Цифровое здравоохранение
  • 2017 № 3 Реинжиниринг общественного здравоохранения, основанный на персоноцентрированной модели, гибридных проектных подходах и методах искусственного интеллекта

    В работе рассмотрена модель общественного здравоохранения нового типа, возникающая на платформе технологической революции информационных систем. Авторами приведено описание ключевых методов управленческого, технологического и математического взаимодействия с коллективной информационной инфраструктурой системы здравоохранения, которые окажут наибольшее влияние на происходящие изменения и составят основу цифрового общества, цифровой экономики и общественного здравоохранения нового типа. Методы рассмотрены с точки зрения их влияния на формирование новых подходов в процессе трансформации укладов экономики и общества. Представлена модель персоноцентрированной системы здравоохранения, обобщены ее ключевые преимущества, изложены подходы к гибкой проектной реализации процесса перехода к новой модели

    Авторы: Мухин Ю. Ю. [1] Мухин К. Ю. [1]

    Темы: agile1 гибкие методологии в управлении проектами1 гибкие подходы к управлению1 здравоохранение16 инноватика1 интеллектуальный анализ1 искусственный интеллект13 нейронные сети11 проектный менеджмент1 цифровая экономика4

    Подробнее >

  • Системы поддержки принятия решений
  • 2020 № 2 Системы поддержки принятия врачебных решений; анализ мультимодальных данных, разница «человеческого» и «машинного» подходов, социальная проблематика сбора и оборота биомедицинских данных

    Внедрение систем поддержки принятия врачебных решений на основе технологий искусственного интеллекта – это важный этап цифровой трансформации здравоохранения. Несмотря на преимущества от внедрения нейросетевых алгоритмов в аналитические системы, есть вопросы, которые необходимо решить для успешного создании цифрового здравоохранения. Помимо обеспечения экспертного уровня знаний при создании систем и гарантий защиты персональной информации, необходима работа как с профессиональным медицинским сообществом, так и с публикой для преодоления психологических и социальных барьеров при переходе к цифровой экономике.

    Авторы: Мелерзанов А. В. [4] Алмазов А. А. [3] Румянцев П. О. [1] Купреев П. П. [1] Мурашко М. М. [1] Родин С. А. [1]

    Темы: искусственный интеллект13 оборот биомедицинских  данных1 поддержка принятия решений2 цифровая трансформация2 экономика  здравоохранения1

    Подробнее >

  • Особое мнение
  • 2019 № 2 pdf Тренды и прогнозы развития медицинских информационных систем в России

    В настоящее время в России в целом сформирован рынок программных продуктов для медицины и здравоохранения. Требования государства к развитию информационных технологий для медицины постоянно растут. Начиная с 2019 года объем финансирования будет существенно увеличен. Главной статьей затрат в 2019–2024 гг. будет разработка, развитие и внедрение различных информационных систем для регионального здравоохранения, предусмотренных федеральной программой «Создание единого цифрового контура в сфере здравоохранения». В работе систематизированы наблюдения авторов и прогнозы о том, какие же главные тренды окажут наибольшее влияние на изменение рынка медицинских информационных систем (МИС), и к чему это приведет. Среди основных драйверов и прогнозов рынка: концентрация внимания врача и разработчиков МИС не вокруг ведения электронных документов, а вокруг различных аспектов здоровья и жизни пациента. В области управления взаимоотношениями с пациентами начнется внедрение в практику концепции Patient Relationship Management (PRM). К МИС будут расти требования в части оптимизации лечебно-диагностических процессов, поддержки клинических протоколов и непрерывного аудита качества оказания медицинской помощи. Продолжится развитие систем в сторону централизации, перехода на «облачную» модель работы, включая SaaS, а также импортозамещения. Число разработчиков будет постепенно сокращаться, что приведет к консолидации и укрупнению рынка. Будет расти спрос на интеграцию в МИС систем поддержки принятия врачебных решений, построенных с помощью машинного обучения. Все это в комплексе будет способствовать цифровой трансформации отрасли.

