Колсанов А. В. - все статьи автора в журнале
-
2025 № 11 Генеративная модель классификации предоперационной оценки клинического состояния тазобедренного сустава.
Материалы статьи предназначены для специалистов в области машинного обучения и экспертов, разрабатывающих стратегии улучшения общественного здравоохранения на основе информационных систем, облегчающих принятие медицинских решений.
Актуальность. Актуальность автоматизации анкетирования обусловлена возможностью дифференциации сложных когнитивных и мировозренческих представлений пациента (клиента) по множеству многоуровневых категорий. Как следствие, актуальна разработка концепции универсального эвристического алгоритма перевода категорий в признаки вероятностной классификации.
Цель исследования: определение правил для эвристики повышения метрик статистического качества классификации на основе операторного преобразования категориальных признаков.
Материалы и методы. Выборка данных электронных анонимных анкет (опросников) для предоперационной оценки клинического состояния тазобедренного сустава (данные кафедры травматологии, ортопедии и поликлинической хирургии института профессионального образования Самарского государственного медицинского университета, г. Самара); ансамбль методов машинного обучения.
Результаты. Критерии и гиперэвристические правила для универсального построения вероятностных классификаторов на основе результатов анкетирования.
Выводы. Корректные методы улучшения статистической связи признаков и классификационных меток приводят к асимптотической эффективности оценок обученной модели и исключают характерный детерминированный режим работы алгоритма.
В результате разработанных эвристических преобразований и обобщений – задачи исходной системы опроса будут расширены и структурированы, приобретая информационные качества, облегчающие принятие решений для прогностических действий специалиста. -
2025 № 10 Интеллектуальная диагностика межпозвонковых грыж поясничного отдела с телемедицинским доступом.
Важным этапом прогнозирования резорбции межпозвонковых грыж является идентификация параметров, описывающих состояние поясничного отдела по данным магнитно-резонансной томографии (МРТ). В статье представлено программное решение для интеллектуального распознавания на МРТ-снимках пояснично-крестцового отдела позвоночника межпозвоночных дисков, мышц, грыж, выявления и прогнозирования с высокой долей вероятности резорбции грыжи нейросетевыми методами.
Цель исследования: разработка интеллектуального программного обеспечения для диагностики межпозвонковых грыж поясничного отдела по данным МРТ с телемедицинским доступом.
Материалы и методы. В качестве инструмента поддержки принятия решений о прогнозировании вероятности резорбции грыжи для составления плана лечения либо подтверждения необходимости проведения операции на основе распознавания МРТ-снимков реализована искусственная нейронная сеть.
Результаты. Для обучения нейронной сети использованы предварительно размеченные МРТ-снимки с межпозвонковыми грыжами с резорбцией и без нее у пациентов различного возраста с учетом морфометрических параметров: размеры мышц, жировой ткани, наличие здоровой желтой связки. Для увеличения объема обучающей выборки данных применили метод аугментации данных. Уникальный набор данных для обучающей выборки составил 2336 изображений.
Выводы. Разработанное программное обеспечение позволяет распознавать параметры состояния поясничного отдела по
данным МРТ с помощью интеллектуальных технологий компьютерного зрения. Данный результат полезен для автоматизации
поддержки принятия решений по прогнозированию резорбции грыж и выбору тактики лечения. Важным результатом разработки для практики является реализация телемедицинского доступа к программному обеспечению средствами Телеграмм-бота. -
2025 № 5 Организация персонализированной медицинской реабилитации на основе технологий виртуальной реальности с биологической обратной связью.
Широкие возможности систем виртуальной реальности и перспективы их применения в медицинской реабилитации, сопряженные со сложностью и неопределенностью обеспечения их результативного применения вследствие влияния человеческого фактора требуют нового подхода к разработке инновационных продуктов в соответствии с современными принципами персонализированной медицины.
Цель исследования: обобщение и унификация функциональных возможностей аппаратно-программных инструментов реализации виртуальной реальности и сбора биологической обратной связи в форме универсальной цифровой платформы для конфигурирования частных решений отдельных задач медицинской реабилитации с учетом возможностей лечебных учреждений.
