией признаков и ансамблевым моделированием на основе градиентного бустинга LightGBM. Результаты эксперимента показали, что модель имеет высокую прогностическую эффективность (AUC-ROC 0,982) при сохранении правильной калибровки вероятностных оценок. Интерпретация прогнозов методом SHAP повысила доверие со стороны клиницистов и объяснила ключевые клинические факторы. Особое внимание уделяется поддержке мультимодальных входных данных, таких как медицинские документы в форматах PDF и Excel, а также текстовые сообщения, что делает систему более пригодной для клинических операций.

Ключевые слова: MIMIC-IV, архитектура веб-приложений, каналы Django, машинное обучение, прогнозирование смертности, интерпретируемость моделей, WebSocket, медицинская информатика, система поддержки принятия клинических решений.