    Авторы: Гусев А. В. [32] Новицкий Р. Э. [5] Плисс М. А. [2] Левин М. Б. [1]

    Темы: искусственный интеллект13 машинное обучение9 медицинские информационные системы46 системы поддержки принятия врачебных решений5 цифровая трансформация2 электронная медицинская карта15

    Полная версия статьи в формате PDF
    3.5 МБ

    Подробнее >

  • Искусственный интеллект в здравоохранении
  • 2018 № 3 pdf Основные рекомендации к созданию и развитию систем на базе искусственного интеллекта

    Искусственный интеллект становится одним из основных драйверов в решении серьезных проблем медицины и здравоохранения, таких как недостаточность ресурсов, дальнейшее повышение эффективности, качества и скорости работы. Во всем мире создаются все новые и новые решения в этой области. Однако, чем больше появляется новых продуктов, тем больше вопросов и проблем поднимается.

    В работе проанализированы некоторые зарубежные публикации и результаты исследований, в которых изучались основные проблемы, связанные с созданием и внедрением систем искусственного интеллекта в здравоохранении. В результате анализа был сформулирован ряд практических рекомендаций, которые помогут повысить вероятность успешного создания и внедрения таких продуктов в практическом звене здравоохранения.

    Авторы: Гусев А. В. [32] Плисс М. А. [2]

    Темы: здравоохранение16 искусственный интеллект13 машинное обучение9 медицина6 нейронные сети11

    Полная версия статьи в формате PDF
    4.6 МБ

    Подробнее >

  • 2020 № 4 Московский эксперимент по применению компьютерного зрения в лучевой диагностике: вовлеченность врачей-рентгенологов

    А к т у а л ь н о с т ь . В 2019 г. Правительство Москвы приняло решение о проведении масштабного научного исследования – Эксперимента по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения столицы (www.mosmed.ai).
    Ц е л ь и с с л е д о в а н и я – систематизировать первые результаты Эксперимента с позиции вовлеченности врачей-рентгенологов.
    М а т е р и а л и м е т о д ы . Эксперимент представляет собой проспективное научное исследование, получившее одобрение Независимого этического комитета и зарегистрированное в Clinicaltrails.gov (ID NCT04489992). Пациенты подписывали информированное добровольное согласие. На момент подготовки статьи (01.10.2020) в Эксперименте принимают участие 10 сервисов,
    обеспечивающих автоматизированный анализ результатов лучевых исследований: компьютерная томография и рентгенография органов грудной клетки, маммография. В исследование включены количественные показатели Эксперимента с 18.06.2020 по
    01.10.2020. Использованы методы социального опроса, описательной статистики, оценки метрик диагностической точности.
    Р е з у л ь т а т ы и о б с у ж д е н и е . В течение первых четырех месяцев активной фазы Эксперимента, по состоянию на 01.10.2020,
    в ЕРИС ЕМИАС интегрированы 10 сервисов компьютерного зрения, которые успешно проанализировали 497155 результатов
    лучевых исследований. На анализ направляются исследования, выполненные на 884 диагностических устройствах в 293 медицинских организациях; из этих учреждений активно участвуют в Эксперименте 272. Вовлеченность медицинских организаций составляет 82%. Медианное время автоматического анализа 1 исследования составило 8 минут; в целом быстрее 15 минут было проанализировано 63% исследований. В начале Эксперимента результаты работы сервисов были доступны на рабочих местах в ЕРИС ЕМИАС 538 врачей-рентгенологов. В течение 4 месяцев Эксперимента количество подключенных врачей неуклонно
    возрастало и составило 899 к 01.10.2020. Вовлеченность врачей составила 24%, что несколько превышает общемировые показатели. По результатам социологического опроса отношение к технологиям ИИ московских врачей-рентгенологов можно
    охарактеризовать как выжидательное, умеренно-оптимистичное. Врачи-рентгенологи определили полное соответствие результатов работы сервисов компьютерного зрения реальной рентгенологической картине в 64% случаев. В 36% зафиксированы несоответствия; из этого числа значимые расхождения имели место в 6%, незначимые – в 23%.
    В ы в о д ы . Результаты первых четырех месяцев активной фазы Московского Эксперимента по применению компьютерного
    зрения в лучевой диагностике можно считать успешными. Фиксируется достаточно высокий уровень вовлеченности врачей-рентгенологов. На дальнейших этапах Эксперимента будут реализованы мероприятия по повышению вовлеченности врачей-рентгенологов, а также комплексная сравнительная оценка работы сервисов.