Материалы и методы. Обобщен теоретический материал и практический опыт реализации тренажеров медицинской реабилитации в среде виртуальной реальности с биологической обратной связью на примере продуктовой линейки Revi. Доступные на рынке устройства виртуальной реальности включают как широко распространенные шлемы, очки и интерактивные мониторы, так и различные экзоскелеты, датчики захвата движений, сенсорные перчатки и др. Для контроля обратной связи используются различные биологические показатели, фиксируемые соответствующими медицинскими приборами, такие как объем движений (общих, головы и мимики), электроэнцефалограмма, частота сердечных сокращений, уровень сатурации и др.
Результаты. В статье предложен платформенный подход к организации медицинской реабилитации в среде виртуальной реальности с обратной связью. Проведено исследование на группе 44 человек по контролю изменения двигательной активности в ответ на влияние отвлекающих факторов с использованием компьютерного зрения. Результаты эксперимента подтвердили, что разные отвлекающие факторы по-разному влияют на концентрацию внимания пользователя и, как следствие, глубину его погружения в иммерсивную реальность, и для отдельных рисков необходимо использовать наиболее эффективные
инструменты контроля обратной связи. По результатам исследования предложена методика подбора конфигурации аппаратно-программных комплексов медицинской реабилитации в виртуальной реальности с биологической обратной связью на основе контрастности наблюдаемых параметров для различных групп заболеваний.
Выводы. Реализация платформенного подхода к разработке аппаратно-программных комплексов медицинской реабилитации позволяет повысить эффективность организации реабилитационных мероприятий на базе существующих организаций здравоохранения с учетом их возможностей и актуального запроса на медицинские услуги. Гибкость и адаптивность платформы виртуальной реальности с биологической обратной связью позволяет найти наиболее эффективную конфигурацию аппаратно-программных компонентов и адаптировать ее с учетом индивидуальных особенностей отдельных пациентов. -
2025 № 4 Формально-логическая модель цифрового профиля пациента в задачах когнитивно-поведенческой терапии иммерсивной реальности.
Реализация новых информационных технологий для персонализированной медицины требует формализации цифрового профиля пациента, которая представляется наиболее актуальной при разработке комплексов виртуальной реальности, предназначенных для когнитивно-поведенческой терапии иммерсивной реальности. В статье представлена формально-логическая модель, разработанная для комплекса медицинской реабилитации виртуальной реальности, позволяющая построить информационное обеспечение комплекса в контексте медицинской семиотики.
Цель исследования: совершенствование аппаратно-программных комплексов медицинской реабилитации с использованием технологий виртуальной реальности за счет построения системы управления когнитивно-поведенческой терапии на базе формализации цифрового профиля пациента.
Материалы и методы. Предложена формально-логическая модель психопатологических паттернов поведения, основанная на представлении поведенческих реакций цифрового двойника пациента в ответ на изменение внешней среды, воспринимаемой в форме потока стимулирующих событий провокации и коррекции. Модель была разработана для системы управления медицинской реабилитацией на базе комплексов виртуальной реальности, в том числе в рамках когнитивно-поведенческой терапии.
Результаты. Для реализации персонализированной диагностики, лечения и реабилитации девиантных состояний человека на основе цифровых моделей психопатологических паттернов поведения была разработана трехуровневая модель системы управления. На практике реализация данного подхода была произведена при разработке и внедрении программного комплекса социально-психологической реабилитации поведенческих стрессовых расстройств в среде виртуальной реальности с обратной связью. Комплекс предназначен для построения на своей основе комнат виртуальной реальности для психологической разгрузки и реабилитации, которые позволяют отслеживать состояние пациента в динамике и подстраиваться под
его индивидуальные потребности, а также учитывают результативность применения виртуальной реальности в когнитивно-поведенческой терапии.
Выводы. Параметризация психопатологического паттерна позволяет реализовать индивидуальное планирование и контроль лечебных и реабилитационных мероприятий в рамках когнитивно-поведенческой терапии иммерсивной реальности. Данный подход может быть полезен при реализации реабилитационных аппаратно-программных комплексов с искусственным интеллектом. Применение современных информационных технологий, методов и средств инженерии знаний, а также искусственных
нейронных сетей позволяет выделить скрытые закономерности в поведенческих проявлениях психопатологических заболеваний и идентифицировать ход их лечения средствами компьютерного зрения. -
2025 № 3 Номограмма, разработанная с помощью методов машинного обучения и с оценкой клинической ценности, для прогнозирования хронической болезни почек у детей.
