Статьи с темой: «искусственный интеллект»
-
2024 № 6 Ранняя диагностика злокачественных новообразований кожи с использованием программного продукта на основе искусственного интеллекта и его медико-экономический эффект.
Злокачественные новообразования кожи (далее ЗНК) занимают ведущее место в структуре онкологических заболеваний в Российской Федерации (женское население: ЗНК – 13,4%, меланома кожи (далее МК) – 2,2%; мужское население: ЗНК – 9,8%, МК – 1,73%). В последние 10 лет отмечается растущий уровень заболеваемости ЗНК [1].
Появление новых методов лечения приводит к повышению эффективности, но вместе с тем неизменно наблюдается рост стоимости лечения. В Российской Федерации основная доля затрат на МК – это прямые медицинские затраты (52%). Косвенные затраты составляют 14%, что связано с наступлением нетрудоспособности, так как заболевание характерно для людей работоспособного возраста. Прямые немедицинские затраты, несмотря на небольшие размеры социальных пособий, также составляют значительную часть общего экономического бремени (порядка 34%). [2]. Расходы на ведение пациента с МК
начальных стадий существенно ниже, чем на ведение пациента в нерезектабельной стадии III/IV [3],[4],[5],[6]. При этом радикальное хирургическое лечение меланомы I стадии может повысить количество положительных исходов при меланоме кожи.
[8] В целом можно констатировать, что диагностика МК на поздних стадиях приводит к росту стоимости лечения.
Кроме вышесказанного необходимо отметить, что специалисты первичной медико-санитарной помощи первые, кто сталкивается с проблемой дифференциальной диагностики ЗНК с доброкачественными новообразованиями кожи [9], [10]. При
проведении визуального осмотра данными специалистами чувствительность распознавания МК составляет 40,2%, что в два раза ниже по сравнению с опытным дерматологом 92% [11], [12].
Учитывая серьезность обозначенной проблематики, поиск и внедрение новых подходов для раннего выявления ЗНК выходят на первый план. В качестве возможных решений можно отметить предложенные в последнее время различные методы раннего выявления ЗНК в виде использования мобильных приложений, работающих на основе искусственного интеллекта и теледерматологии, что позволяет расширить возможность систем визуализации, помочь в выявлении ЗНК специалистам первичного звена [13],[14],[15],[16],[17],[18]. Не менее актуальным вопросом остается внедрение эффективной системы профилактики и ранней диагностики ЗНК, которая включала бы в себя массовый скрининг населения на доамбулаторном этапе и использование современных методов диагностики в виде мобильных приложений на амбулаторном этапе, при любой
причине обращения пациента к врачу первичного звена.
С 2023 года в Российской Федерации в двух регионах (Нижегородская область, Республика Татарстан) проводится пилотный проект «Регион без меланомы», реализация которого поддерживается программой «Приоритет‑2030» национального проекта «Наука и университеты». Проект включает массовый скрининг населения на наличие ЗНК при помощи мобильного приложения «ПроРодинки». Для ускоренной маршрутизации пациентов к онкологу с подозрением на ЗНК, в регионе выделена
прямая call-линия в онкологическом диспансере. В декабре 2023 года приложение получило статус медицинского изделия, что позволяет врачам первичного звена здравоохранения широко пользовать мобильное приложение для раннего выявления ЗНК при условии его интеграции в ЕГИС (единая государственная информационная система здравоохранения региона).
Цель: оценить медико-экономическую эффективность программы ранней диагностики ЗНК «Регион без меланомы» на доамбулаторном этапе на региональном уровне с использованием мобильного приложения.
Материал и методы. В работе использовался телефонный опрос пользователей из разных регионов Российской Федерации приложения «ПроРодинки», получивших уведомление о необходимости обращения к врачу, следовательно, у них был выявлен высокий риск ЗНК. Телефонный опрос проведен студентами-волонтерами ФГБОУ ВО «Приволжский исследовательский медицинский университет» Минздрава России (далее – ПИМУ) на основе анкеты, разработанной совместно кафедрой кожных и венерических болезней и кафедрой общей и клинической психологии.
Приложение «ПроРодинки» разработано сотрудниками кафедры кожных и венерических болезней ПИМУ и специалистами в области IT-технологий ООО «АИМЕД» при поддержке государственного автономного учреждения здравоохранения Нижегородской области «Научно-исследовательский институт клинической онкологии «Нижегородский областной клинический онкологический диспансер [19].
