Статья: ЭКСПЕРИМЕНТАЛЬНЫЙ АНАЛИЗ ТОЧНОСТИ ИДЕНТИФИКАЦИИ ЦЕФАЛОМЕТРИЧЕСКИХ ОРИЕНТИРОВ НА БОКОВЫХ ТЕЛЕРЕНТГЕНОГРАММАХ (2025)

Актуальность. Современные алгоритмы искусственного интеллекта позволяют получать новые знания о потенциальных факторах риска и моделировать инструменты, прогнозирующие хроническое течение заболеваний почек у детей. Управление течением хронической болезни почек (ХБП) основано на использовании инструментов, помогающих врачу своевременно прогнозировать переход от острого заболевания почек к хроническому и своевременно направить ребенка к нефрологу.

Цель исследования: разработать графический инструмент, позволяющий прогнозировать хроническую болезнь почек у детей.

Материалы и методы. Исходными данными для разработки графического инструмента (номограммы) послужили собственные результаты, опубликованные ранее. Из полученных предикторов ХБП у детей (протеинурия, гематурия, полиморфный маркер С598Т гена IL4) построена прогностическая модель высокого качества (ROC-AUC>90%).

Результаты. Построенная номограмма обладает высокой прогностической ценностью – с точностью 98,9% прогнозировать ХБП у детей.

Заключение: Разработанную номограмму, можно использовать в качестве графического помощника врача для прогнозирования хронического течения заболевания у пациентов с острым заболеванием почек.

Цель: настоящее исследование направлено на разработку клинической классификации программного обеспечения (ПО) на основе искусственного интеллекта (ИИ) в области лучевой диагностики.

Материалы и методы: для проведения исследования был проведён всесторонний анализ доступной информации о ПО на основе ИИ в сфере лучевой диагностики с использованием отечественных и зарубежных баз данных. В процессе анализа были выявлены ключевые аспекты, включая клиническую применимость ПО на основе ИИ, диагностическую точность медицинских изделий с использованием ИИ в лучевой диагностике.

Результаты: была разработана клиническая классификация ПО на основе ИИ в области лучевой диагностики. Кроме того, было выявлено важное замечание относительно представления метрик диагностической точности ПО на основе ИИ. В результате этого предложенная классификация была расширена и дополнена определением уровня представления метрик диагностической точности в зависимости от клинической классификации.

Заключение: на основе проведенного исследования разработана клиническая классификация ПО на основе ИИ, что обеспечивает единый подход к представлению данных о диагностической точности со стороны разработчиков. Данный подход позволяет повысить прозрачность и сравнимость информации о различных ПО на основе ИИ в медицинской практике, что способствует повышению эффективности и безопасности использования ПО на основе ИИ в медицинской практике. Результаты настоящего исследования имеют потенциал для масштабирования на другие области применения ИИ и могут быть использованы для совершенствования системы регулирования качества медицинских изделий с применением ИИ.

В настоящее время искусственный интеллект является одной из наиболее быстро развивающихся областей человеческого знания. Данная тематика имеет большое значение для науки и практики, в целом, и для медицины, в частности. Применение технологий искусственного интеллекта к сегментации зон головного мозга и выявлению аномальных участков особенно востребовано и перспективно в области нейрофизиологии, нейрохирургии, психиатрии, клинической психологии и других медицинских дисциплин. В данной работе проведено исследование существующих методов автоматизированной сегментации и анализа данных о структуре и функциональном состоянии головного мозга, а также метрик, применяемых для оценки эффективности данного подхода.

Цель: выявление нерешённых проблем и поиск тенденций в разработке методов сегментации и выявления аномальных участков головного мозга, а также определение наиболее эффективных методов и способов их улучшения.

Материалы и методы. Работа выполнена с использованием методологии Systematic Mapping Study (SMS). Данное исследование ограничивается предметной областью, связанной с сегментацией зон головного мозга и определением в нём аномальных участков.