Актуальность. Профилактика хронической болезни почек (ХБП) основана не только на определении этиологических и патогенетических особенностей заболевания у пациента, но и на использовании информационных инструментов, помогающих врачу выявить заболевание у ребенка и своевременно направить к нефрологу.
Цель исследования: разработать графический инструмент, позволяющий прогнозировать риск развития хронической болезни почек у детей.
Материалы и методы исследования. Данные получены из одноцентрового ретроспективного когортного исследования (2011–2022 г. г.) детей с ХБП 1–4 стадии в возрасте от 1 до 17 лет. В группе детей с ХБП (n=128) девочек 88 (68,8%), мальчиков 40 (31,2%). В группе детей без ХБП (n=30) девочек 18 (60,0%), мальчиков 12 (40,0%). Медиана возраста составила 6 (5,0–8,0) лет. Заболевание почек у пациентов длилось 2 (1,0–3,0) года. Дети в выделенных группах статистически значимо не различались по полу и возрасту.
Результаты. Важными предвестниками хронической болезни почек у детей стали: потеря белка с мочой (0.24 [0.07; 0.42], против 0,0 [0,0; 0,0], n=30, p<0,001; гематурия (2,0 [0,0; 4,0], против 0,0 [0,0; 0,0], p<0,001); астеническое телосложение (76,6% против 10,0% p<0,001; ОШ 29,4 [8,33; 103,7]); отягощенная наследственность по нефрологической или обменной патологии в первом и втором поколениях (77,3% против 0%, p<0,001; ОШ 205,75 [12,21; 3467,52]; анемия во время беременности (70,3% против 10,0%, p<0,001; ОШ 21,32 [6,1; 74,54]). Построена модель отличного качества (ROC-AUC>90%), на ее основании разработана номограмма.
Заключение. Номограмма предназначена для прогнозирования или скрининга ХБП у детей и использования в первичном звене здравоохранения. -
2025 № 1 Искусственный интеллект – новое слово в нефрологии: точки приложения и перспективы (обзор литературы).
Обоснование. Ведение пациентов с заболеваниями органов мочевой системы – крайне актуальная задача. Основная проблема заключается в том, что заболевания органов мочевой системы чаще протекают без явных специфических симптомов до стадии ограничения функции почек. На первое место, среди жалоб и клинических проявлений, выходят неспецифические симптомы, например анемия, деформация костной системы, когнитивные и сосудистые нарушения и другие, затрудняющие диагностику основного заболевания. Актуальной является ранняя своевременная диагностика заболеваний органов мочевой системы с помощью анамнестических, наследственных, клинико-лабораторных, инструментальных и генетических методов. Сложность заключается в дефиците кадров нефрологической службы и интерпретации данных другими специалистами, поэтому вся ответственность по раннему выявлению заболеваний почек ложится на участковых педиатров, семейных врачей, наиболее тесно взаимодействующих с населением. Искусственный интеллект (ИИ) стал многообещающим инструментом в области здравоохранения, появляются работы по применению его в нефрологии в качестве помощника врача.
Цель исследования: изучить работы, посвященные применению искусственного интеллекта в нефрологии. Материалы и методы. Электронный поиск в PubMed выполнен для извлечения статей, опубликованных с 2014 по 2024 годы, используя ключевые слова: Artificial intelligence technologies; machine learning; chronic kidney disease. Обзор, анализ и систематизация статей выполнялись вручную. Из 264 статей объектом исследования стали статьи (n=64), касающиеся диагностики заболеваний почек и консервативной части нефрологии на стыке с ИИ. Результаты литературного обзора позволили заключить то, что методы ИИ бурно развиваются и могут быть использованы для создания как описательных, так и прогностических моделей заболеваний почек, персонификации схем лечения, классификации изображений при визуализирующих методах обследования, тем самым повышая качество оказания медицинской помощи, междисциплинарного сотрудничества, получению новых знаний и развитию науки. -
2024 № 9 Разработка интеллектуальной системы поддержки принятия врачебных решений для прогнозирования хронической болезни почек у детей.