База данных и программа для ЭВМ имеет государственную регистрацию от 19.11.2020 г. № 2020664964. По заключению Росздравнадзора ПП «ПроРодинки» является медицинским изделием 1 класса потенциального риска применения от 27.12.2023 г. № РЗН 2023/21776 (Сервис поддержки принятия врачебных решений для диагностики новообразований кожи ПроРодинки по ТУ 58.29.32-001-43490523–2022).
Также в ходе исследования произведена оценка стоимости лечения у 148 пациентов с МК I стадией (38 человек), II стадией (46 человек), III стадией (34 человека), IV стадией (30 человек) в Российской Федерации за период 2022 год в сравнении со стоимостью лечения по клиническим рекомендациям Российской Федерации.
Заключение. Полученные результаты могут говорить об эффективности социального проекта «Регион без меланомы», так как современные подходы, реализуемые в рамках программы, показывают значимые результаты. Увеличение охвата населения диагностическим исследованием на выявление ЗНК является важным компонентом повышения эффективности лечения этой группы заболеваний. На доамбулаторном этапе перспективным является внедрение использования современного метода диагностики для массового скрининга населения на наличие ЗНК при помощи мобильного приложения «ПроРодинки».
Также обнадеживающиеся результаты получены по ранней выявляемости МК, что может привести к росту положительных исходов заболевания. Кроме того, согласно полученным данным выявляемость на более ранних стадиях ведет к сокращению расходов не лечение, помогая экономить бюджет здравоохранения. В целом, поиск и внедрение новых современных подходов обладает широким потенциалом и, вероятно, может значительно повысить эффективность системы здравоохранения, в частности в выявляемости и лечении ЗНК. -
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. -
2024 № 9 Опыт внедрения информационной системы с технологиями искусственного интеллекта в работу поликлиники для оптимизации организации периодических медицинских осмотров.
Организация прохождения пациентами медицинских осмотров с минимальными временными потерями является одной из сложных задач, которые необходимо решить поликлиникам при создании Новой модели медицинской организации, оказывающей первичную медико-санитарную помощь. Поскольку в ходе проведения медицинских осмотров требуется выполнение целого ряда работ, каждая из которых связана с определенными наборами действий, авторами была создана информационная система с технологиями искусственного интеллекта, апробация которой была проведена на примере периодических
медицинских осмотров работников.
Цель исследования: разработка и апробация информационной системы с технологиями искусственного интеллекта, позволяющей сбалансировать возможности медицинской организации и потребности пациента при прохождении периодического медицинского осмотра.
Материалы и методы. Инструментом для решения поставленной задачи послужила платформа искусственного интеллекта, основанная на парадигме принятия решений путем управления положениями аттракторов в пространстве состояний нейронной сети Хопфилда, которая была встроена посредством HL7 FHIR в медицинскую информационную систему.
Результаты. Результатом работы стал проект «Smart-поликлиника», предусматривающий создание информационной системы с технологиями искусственного интеллекта для маршрутизации пациентов при прохождении периодических медицинских осмотров. Информационная система обеспечила построение динамического маршрута пациента в режиме реального времени с получением траектории кратчайшей по расстоянию и минимальной по передвижению с этажа на этаж, а также с учетом актуальных данных о загруженности кабинетов поликлиники и продолжительности каждого этапа осмотра.
Выводы. Разработка и внедрение в работу поликлиники информационной системы с технологиями искусственного интеллекта позволили сократить при прохождении периодического медицинского осмотра среднюю длительность траектории движения пациента на 45%, среднее времени ожидания около кабинета – с 7 минут до 3 минут, общее время прохождения профилактического осмотра – с 200 до 150 минут, что дало возможность увеличить количество пациентов, прошедших периодический медицинский осмотр в поликлинике в течение года, в 1,5 раза при уровне удовлетворенности пациентов, составившем 95%. -
2024 № 7 Влияние нарушений качества рентгенографических исследований органов грудной клетки на работу врачей-рентгенологов и диагностического искусственного интеллекта.