Результаты. Основные результаты исследования представлены в виде классификационных таблиц и ментальной карты. Показано, что целью рассмотренных исследований является повышение точности при сегментировании зон головного мозга и нахождении аномальных участков. Такая метрика, как время обработки данных, применяется для оценки эффективности метода при малом количестве исследований, а в большинстве случаев вообще не рассматривается. При этом скорость обработки изображений в зависимости от применяемого метода измеряется минутами, что существенно ограничивает возможность использования данного подхода в экстренных ситуациях, в том числе при угрозе жизни человека.

Заключение. Для анализа данных о структуре и функциональном состоянии головного мозга в режиме реального времени требуется модификация уже разработанных методов энцефальной сегментации, а также разработка новых, более эффективных подходов. При этом скорость обработки данных должна быть соизмерима со временем вынесения срочного заключения о состоянии головного мозга человека.

Актуальность. Необходимость эффективного управления здравоохранением требует совершенствования медицинской статистики. Текущие методы сбора данных ограничены и неточны. Стратегия цифровой трансформации до 2030 года нацелена на создание безопасной и надежной информационной инфраструктуры здравоохранения с использованием отечественных технологий.

Цель исследования: провести анализ существующих методов сбора и анализа медицинской статистики в различных странах.

Материалы и методы. Для получения информации выполнен поиск релевантных исследований, опубликованных в электронных базах eLibrary, Refseek, Virtual Learning Resources Center, Yandex и Googlе. Стратегию поиска составляли такие ключевые слова и словосочетания на русском и английском языках, как «статистика», «сбор», «анализ».

Результаты. Исследование выявило ключевые методы развития сбора медицинской статистики в России и мире, фокусируясь на точности и полноте данных. Анализировались принципы конфиденциальности, охвата, качества, вычислимости, регулярности и репрезентативности, а также методы сбора: опросы, непрерывный сбор данных и автоматизированная передача информации.

Выводы. Уникальность российской системы статистического учета в здравоохранении заключается в сплошной регистрации каждого случая заболевания в медицинских организациях. Внедрение современных цифровых решений, основанных на первичных данных, соответствует основным принципам статистики. Это позволит упростить работу с информацией, повысить ее точность и доступность для оперативного реагирования на изменения в сфере здравоохранения.

Анализу подвергнуты данные литературы, представленные в открытых медицинских источниках, об использовании возможностей телемедицины в гематологии. Телемедицинская поддержка представляет собой эффективный способ ведения и мониторинга пациентов с целью минимизации визитов в лечебные учреждения в тех случаях, когда этого можно избежать. Изучены опыт и перспективы данного вида взаимодействия с точки зрения удовлетворенности пациентов и эффективности мониторинга различных гематологических заболеваний. Несмотря на малое количество результатов с высокой доказательностью, проведенные исследования демонстрируют оптимистичную картину использования телемедицины в реальной клинической практике, что ведет к необходимости более масштабных и качественных исследований для внедрения различных форм телемониторинга в рутинное наблюдение за гематологическими пациентами.

Использование квантовых технологий открывает новые возможности для разработки лекарственных средств, улучшения качества диагностики, защиты медицинской информации и персональных данных, повышения эффективности принятия врачебных решений. Целью исследования являлось изучение перспектив развития и применения квантовых технологий в сфере здравоохранения. Для достижения цели выполнен анализ отдельных кластеров квантовых технологий, имеющих максимальные перспективы коммерческого применения в здравоохранении; построен патентный ландшафт рассматриваемой технологической области; подготовлен обзор созданных на основе квантовых технологий рыночных продуктов для здравоохранения. Показано, что максимальное развитие в сфере здравоохранения получили квантовые сенсоры, квантовые вычисления и квантово-устойчивые решения кибербезопасности. Количество созданных технических решений в рассматриваемой технологической области, получивших патентную охрану, составляет более 6,5 тысяч, из которых 3,5 тысячи поддерживаются.

В качестве ключевых бенефициаров использования квантовых технологий в здравоохранении предлагается рассматривать, прежде всего, фармацевтические компании и биотехнологические стартапы, которые могут сократить время моделирования и тестирования лекарств, повысить точность прогнозирования побочных эффектов лекарственных средств и взаимодействия лекарственных препаратов за счет использования квантовых вычислений, ускорить анализ больших данных и оптимизировать протоколы клинических исследований.