Диагноз хронической болезни почек часто ставится слишком поздно. В настоящее время точность диагностики составляет 44,1%, что подчеркивает острую необходимость в улучшении методов диагностики.
Цель исследования: разработать модель – систему поддержки принятия врачебных решений для прогнозирования хронической болезни почек у детей.
Материалы и методы исследования. Проведено одноцентровое ретроспективное когортное исследование (2011–2022 гг.) детей с хронической болезнью почек 1–4 стадии в возрасте от 1 до 17 лет. Для построения прогностической модели диагностики хронической болезни почек у детей использован ансамблевый метод обучения, с помощью которого объединили модели, полученные алгоритмами машинного обучения: многофакторная логистическая регрессия и дерево решений. В моделях использовано пять переменных: астеническое телосложение у ребенка, потеря белка и эритроцитов с мочой, СОЭ и натрий сыворотки крови.
Результаты. В исследовании участвовало 158 пациентов. В основную группу включены 128 детей с хронической болезнью почек 1–4 стадии в возрасте от 1 до 17 лет. Группу сравнения составили 30 детей без диагностированной патологии почек в возрасте от 1 до 17 лет. Дети двух групп статистически значимо не различались по полу и возрасту. Получена модель, позволяющая прогнозировать хроническую болезнь почек у детей на тестовой выборке с точностью 93,5% [87,1; 100,0]%, чувствительностью 92,0% [82,1; 100,0]%, специфичностью 100,0% [100,0; 100,0]%, ROC-AUC = 98,7% [95,2; 100,0]%. Полученная модель отличного качества (>90%). Модель описывает 90,3% [83,8; 96,1]% дисперсии.
Заключение. Предлагаемая модель демонстрирует превосходную прогностическую способность и может иметь важное клиническое значение для прогнозирования хронического процесса в учреждениях первичной медико-санитарной помощи, где симптомы, связанные с риском хронической болезни почек, могут быть упущены из виду. Прогнозирование и разработка ранней нефропротективной стратегии могут привести к лучшим результатам лечения и продлить жизнь. -
2024 № 5 Скрининг хронической болезни почек у детей с помощью алгоритмов машинного обучения.
Поздняя диагностика хронической болезни почек (ХБП) у детей является частым явлением. Среди основных причин: недостаток осведомленности среди родителей и медицинского персонала, неспецифические симптомы, а также трудности в проведении диагностических процедур у детей. Это приводит к серьезным последствиям для здоровья детей, включая прогрессирование болезни и потребность в длительной диализной терапии или трансплантации почек.
Цель исследования: выявить признаки и симптомы у детей, которые нелинейно влияют на ХБП с помощью алгоритма дерева решений (DT).
Материалы и методы исследования: данные были получены из одноцентрового проспективного когортного исследования (2011–2022 г. г.) с участием 128 детей с ХБП 1–4 стадии и 30 детей контрольной группы в возрасте от 0 до 18 лет.
Проведен анализ анамнеза, наследственных факторов, раннего периода развития ребенка, результатов клинико-параклинического и генетического обследования. Модель построена с применением алгоритма машинного обучения (МО) методом дерева решений (ДР).
Результаты. Модель дерева решений выявила три переменных, совместно влияющих на ХБП: потеря белка, эритроциты в моче, полиморфный маркер Т598Т гена IL4. Модель прогнозирует ХБП на обучающей выборке с точностью 98,9% [97,3;100,0]%, чувствительностью 97,8% [95,1; 100,0]%, специфичностью 100,0% [100,0; 100,0]%, ROC-AUC = 100,0% [99,9;100,0]%.; описывает 95,7% [89,1; 100,0]% дисперсии. Полученная регрессионная модель отличного качества (>90%), т. к.
ROC-AUC составляет на тестовой выборке 0.98. В ходе исследования было определено значение точки отсечения (cut-off) ВПР, которое равно 0.5.
Выводы. Выявлены биомаркеры, которые помогут врачу первичного звена здравоохранения выявить ХБП у детей на ранних этапах развития.
Эти переменные с легкостью можно исследовать в амбулаторных условиях и в учреждениях первичного звена здравоохранения. Эта информация может способствовать повышению осведомленности о диагнозе. Медицинские работники могут формировать группы пациентов для более детального обследования, что уменьшит вероятность потери времени и улучшит раннее выявление заболеваний.