Выпуск №1, 2022 - стр. 42-57

Искусственный интеллект в диагностике и лечении мочекаменной болезни DOI: 10.29188/2712-9217-2022-8-1-42-57

Для цитирования: Пранович А.А., Исмаилов А.К., Карельская Н.А., Костин А.А., Кармазановский Г.Г., Грицкевич А.А. Искусственный интеллект в диагностике и лечении мочекаменной болезни. Российский журнал телемедицины и электронного здравоохранения 2022;8(1)42-57; https://doi.org/10.29188/2712-9217-2022-8-1-42-57
  • Пранович А.А. – к.б.н., старший научный сотрудник ФГБУ «НМИЦ хирургии им. А.В. Вишневского» Минздрава России; Москва, Россия; РИНЦ Author ID 1119939
  • Исмаилов А.К. – аспирант кафедры урологии и оперативной нефрологии с курсом онкоурологии Медицинского института ФГАОУ ВО «Российский университет дружбы народов»; Москва, Россия
  • Карельская Н.А. – к.м.н., старший научный сотрудник отделения рентгенологии и магнитно-резонансных исследований ФГБУ «НМИЦ хирургии им. А.В. Вишневского» Минздрава России; Москва, Россия; РИНЦ Author ID 899039
  • Костин А.А. – д.м.н., профессор, член-корреспондент РАН, первый проректор – проректор по научной работе, заведующий кафедрой урологии и оперативной нефрологии с курсом онкоурологии Медицинского института ФГАОУ ВО «Российский университет дружбы народов»; Москва, Россия; РИНЦ Author ID 193454
  • Кармазановский Г.Г. – д.м.н., профессор, член-корреспондент РАН, заведующий отделом лучевых методов диагностики и лечения ФГБУ «НМИЦ хирургии им. А.В. Вишневского» Минздрава России; Москва, Россия; РИНЦ Author ID 338639
  • Грицкевич А.А. – д.м.н., заведующий отделением урологии ФГБУ «НМИЦ хирургии им. А.В. Вишневского» Минздрава России, профессор кафедры урологии и оперативной нефрологии с курсом онкоурологии Медицинского института ФГАОУ ВО «Российский университет дружбы народов»; Москва, Россия; РИНЦ Author ID 816947
268

По мере того как мы вступаем в эру «больших данных», информация о том или ином заболевании будет становится доступнее. Обработка и анализ большого объема медицинских данных для быстрого принятия решений по тактике лечения становятся невозможными без использования информационных технологий и подходов в области интеллектуального анализа данных.

За последнее десятилетие произошел быстрый переход к анализу, лечению и мониторингу случаев мочекаменной болезни (МКБ) с использованием методов интеллектуального анализа (нейронные сети, искусственный интеллект, машинное обучение) для создания персонифицированных моделей с целью определения конфигурации камня по изображениям компьютерной томографии (КТ) и ультразвукового исследования (УЗИ), определения химического состава камня по данным КТ, прогнозирования риска развития МКБ на основе данных генетики и образа жизни, спонтанного отхождения камня, прогнозирования результатов эндоурологических операций и т.д.

В большинстве современных исследований применяются упрощенные методы интеллектуального анализа, при этом для обучения используется малая выборка данных, что снижает чувствительность и специфичность методов и ограничивает результаты в качестве рекомендации к широкому применению. Поэтому усложнение архитектуры, с использованием методов многослойных искусственных нейронных сетей и сверточных нейронных сетей, а также с использованием больших данных на совокупности разнородных показателей, позволит существенно улучшить прогностическую точность моделей и даст возможность применять их в реальной клинической практике.

Прикрепленный файлРазмер
Скачать файл5.81 Мб
мочекаменная болезнь; компьютерная томография; ультразвуковой диагностика; искусственный интеллект; нейронная сеть; машинное обучение; CNN; ANN; ML

Я хочу получать электронную версию журнала


Мы в соцсетях

  • VK