    Авторы: Морозов С. П. [8] Владзимирский А. В. [11] Ледихова Н. В. [4] Андрейченко А. Е. [1] Арзамасов К. М. [1] Баланюк Э. А. [1] Гомболевский В. А. [1] Ермолаев С. О. [1] Живоденко В. С. [1] Идрисов И. М. [1] Кирпичев Ю. С. [1] Логунова Т. А. [1] Нуждина В. А. [1] Омелянская О. В. [1] Раковчен В. Г. [1] Слепушкина А. В. [1]

    Темы: грудная клетка1 злокачественные новообразования3 искусственный интеллект13 компьютерная томография2 компьютерное зрение1 лучевая диагностика9 маммография2 рентгенография1

    Подробнее >

  • 2017 № 4 Опыт разработки программного комплекса для нейросетевой диагностики и прогнозирования заболеваний гепатопанкреатодуоденальной зоны

    В статье приводится опыт самостоятельной разработки программного комплекса для диагностики и прогнозирования заболеваний гепатопанкреатодуоденальной зоны с применением искусственной нейронной сети типа многослойного персептрона с активационной функцией – гиперболическим тангенсом. Описывается характеристика анализируемых данных, в качестве которых выступила совокупность факторов риска развития язвенной болезни, холецистита и панкреатита. Обосновывается потребность в применении автоматизированных систем управления, действующих на принципах искусственных нейронных сетей. Приводятся принципы функционирования многослойного персептрона, а также предлагаются модификации, оптимизирующие разработку программного комплекса и способствующие решению ряда проблем, возникающих при практической реализации самой системы, а также при подготовке данных. Предлагается набор возможных входных и выходных параметров сети, предназначенных для ее обучения. Статья содержит описание реализованного на практике интерфейса пользователя, сконструированного для создания, настройки, обучения и клинического применения искусственной нейронной сети, а также построения ее графов и статистической оценки качества ее функционирования.

    Авторы: Лазаренко В. А. [1] Антонов А. Е. [1]

    Темы: диагностика3 искусственная нейронная сеть2 искусственный интеллект13 многослойный персептрон1 панкреатит1 прогнозирование5 холецистит1 язвенная болезнь1

    Подробнее >

  • 2019 № 3 pdf Опыт разработки и внедрения системы поиска онкологических образований с помощью искусственного интеллекта на примере рентгеновской компьютерной томографии легких

    Рассмотрен опыт создания и внедрения информационной системы на базе искусственного интеллекта
    «Botkin.AI» для выявления узлов и очагов в легких по данным КТ. Описаны основные параметры математических моделей,разработанных для системы, представлены результаты пилотных проектов ее практического применения в нескольких регионах Российской Федерации. Приведены примеры ее применения для выявления узлов в легких различных размеров и локализации. Во время проведения пилотных проектов в регионах были выявлены 7 пациентов с высоким подозрением ЗНО легких. Полученные результаты и опыт показывают, что применение системы Botkin.AI можно использовать как для целей реализации региональных программ скрининга рака легкого, так и в качестве дополнительного инструмента повышения выявляемости рака легкого при внедрении автоматического пересмотра массивов данных КТ грудной клетки, вне зависимости от показаний, по которым были сделаны эти исследования.

