Статьи из рубрики: «Искусственный интеллект в здравоохранении»
-
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. -
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. -
2020 № 4 Повышение точности прогнозирования длительности дробления мочевых конкрементов на основе многофакторных регрессионных моделей
Приведены регрессионные модели для прогнозирования длительности контактной гольмиевой литотрипсии.
Модели получены на базе расчетных и экспериментальных данных о длительности различных этапов лазерной литотрипсии. Они позволяют на основании объема и рентгенологической плотности мочевых конкрементов и учета анатомических особенностей больного рассчитать ожидаемое время полной фрагментации камней с более высокой, по сравнению с известной моделью на основе коэффициента дополнительных затрат, точностью. -
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. -
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. -
2020 № 1 Современные методы анализа и прогнозирования временных рядов и их применение в медицине
Статья представляет собой обзор российских и зарубежных научных публикаций, связанных с применением
в медицине методов анализа и прогнозирования временных рядов. Рассмотрены 112 основных публикаций за последние
5 лет, расположенные на Интернет-ресурсах e-library и PubMed. Приведены примеры применения таких методов как
экспоненциальное сглаживание, регрессионный анализ, метод ARIMA и их варианты для анализа временных рядов. Представлены различные подходы к математическому моделированию временного ряда. Результаты статьи могут применяться для выбора метода анализа и прогнозирования временных рядов в зависимости от поставленных задач. -
2019 № 4 Прогнозирование рецидива у пациентов с болезнью Иценко-Кушинга после успешной эндоскопической трансназальной аденомэктомии: нейросетевая модель и ее программная реализация
Введение. В связи с высокой частотой возникновения рецидивов у пациентов с болезнью Иценко-Кушинга
после эндоскопической трансназальной аденомэктомии (до 55% в период до 5 лет) актуальна разработка способа прогнозирования рецидива заболевания на основании совокупности факторов.
Материалы и методы. В исследование включены 219 пациентов, перенесших эндоскопическую трансназальную аденомэктомию в 2007–2014 гг. В течение 3 лет ремиссия сохранялась у 172 пациентов, рецидив развился у 47 пациентов. Выполнялось построение искусственных нейронных сетей различных топологий в ППП Statistica v. 13, и далее – программная
реализация наилучшей сети.
Результаты. Построена высокоэффективная искусственная нейронная сеть (3-слойный персептрон), позволяющая прогнозировать рецидив в срок до 3 лет либо ремиссию в течение не менее 3 лет. Диагностическая чувствительность модели составила 74%, специфичность – 97%, прогностическая ценность положительного результата (рецидива) – 85%, прогностическая ценность отрицательного результата (ремиссии) – 93%. Предикторами модели являются пол, возраст пациента на момент операции, длительность заболевания, тип аденомы по данным МРТ, уровни адренокортикотропного гормона и кортизола
в крови в раннем послеоперационном периоде. На основе модели разработан онлайн–калькулятор, доступный врачам для бесплатного практического использования на http://medcalc.appspot.com/.
Заключение. Разработанная и программно реализованная нейросеть является эффективным инструментом для прогнозирования рецидивов болезни Иценко-Кушинга и позволит осуществлять персонализированный подход к ведению пациентов, перенесших нейрохирургическую операцию.
-
2019 № 3 pdf Разработка алгоритма поиска клинически однородных пациентов по слабоструктурированным текстовым данным электронной медицинской карты онкологического профиля
Рост контингента пациентов со злокачественными новообразованиями в целом по России значительно увеличивает нагрузку на специализированную сеть онкологических учреждений и врачей онкологов. Наиболее вероятно, что данная тенденция сохранится в ближайшие годы. Одним из направлений повышения эффективности врачебной деятельности является извлечение современными методами анализа данных знаний из больших массивов медицинских данных путем кластеризации больных, заключающейся в выделении групп однородных (схожих) больных по совокупности клинических показателей. Целью исследования является разработка алгоритма поиска клинически однородных пациентов по слабо-
Искусственный интеллект в здравоохранении структурированным и неструктурированным данным электронной медицинской карты онкологического диспансера, с последующей возможностью встраивания его в системы поддержки принятия врачебных решений (СППВР). Применение таких СППВР в практической медицине и в сфере медицинского образования позволит анализировать массивы информации
неограниченного размера, что потребует дальнейшего внедрения и совершенствования информационных систем на всех
уровнях оказания медицинской помощи. Однородность больных в работе определяли методом машинного обучения по-
средством косинусного расстояния в пространстве векторных представлений электронных медицинских карт. Экспериментна 20 случайно выбранных электронных медицинских картах больных ГБУЗ «Клинический онкологический диспансер № 1» Министерства здравоохранения Краснодарского края показал высокую эффективность алгоритма в создании кластеров клинически схожих пациентов. -
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.
