Ахмад Е. С. - все статьи автора в журнале
-
2021 № 2 Анализ эффективности внедрения системы скрининга остеопороза
Остеопороз – заболевание, при котором происходит снижение минеральной плотности кости, сопровождающееся нарушением ее структуры и, как следствие, низкоэнергетическими переломами. Остеопорозом страдает каждая третья женщина и каждый четвертый мужчина старше 50 лет. Остеопороз – тяжелое бремя для здравоохранения Российской Федерации, определяемое как 25 млрд. руб. ежегодно. В назначении терапии остеопороза, предотвращающей разрушение костной ткани, нуждаются до 31% женщин и 4% мужчин старше 50 лет. Выявление данных групп риска позволяет своевременно начать лечение и предотвратить патологические переломы.
В работе анализируются современные подходы к диагностике остеопороза. Приводится обзор методов диагностики, включая технологии искусственного интеллекта для распознавания низкоэнергетических компрессионных переломов тел позвонков, а также методы рутинной двухэнергетической денситометрии – DXA. Также обсуждены технологии денситометрии по данным КТ сканирования. Приводится принцип анкетирования по FRAX для выявления пациентов с высоким риском низкоэнергетических переломов, а также определения групп пациентов, нуждающихся в проведении денсиметрических исследований.
Анализируются различные модели скрининга остеопороза, с оценкой их медико-экономической эффективности. Представлено экономическое обоснование наиболее эффективной стратегии – проведения анкетирования по FRAX с последующим выполнением денситометрических исследований. Это позволит предотвратить более 50% низкоэнергетических переломов без увеличения затрат. Данные усилия направлены на увеличение продолжительности жизни, что будет способствовать выполнению намеченных целевых показателей в национальном проекте «Демография». -
2025 № 7 Автоматизированная платформа для формирования наборов данных в лучевой диагностике.
Актуальность. Количество программного обеспечения с использованием искусственного интеллекта (ПО с ИИ), применяемого в лучевой диагностике, в последние годы стремительно увеличивается. Этот тренд предъявляет высокие требования к качеству и репрезентативности наборов данных, необходимых для обучения, тестирования и мониторинга ПО с ИИ. Однако существующие методы формирования наборов данных зачастую являются трудоемкими и ресурсозатратными, что приводит к замедлению процесса разработки и внедрения новых ИИ-решений, а также к возможным ошибкам при их работе.
Автоматизация процесса формирования наборов данных становится критически важной для преодоления этих ограничений.
Предмет. Методология формирования наборов данных.
Цель: разработка автоматизированной платформы для формирования наборов данных в лучевой диагностике.
Методы. В ходе разработки платформы применялись языки программирования JavaScript, Python и Typescript. В платформе используются локальная база данных Postgres с текстовой информацией об исследованиях, PACS-системы, а также РИС – база данных неразмеченных исследований. Для подтверждения работоспособности платформы проведена ее апробация.
Результаты. Разработана комплексная платформа с локальными постоянными и временными файловыми хранилищами, при помощи которой пользователи могут осуществлять поиск, анонимизацию, выгрузку и разметку исследований, а также последующее формирование результирующих и аннотирующих файлов. В процессе апробации была подтверждена работоспособность платформы, и не было выявлено серьезных технических проблем.
Выводы. Настоящая платформа обеспечивает полный цикл работы пользователя с наборами данных в области лучевой диагностики. Платформа в настоящее время успешно функционирует в государственном бюджетном учреждении здравоохранения города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы», что позволяет рекомендовать предложенную платформу для использования в практических задачах.