При выполнении рентгенографических исследований периодически возникают нарушения качества и ошибки, затрудняющие интерпретацию изображения и его описание как врачом рентгенологом, так и программным обеспечением (ПО) на основе технологии искусственного интеллекта (ТИИ). Для диагностического искусственного интеллекта отдельной проблемой может стать некорректное заполнение метаинформации в заголовках формата DICOM.
Цель исследования: определение нарушений качества РГ ОГК, наиболее сильно препятствующих работе врачей-рентгенологов и диагностическому ПО на основе ТИИ в условиях системы здравоохранения города Москвы.
Материалы и методы. Для исследования влияния качества рентгенологических исследований на работу врача-рентгенолога был проведен онлайн-опрос среди врачей-рентгенологов, сотрудников московского референс-центра лучевой диагностики. Для оценки влияния качества рентгенологических исследований на работу ПО на основе ТИИ был проведен анализ результатов обработки диагностических исследований по модальностям «рентгенография органов грудной клетки и флюорография легких» за 4 квартал 2023 года сервисами искусственного интеллекта в рамках “Эксперимента по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения города Москвы”.
Результаты. В опросе приняли участие 172 человека. Наиболее распространенными нарушениями качества врачами отмечаются неполнота охвата грудной клетки и ассиметричное положение больного, а также нарушения четкости/контрастности изображения. При этом неполнота охвата грудной клетки вызывает наибольшие затруднения при интерпретации исследования у врачей со стажем до 5 лет. У более опытных врачей наибольшие затруднения вызывают нарушения четкости и контрастности изображений. Основными проблемами, препятствующими описанию исследований ИИ-сервисами является незаполнение или некорректное заполнение метаинформации об исследовании, хранящейся в формате DICOM, а также
нарушения укладки и позиционирования пациента.
Выводы. Выявленные проблемы указывают на необходимость более внимательного соблюдения методологии проведения диагностических исследований, особенно это касается заполнения метаинформации об исследовании. Разработчикам ПО на основе ТИИ необходимо проводить оценку работоспособности своих решений, основываясь на разработанной методологии тестирования и мониторинга. -
2023 № 10 Chatgpt как один из элементов цифровой медицинской грамотности: трансформация здравоохранения и первичной медико-санитарной помощи.
Искусственный интеллект (ИИ) играет важную роль в цифровом здравоохранении, включая первичную медико-санитарную помощь, и значительный вклад в этот прогресс вносят большие языковые модели. ChatGPT – новейшая языковая модель – вызвал интерес в мировом сообществе, в том числе в сфере здравоохранения, и привлек внимание к исследованию больших языковых моделей с точки зрения их полезности и безопасности практического использования. Эта статья исследует роль ChatGPT как инструмента повышения цифровой медицинской грамотности, оценивая его преимущества и потенциальные риски в контексте современного здравоохранения и первичной медико-санитарной помощи.
Цель исследования: оценить потенциальные преимущества и вызовы интеграции ChatGPT в систему здравоохранения, в том числе первичную медико-санитарную помощь, как элемента цифровой медицинской грамотности.
Материалы и методы. Проведен систематический поиск в PubMed/MEDLINE и Google Scholar.
Результаты. В ходе данного исследования обнаружены опасения относительно использования ChatGPT. Эти опасения включают этические вопросы, прозрачность и юридические аспекты, риск предвзятости, неправильных цитат, безопасности информации.
Выводы. ChatGPT представляет собой ценный инструмент для повышения цифровой медицинской грамотности и внедрение может привести к кардинальным изменениям в медицинском образовании, научных исследованиях и практическом здравоохранении, однако его использование должно осуществляться с осторожностью: требуется сотрудничество регулирующих органов государственной власти всех стран мира. Такой подход позволит разработать правовые нормы, регламентирующие этический кодекс, которые станут основой «ответственного» использования ChatGPT и других моделей на основе ИИ в сфере медицинского образования, научных исследований и практического здравоохранения. -
2023 № 8 Первые 10000 маммографических исследований, выполненных в рамках ус- луги «Описание и интерпретация данных маммографического исследования с использованием искусственного интеллекта».
Актуальность. Технологии искусственного интеллекта имеют огромный потенциал для повышения эффективности скрининговых программ по выявлению злокачественных новообразований молочной железы. Учитывая высокую социальную, демографическую и экономическую значимость массовых профилактических исследований, не подлежит сомнению тот факт, что диагностическая точность искусственного интеллекта должна соответствовать точности врачей-рентгенологов или даже превышать ее. В связи с этим необходимы исследования, посвященные сравнению точности программного обеспечения на основе технологии искусственного интеллекта и врачей-рентгенологов на потоке при проведении маммографических исследований.