-
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. -
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. -
2018 № ИТМ pdf Преодоление проблемы «черного ящика» при использовании методов машинного обучения в медицине
Предложен интерфейс прогноза в машинном обучении, с использованием метода оптимально достоверных разбиений (ОДР) и модифицированного метода статистически взвешенных синдромов (МСВС). Интерфейс позволяет преодолеть проблему «черного ящика»: иллюстрировать процесс прогнозирования с помощью диаграмм рассеяния, ROC-кривой и ранжирования набора информативных показателей с показом расположения исследуемого объекта.
-
2018 № 4 Прогнозирование стадии распространения заболевания у пациентов, страдающих аденомиозом, нейронными сетями
Аденомиоз – весьма распространенное гинекологическое заболевание, сопровождающееся, как правило, бесплодием. Есть проблемы с диагностикой заболевания, так как болезнь имеет различные клинические проявления, в том числе зачастую болезнь протекает бессимптомно. Из-за сложности диагностики по разным источникам его частота колеблется от 5% до 70%. Не менее сложной проблемой является определение стадии заболевания, определяющей тактику и стратегию лечения больных. По выборке из 84 больных, страдающих аденомиозом, посредством коэффициента ранговой корреляции Спирмена были выявлены показатели, взаимосвязанные со стадиями заболевания. В работе рассмотрено применение эвристической процедуры нейронные сети для прогнозирования по лабораторно-клиническим показателям стадии аденомиоза. Разработано программное приложение, которое позволяет предсказать стадию аденомиоза, не прибегая к гистерэктомии. Методологическая ценность работы в том, что на примере распространенного гинекологического заболевания показано, что применение современных средств анализа данных открывает широкие возможности решения прогностических задач определения принадлежности больных к определенным классам по стадиям или видам заболевания. Программные приложения, автоматизирующие процедуру классификации больных, могут лечь в основу различных систем поддержки принятия врачебных решений.
-
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. -
2017 № 4 Контроль выполнения требований по профилактике внутрибольничных осложнений с помощью медицинской информационной системы
В работе представлены результаты использования медицинскоий информационной системы (МИС) больницы для анализа выполнения требований стандартных операционных процедур (СОПов) по профилактике внутрибольничных осложнений (ВБО). В электронную историю болезни были введены шаблоны по регистрации индивидуального риска развития ВБО (венозных тромбозов, падений и пролежней) и назначений соответствующих профилактических услуг. Выгружаемые из МИС данные используются для расчета индикаторов процесса и результата профилактики ВБО, а также для их соотнесения со случаями ВБО. Этот подход позволяет наладить эффективный контроль за выполнением требований органов государственного контроля по обеспечению качества и безопасности медицинской помощи.
-
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.
-
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
-
2017 № 2 Определение факторов риска сердечно-сосудистой летальности в учреждениях уголовно-исполнительной системы с использованием методов машинного обучения.
В статье представлены результаты первого клинико-эпидемиологического исследования по выявлению факторов риска летального исхода сердечно-сосудистых заболеваниий у пациентов лечебных учреждениий уголовно- исполнительной системы. В исследовании применялись методы машинного обучения, основанные на построении оптимальных разбиениий признакового пространства, и методы распознавания. Это с высокой достоверностью позволило определить предиктивные факторы госпитальной летальности кардиологического больного, которыми стали: употребление крепкого тонизирующего напитка «чифир», возраст, вес, рост, систолическое и диастолическое артериальное давление, уровень гемоглобина, частота сердечных сокращениий, фракция выброса левого желудочка, конечный систолический и конечный диастолическийй размер левого желудочка, наличие артериальной гипертензии и число судимостей.