    Авторы: Дрокин И. С. [1] Еричева Е. В. [1] Бухвалов О. Л. [1] Пилюс П. С. [1] Малыгина Т. С. [1] Синицын В. Е. [1]

    Темы: искусственный интеллект13 компьютерная томография2 нейронные сети11 рак легкого1 скрининг1 человек- машинное взаимодействие1

    Полная версия статьи в формате PDF
    4.6 МБ

    Подробнее >

  • 2019 № 3 pdf Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний

    Заболеваемость и смертность от сердечно-сосудистых заболеваний (ССЗ) остается лидирующей на протяжении последних десятилетий в всем мире. Методы первичной профилактики, основанные на управлении факторами сердечно-сосудистого риска, являются наиболее эффективными для снижения бремени ССЗ. В профилактической медицине для управления рисками ССЗ используются рискометры – шкалы, полученные в результате длительных проспективных исследований. Но практическое применение разработанных шкал показало ограничения в точности прогнозирования. Машинное обучение дает возможность повысить точность прогнозирования сердечно-сосудистого риска за счет нелинейных взаимосвязей их более глубокой настройки между факторами риска и результатами заболеваний. Используя данные 2236 пациентов, нами была обучена модель по признакам, используемым в построении фрамингемской шкалы. Мы сравнили полученную модель и Фрамингемскую шкалу на точность прогнозасердечно-сосудистого события. Так, по ROC анализу для Фрамингемской шкалы показатели следующие: точность Accuracy: 70,0%, качество AUC: 0.59. При этом для модели, полученной с использованием машинного обучения, аналогичные показатели составили: Accuracy: 78,8%, AUC: 0.84. Таким образом, использование алгоритмов машинного обучения, включая алгоритмы глубокого обучения, могут значительно повысить точность прогнозирования сердечно-сосудистых рисков обученных моделей.

    Авторы: Гусев А. В. [32] Новицкий Р. Э. [5] Гаврилов Д. В. [4] Кузнецова Т. Ю. [2] Корсаков И. Н. [1] Серова Л. М. [2]

    Темы: здравоохранение16 искусственный интеллект13 машинное обучение9 медицина6 оценка рисков развития заболеваний1 сердечно-сосудистые заболевания4 факторы риска5

    Полная версия статьи в формате PDF
    3.7 МБ

    Подробнее >

  • 2020 № 4 Технологии прогнозной аналитики в борьбе с пандемией COVID‑19

    В последнее время новая коронавирусная инфекция или COVID‑19, вызванная возбудителем SARS-CoV‑2,
    продолжает быстрое распространение по всему миру. По мнению Всемирной организации здравоохранения (ВОЗ), объявившей эту вспышку пандемией, COVID‑19 является серьезной проблемой для общественного здравоохранения, имеющей международное значение. Из-за отсутствия доказанного эффективного лечения и вакцинации против COVID‑19 меры предосторожности считаются ВОЗ стратегическими целями и основным способом противодействия пандемии. Руководствам стран рекомендовано принять национальные программы медицинского обслуживания, направленные на оценку и снижение риска распространения инфекции. На этом фоне технологии прогнозной аналитики стали активно использоваться для составления популяционных и персональных прогнозов развития заболеваемости, смертности, оценки тяжести течения
    болезни и т. д. В данной статье представлен обзор имеющихся разработок и публикаций по теме применения прогнозной аналитики для борьбы с пандемией COVID‑19.

    Авторы: Гусев А. В. [32] Новицкий Р. Э. [5]

    Темы: covid-194 dashboard1 искусственный интеллект13 машинное обучение9 прогнозная аналитика1 программное обеспечение5

    Подробнее >

  • 2019 № 2 Применение нейросетевых методов машинного обучения в лечении осложнений у пациентов на гемодиализе

    В работе описывается комплексная система автоматизированного формирования программы коррекции анемии у пациентов с терминальной стадией хронической болезни почек.
    Показано, что созданная система позволяет сформировать медикаментозную терапию, адекватную текущему состоянию и динамике состояния пациента, даже в ситуациях, когда терапия ранее не проводилась. В системе использован метод сочетания нейронных сетей, обученных на существующей клинической прецедентной базе адекватной коррекции анемии, и триггерной модели выбора дозировки медикаментозной терапии. В качестве примеров приведен опыт эксплуатации созданной системы в отделении гемодиализа г. Костромы МЧУ ДПО «Нефросовет», для формирования программы лечения 10 пациентов. Приведена общая схема построенной системы и ее детальное описание.