Цель: оценить качество оказания медицинской услуги «Описание и интерпретация данных маммографического исследования с использованием искусственного интеллекта» в рамках скрининга.
Материал и методы. Выборка для анализа состояла из 9684 цифровых маммографических исследований. Для каждого исследования категория BI-RADS определялась врачом-рентгенологом и с помощью программного обеспечения на основе технологий искусственного интеллекта (ПО на основе ТИИ), зарегистрированного в РФ в качестве медицинского изделия. 45 исследований из этой выборки со значимыми расхождениями в оценке врача и ПО подверглись экспертному аудиту, в результате которого была выставлена категория BI-RADS по мнению врача-эксперта.
Результаты. При оценке средневзвешенных значений статистически значимых различий между результатами врача и ПО на основе ТИИ для 9684 цифровых маммографических исследований не наблюдалось. Оценка согласованности врача и ПО показала, что совпадения наблюдаются в 43,89% случаев для шкалы BI-RADS и в 80,69% – 84,10% для бинарных шкал. Наличие случая, при котором патология, определенная с помощью ПО и подтвержденная при пересмотре результатов экспертом, была пропущена врачом, говорит о перспективности использования ПО на основе ТИИ для оценки маммографических исследований и требует проведения дальнейших исследований.
Заключение. При оценке маммографических исследований согласованность между решением на основе ТИИ и врачом-рентгенологом, достигает 84,10%, при этом ПО чаще присваивает более высокую категорию BI-RADS. Экспертный пересмотр части этих расхождений показал потенциальное снижение количества пропусков злокачественных новообразований молочных желез с помощью ПО. -
2023 № 9 Популяционное исследование эмфизематозных изменений легких у населения г. Москвы методом автоматизированного анализа результатов лучевых исследований.
А к т у а л ь н о с т ь . Эмфизема, часто развивающаяся у пациентов с хронической обструктивной болезнью легких (ХОБЛ), ухудшает течение хронических заболеваний сердечно-сосудистой и эндокринной систем, а также ассоциируется с повышенным риском развития злокачественных новообразований легких. Изучение заболеваемости ХОБЛ осуществляется системно, однако анализ распространенности в популяции именно эмфиземы не осуществляется. Одним из способов оценки ее распространенности может стать автоматизированный анализ КТ органов грудной клетки с помощью технологий искусственного
интеллекта.
Ц е л ь : изучить распространенность эмфиземы у населения г. Москвы на основе автоматизированного анализа результатов лучевых исследований.
М е т о д ы . Проанализированы результаты КТ органов грудной клетки 116216 пациентов. Все исследования были выполнены за период октябрь 2022 г. – июнь 2023 г. в медицинских организациях города Москвы. В автоматизированном режиме ИИ-сервис «Emphysema-IRA» (ООО «Интеллиджент радиолоджи ассистанс лабораторис (АЙРА Лабс) ») определял факт наличия эмфизематозных изменений легких (бинарная оценка – да/нет), а также – процент эмфизематозного поражения в обоих легких и отдельно по каждому легкому.
Р е з у л ь т а т ы . Распространенность эмфиземы легких среди населения г. Москвы составила 0,614 на 1000 человек, распространенность клинически значимой эмфиземы – 0,173 на 1000 человек. Большинство лиц, у которых при КТ-исследованиях выявлена эмфизема, в том числе клинически значимая, относятся к группе пожилого возраста (47,0% и 55,0% соответственно), также значителен удельный вес лиц молодого возраста (9,0% и 5,0%). У мужчин во всех возрастных группах частота выявления эмфиземы статистически значимо выше, чем у женщин (Хи-квадрат=1000,0; р<0,001). Вне зависимости от пола, увеличение возраста на 5 лет в 1,1 раза увеличивает вероятность наличия эмфиземы, в том числе клинически значимой.
В ы в о д ы . Автоматизированное выявление признаков эмфиземы легких на КТ позволяет проводить быструю, массовую и объективную оценку распространенности хронической обструктивной болезни легких в популяции. Благодаря развитию медицинского программного обеспечения на основе искусственного интеллекта появилась возможность разработки и внедрения принципиально новых цифровых технологий управления здравоохранением и изучения общественного здоровья. -
2021 № 8 Эволюция информационных систем.
