Вестник УлГТУ

Cite. Dilyara F. Agliullova An intelligent interface for mitigating cognitive load in oncology practice: utility function, ontology-based modeling, and ensemble-based survival prediction for gastric cancer // Bulletin of Ulyanovsk State Technical University 114(2), 47-51 (2026).

Abstract. This paper addresses the challenge of excessive cognitive load imposed on oncologists during clinical decision-making under conditions of uncertainty and high-dimensional data. The proposed approach formalizes clinical trade-offs through a utility function and leverages a semantic domain ontology. The core of the system is a hybrid predictive model integrating Random Survival Forest, gradient boosting (XGBoost), and Cox proportional hazards regression to predict individualized survival outcomes for patients with gastric cancer. The domain ontology was constructed using real-world, de-identified clinical data from a cohort of 247 patients. This ontology encodes established clinical guidelines (NCCN, ESMO) into machine-readable Semantic Web Rule Language (SWRL) inference rules, enabling automated contraindication screening and the identification of optimal therapeutic regimens. The system architecture is presented, comprising an ontology-driven feature representation module, a survival model ensemble, and a risk curve visualizer. Experimental evaluation on retrospective datasets confirms the model's high discriminatory performance (C-index > 0.79) and demonstrates the proposed interface's potential to reduce clinical decisionmaking time while enhancing the evidence-based justification of therapeutic strategies.

Keywords: cognitive load, clinical decision support system (CDSS), gastric cancer, survival analysis, utility function; medical ontology, intelligent models, domain ontology

Цитата. Диляра Фаилевна Аглиуллова Интеллектуальный интерфейс снижения когнитивной нагрузки онколога: функция полезности, онтологическое моделирование и ансамблевый прогноз выживаемости при раке желудка // Вестник Ульяновского государственного технического университета. 2026. №2. С. 47-51

ннотация. Рассматривается подход к решению проблемы избыточной когнитивной нагрузки на врачей-онкологов при принятии клинических решений в условиях неопределённости и многомерности данных основанный на формализации клинических компромиссов через функцию полезности и использовании семантической онтологии предметной области. Ядром системы выступает гибридная прогностическая модель, объединяющая алгоритмы Random Survival Forest, градиентного бустинга (XGBoost) и регрессии Кокса для предсказания индивидуальной выживаемости пациентов с раком желудка. Онтология предметной области составлена на основе реальных обезличенных клинических наблюдениях 247 пациентов. Разработанная онтология кодирует клинические рекомендации (NCCN, ESMO) в виде машиночитаемых правил логического вывода (SWRL), обеспечивая автоматическую проверку противопоказаний и выбор оптимальных режимов терапии. Продемонстрирована архитектура системы, включающая модуль онтологического описания признаков, ансамбль моделей выживаемости и визуализатор кривых риска. Экспериментальная оценка на ретроспективных данных подтверждает высокую дискриминационную способность модели (C-index > 0.79) и потенциал предложенного интерфейса для снижения времени принятия решений и повышения обоснованности выбора терапевтической тактики.

Ключевые слова: когнитивная нагрузка, система поддержки принятия решений (СППР), рак желудка, анализ выживаемости, функция полезности, медицинская онтология, интеллектуальные модели, онтология предметной области

doi: 10.61527/1684-7016-2026-2-47-51