В.В. Заяц1, В.В. Даньшин2, Р.В. Колесников3

1,3 ФГАУ «Ресурсный центр универсального дизайна и реабилитационных технологий»
Минпромторга России (Москва, Россия)

2 Национальный исследовательский ядерный университет МИФИ (Москва, Россия)

Постановка проблемы. Направление точной диагностики на основе анализа медицинских данных, прогнозирование динамики развития заболеваний пациентов по лабораторным анализам является актуальной задачей клинической медицины. В этом процессе используются различные детерминированные и вероятностные методы и алгоритмы. В числе вероятностных подходов важное место занимают инструменты на основе технологий искусственного интеллекта (ИИ), а также комбинаторные методы. Инструменты медицинского ИИ имеют такие достоинства, как скорость обработки «больших» данных и оперативность получения результата, но имеют и свои недостатки, к которым относится слабая интерпретируемость результатов и системная ошибка до 10 %. Альтернативным подходом, лишенным этих недостатков, может быть совместное использование методов прогнозирования временны́х рядов и комбинаторики для диагностики заболеваний на основе анализов пациентов. Поэтому важным является вопрос обоснования первичных технических требований к сервису сбора и обработки данных о динамике развития заболеваний пациентов.

Цель работы – обоснование первичных минимальных технических требований к комплексу средств прогнозирования болезней на основе анализа временны́х рядов и использования классических и современных комбинаторных методов.

Результаты. Обоснованы предварительные технические требования к перспективному облику отечественного комплекса средств прогнозирования болезней в здравоохранении.

Практическая значимость. Сформированный набор требований может быть использован при разработке и согласовании технического задания на выполнение НИОКР по тематике разработки, создания и внедрения перспективного отечественного комплекса прогнозирования течения отдельных заболеваний на основе анализов крови, КТ и МРТ.

Заяц В.В., Даньшин В.В., Колесников Р.В. Использование методов комбинаторики и анализа временны́х рядов для прогнозирования динамики заболеваний на клинических данных // Биомедицинская радиоэлектроника. 2023. T. 26. № 1. С. 18-26. DOI: https://doi.org/10.18127/j15604136-202301-02

1. Литтл Р.Дж.А., Рубин Д.Б. Статистический анализ данных с пропусками. М.: Букинист. 1991. 336 с.
2. Care Mentor AI официальный сайт - URL: https://carementor.ru/research (дата обращения 23.06.2022).
3. Третье мнение выскажет искусственный интеллект - URL: https://clck.ru/QEUFG (дата обращения 23.06.2022).
4. Botkin.AI – искусственный интеллект на службе врачей-рентгенологов и онкологов - URL: https://clck.ru/QEWcq (дата обращения 23.06.2022).
5. Поручение Заместителя Председателя Правительства Российской Федерации Ю.И. Борисова от 24 октября 2019 г. № ЮБ-П7-9203.
6. Приказ Минпромторга России и ФМБА России от 04 июня 2020 года № 1805/1663 «Об организации совместной деятельности по развитию отечественных промышленных технологий в областях искусственного интеллекта и медицинской техники» ФГАУ «РЦУД и РТ».
7. Перспективная программа стандартизации по приоритетному направлению «Искусственный интеллект» на период 2021-2024 гг. Утверждена заместителем Министра экономического развития РФ 22.12.2020.
8. Летягин А.Ю., Амелина Е.В., Тучинов Б.Н. и др. Классификация опухолей головного мозга, используя методы искусственного интеллекта на основе МРТ. III Международная научно-практическая конференция «Бородинские чтения». Новосибирский ГУ, 22.03.2022 (https://www.youtube.com/watch?v=k44MmOK1rvk).
9. Оселедец И. Вычислительные методы в разработке искусственного интеллекта, 02.04.2018. (https://www.youtube.com/ watch?v=HOlfunVaehY)
10. Шахгельдян К.И. Методы искусственного интеллекта в клинической медицине: реальность и перспективы. Научный доклад, 29.11.2021 (https://www.youtube.com/watch?v=PuIQqKIcIHM).
11. Параскевопуло К.М., Наркевич А.Н., Виноградов К.А. Применение сверточных нейронных сетей для распознавания злокачественных новообразований на цифровых изображениях кожи // Технологии живых систем. 2021. Т. 18. № 2. С. 31–38.