Razvoj klepetalnika za diagnozo bolezniPintar, Žiga (Avtor) Bajec, Marko (Mentor) klepetalnikRASABERTobdelava naravnega jezikaS staranjem prebivalstva prihaja do upokojevanja kvalificiranega zdravstvenega osebja na primarni ravni, kar posledično vodi do preobremenjenosti preostalega kadra. Naše magistrsko delo je bilo usmerjeno v zmanjšanje obiskov nenujnih pacientov v javnih zdravstvenih zavodih. Ustvarili smo klepetalnik ZdravBOT, ki omogoča okvirno diagnozo 24 bolezenskih stanj na podlagi uporabnikove klinične slike. Zaradi težke dostopnosti medicinskih podatkovnih zbirk smo se odločili prevesti eno od javno dostopnih angleški zbirk v slovenski jezik. Dobljeno podatkovno zbirko, ki je vsebovala okoli 88 tisoč stavkov, smo uporabili za učenje svojega modela BERT, ki je temeljil na modelu SloBERT. Ustvarjeni model smo nato uporabili v klepetalniku Rasa, ki je skozi pogovor od uporabnika zbral vse potrebne informacije ter poskušal najti okvirno diagnozo, ki bi imela dovolj veliko stopnjo zaupanja. Iskanje diagnoze je temeljilo na algoritmu kosinusne podobnosti med klinično sliko pacienta in znanimi boleznimi. Za grafični vmesnik smo ustvarili mobilno aplikacijo Android, ki se je povezovala na prej omenjeni klepetalnik Rasa. Rezultati učenja modela BERT so pokazali, da samo prevedene podatkovne zbirke morda niso dovolj, saj je pri učenju modela prišlo do prileganja podatkom. Ne glede na prej omenjene težave je naš model BERT uspešno prepoznal v povprečju od en do dva simptoma iz uporabnikovega uvodnega sporočila. Med testiranjem smo opravili 87 diagnoz, od katerih jih je bilo 62 % pravilnih. Največkrat smo se zmotili pri diagnosticiranju skupin bolezni, ki so imele veliko sorodnih simptomov, kar je bilo najpogosteje pri pljučnih in infekcijskih boleznih. Prav tako smo opazili, da algoritem kosinusne podobnosti ni najbolj optimalen način iskanja ujemanja bolezenskih stanj, saj zaradi različnega števila simptomov preferira bolezni z manjšim številom le-teh.20252026-01-06 14:45:19Magistrsko delo/naloga177761sl