В медицинских организациях информационные системы решают следующие задачи: возможность получения и хранения информации, быстрый доступ к ней и ее передача, возможность генерировать различные отчеты, наличие специализированных рабочих мест медицинских работников и др. Информационные системы постепенно эволюционируют, превращаясь из инструмента способного решать простейшие задачи управления, в инструмент, способный решать весь спектр задач управления, встречаемый в практике работы медицинской организации на всех уровнях управления.
Цель исследования – описание четырех этапов создания информационных систем, выделение характерных особенностей функционирования информационных систем на каждом этапе, а также выделение перечня основных задач управления, разработка которых ведется на выделенном этапе и способов их решения. Основное внимание уделялось вопросам развития информационных систем медицинских организаций, работающих с детским населением.
Результаты. Первый этап разработки информационных систем начался с момента применения компьютерной техники в практике работы медицинских организаций и сводился к тому, что программисты как медицинских, так и сторонних организаций начали разрабатывать задачи, совокупность которых в дальнейшем получила название «создание информационной системы» медицинской организации. Цель второго этапа – это уже преобразование информационных систем медицинских организаций для того, чтобы производственные процессы описать в терминах процессного подхода и реализовать в виде программных модулей. Третий этап построения информационных систем – это этап описания работы медицинской организации на основе математических моделей с целью обоснования оптимального решения производственных задач, имеющихся в ней. Четвертый этап построения информационных систем – это построение «информационной системы, реализующей функции интеллектуальной системы управления медицинской организацией». Авторами статьи даются рекомендации по формализации информации, имеющейся в медицинской организации с целью ее эффективного использования искусственным интеллектом.
Выводы. Таким образом, информационная система – это инструмент решения задач управления; ее разработка как инструмента решения задач управления требует знания теории управления, теории организации, процессного подхода в управлении, методов многомерного статистического анализа и методов моделирования, языков и методов моделирования на основе нейронных сетей. -
2023 № 6 Опыт применения технологий искусственного интеллекта для развития профилактического здравоохранения на примере Кировской области.
Здравоохранение является одной из приоритетных отраслей для практического применения систем искусственного интеллекта (ИИ). В 2018 г. в Кировской области было принято решение запустить собственный региональный проект внедрения технологий ИИ с целью получения практического опыта и понимания особенностей, преимуществ и барьеров применения ИИ. В качестве приоритетного направления было выбрано совершенствование профилактической медицины. В качестве базового программного продукта была выбрана российская платформа прогнозной аналитики Webiomed. Реализация проекта включала 3 этапа: пилотную апробацию в 2019–2020 гг., промышленную эксплуатацию в режиме «второго мнения» в 2021–2022 гг. и внедрение в режиме цифрового помощника, запущенное в 2023 г. В результате реализации 1го и 2го
этапов проекта удалось доказать, что главным преимуществом ИИ при анализе больших медицинских данных является автономная и высокая точность интерпретации имеющейся в ней информации. ИИ-система способна самостоятельно извлекать из электронных медицинских карт необходимые для анализа данные, сопоставлять их с данными прошлых периодов, оценивать динамику изменения показателей здоровья, выявлять появление опасных тенденций и факторов риска. Все вместе это позволяет формировать так называемые «цифровые профили» пациентов, которые в свою очередь представляют из себя ценный ресурс для поддержки принятия управленческих и клинических решений. -
2023 № 4 Основополагающие принципы стандартизации и систематизации информации о наборах данных для машинного обучения в медицинской диагностике
О б о с н о в а н и е : Активное внедрение технологий искусственного интеллекта в сферу здравоохранения, которое мы наблюдаем в последние годы, способствует резкому росту количества медицинских данных, собираемых для разработки моделей машинного обучения, в том числе данных лучевой и инструментальной диагностики. Для решения различных задач в области цифровых медицинских технологий посредством алгоритмов машинного обучения создаются все новые и новые наборы данных, поэтому становятся актуальными проблемы их систематизации и стандартизации, хранения, доступа, рационального
и безопасного использования.