    Авторы: Новицкий В. О. [6] Малкоч А. В. [2] Зиновьев Д. А. [1]

    Темы: гемодиализ4 искусственный интеллект13 коррекция анемии1 машинное обучение9 нейронные сети11 хроническая болезнь почек1

    Подробнее >

  • 2020 № 3 Первый российский набор данных гистологических изображений патологических процессов молочной железы

    Предложен набор размеченных гистологических изображений различных патологических процессов молочной
    железы, включающий 104 микроскопических препарата от 92 пациентов и более 40 тысяч изображений. К набору данных
    предложена аннотация с морфологическими типами, характером патологических процессов, степенью дифференцировки опухоли, характеристикой по классификации TNM и возрастом пациентов. Набор данных подготовлен в соответствии с внутренними процедурами ФГБУ ГНЦ ФМБЦ им. А. И. Бурназяна ФМБА России, не содержит персональных данных, а его элементы не позволяют идентифицировать пациента. Для исследовательских и образовательных целей набор данных доступен на странице репозитория GitHub и может быть использован для дальнейших исследований с целью повышения качества гистологической диагностики с помощью нейронных сетей.

    Авторы: Борбат А. М. [1] Лищук С. В. [1]

    Темы: гистология2 диагностика3 искусственный интеллект13 набор данных1 нейронные сети11 патологическая анатомия2

    Подробнее >

  • 2020 № 2 pdf Технологии искусственного интеллекта в медицине и здравоохранении: позиции России на глобальном патентном и публикационном ландшафте

    Представлен обзор мер государственной политики, направленных на развитие технологий искусственного интеллекта (ИИ) в мире и в России. С целью оценить конкурентоспособность отечественных разработок, созданных для использования технологий ИИ в медицине и здравоохранении, выполнен наукометрический и патентный анализ направления за период 2010–2019 гг. На основе анализа фронтов исследований по методологии Essential science indicators выявлены наиболее перспективные на сегодняшний день исследовательские стратегии. Показано, что на глобальном публикационном ландшафте Россия занимает 27-ую позицию в мире по числу публикаций, посвященных применению ИИ в здравоохранении: на долю российских исследователей приходится менее 1% публикаций, проиндексированных в Web of science. Для вхождения в топ 5 стран по публикационной активности в этом тематическом кластере России необходимо увеличить число публикаций более, чем в 6 раз. Из 16 компаний, аффилиации которых указаны в публикациях с участием российских авторов, 13 являются зарубежными. В целом, только 14% публикаций в тематической категории «Сomputer science, artificial intelligence», выполнены в коллаборации с индустриальным сектором.
    На ландшафте, сформированном патентными документами, защищающими технические решения в области ИИ в медицине, Рос сия занимает позиции, не подтверждающие ее намерения вступить в борьбу за перспективные рынки товаров и услуг, созданные на базе этих технологий. В области разработок ИИ медицинского назначения число патентов РФ, выданных нерезидентам страны, существенно превосходит число отечественных правообладателей. Обнаружены всего 12 патентов российских разработчиков технологий ИИ для здравоохранения, выданные зарубежными патентными ведомствами.

    Авторы: Черченко. О. В. [4] Цветкова Л. А. [8] Куракова Н. Г. [14]

    Темы: здравоохранение16 искусственный интеллект13 медицина6 меры  государственной  политики.1 патентная активность2 публикационная активность3 фронты  исследований1

    Полная версия статьи в формате PDF
    5.7 МБ

    Подробнее >

  • 2017 № 3 pdf Перспективы нейронных сетей и глубокого машинного обучения в создании решений для здравоохранения

    В работе приведен обзор перспектив применения нейронных сетей и глубокого машинного обучения в создании систем искусственного интеллекта для здравоохранения. Приводится определение и пояснения по технологиям машинного обучения и нейронных сетей. Представлен обзор уже реализованных проектов применения искусственного интеллекта, а также дается прогноз наиболее перспективных, по мнению автора, направлений развития в ближайшее время

    Авторы: Гусев А. В. [32]

    Темы: здравоохранение16 искусственный интеллект13 машинное обучение9 медицина6 нейронные сети11

    Полная версия статьи в формате PDF
    7.5 МБ

    Подробнее >