Russian
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.