Ц е л ь : разработка подхода к систематизации и стандартизации информации о наборах данных для решения вопросов представления, хранения, применения и оптимизации использования наборов данных и обеспечения безопасности и прозрачности процессов разработки и испытаний медицинских изделий с использованием искусственного интеллекта.
М е т о д ы : анализ собственного и мирового опыта по созданию и использованию медицинских наборов данных, поиск и анализ медицинских справочников, разработка и обоснование структуры реестра, поиск научных публикаций с ключевыми словами «наборы данных», «реестр медицинских данных», размещенных в реферативных базах данных РИНЦ, Scopus, Web of Science.
Р е з у л ь т а т ы . Разработана структура реестра наборов данных в медицинской инструментальной диагностике с разделами, отражающими информацию по всем этапам формирования и использования наборов данных для машинного обучения: 7 параметров на этапе инициирования, 8 – на этапе планирования, 70 – карточка набора данных, 1 – смена версии, 14 – на этапе использования, всего – 100 параметров. В работе предлагается классификация наборов данных по цели их создания, классификация методов верификации данных, а также принципы формирования названий для стандартизации и наглядности представления наборов данных. Кроме того, освещены основные особенности организации ведения данного реестра: управление, качество данных, конфиденциальность и безопасность.
В ы в о д ы . Впервые предлагается оригинальная технология структуризации и систематизации управления медицинскими наборами данных для инструментальной диагностики, в основу которой положены разработанная терминология и принципы классификации информации, что позволяет стандартизировать структуру информации о наборах данных для машинного обучения, обеспечивает централизацию хранения, удобный и быстрый доступ ко всей информации о наборе данных, а также прозрачность, надежность и воспроизводимость результатов в сфере искусственного интеллекта. Создание реестра дает возможность оперативно формировать наглядные библиотеки данных, позволяя обширному кругу исследователей, разработчиков и компаний выбирать наборы данных для своих задач, что обеспечивает их широкое использование, оптимизацию ресурсов и способствует быстрому развитию и внедрению искусственного интеллекта. -
2023 № 7 Применение технологий искусственного интеллекта как способ обеспечения качества выполнения рентгенографии органов грудной клетки.
При выполнении рентгенографических исследований могут возникать ошибки, снижающие диагностическую ценность полученных изображений и затрудняющие их интерпретацию как врачом-рентгенологом, так и диагностическим программным обеспечением на основе технологии искусственного интеллекта. Создание автоматизированных систем оценки качества позволит оптимизировать данный процесс, особенно в условиях повышенной рабочей нагрузки медицинского персонала.
Цель исследования: разработка инструмента автоматизированного контроля качества рентгенологических исследований органов грудной клетки, позволяющего провести контроль качества укладки и позиционирования пациента и корректность заполнения метаинформации об исследовании.
Материал и методы. Для обучения и тестирования моделей автоматизированного контроля качества были использованы 61505 рентгенограмм органов грудной клетки (РГ ОГК), полученные из открытых наборов данных и Единого радиологического информационного сервиса Единой медицинской информационно-аналитической системы города Москвы. Для создания моделей применялось трансферное обучение глубоких нейросетевых архитектур VGG19 и ResNet152V2.
Результаты. Были созданы 7 моделей: модель определения анатомической области исследования, модель определения проекции, модель определения фотометрической интерпретации, модели определения неполной визуализации анатомической области на прямой и боковой проекциях РГ ОГК, модель определения ротации на боковой проекции РГ ОГК. Все созданные модели имеют метрики диагностической точности выше 95%, что позволяет использовать их в клинической практике. На основе разработанных моделей был создан единый web-инструмент контроля качества РГ ОГК, позволяющий анализировать качество наборов данных рентгенограмм.
Выводы. Активное использование разработанного нами инструмента позволит оптимизировать процесс оценки качества диагностических исследований и облегчить процессы классификации исследований и формирования наборов данных. Также данный инструмент может использоваться для поддержки принятия решения рентгенолаборанта и оценки качества исследования перед отправкой исследования на обработку сервисам на базе искусственного интеллекта. -
2022 № 2 Вопросы информатизации здравоохранения
В предлагаемом материале представлен анализ изменений требований к единой государственной информационной системе в сфере здравоохранения в связи с принятием нового постановления Правительства РФ, регламентирующего эту сферу.
Проведен анализ причин и последствия наиболее значимых изменений в регулировании информатизации здравоохранения.