ЗАКЛЮЧЕНИЕ

Материалы данного учебного пособия предназначены для самостоятельного освоения студентами навыков практического применения основных концепций и методов искусственного интеллекта в медицинской области.

В пособии дано теоретическое описание процесса формирования эффективных моделей машинного обучения для решения задач в области здравоохранения. Рассмотрены основные методы обработки медицинских данных, такие как предобработка, нормализация и анализ.

Приведены примеры применения алгоритмов машинного обучения, включая линейные модели, деревья решений, градиентный бустинг и нейронные сети, для различных задач в медицинской практике. Разобраны принципы работы и варианты реализации этих алгоритмов.

Приведен краткий обзор технических и организационных аспектов внедрения искусственного интеллекта в медицинскую практику. Рассмотрены вопросы конфиденциальности и безопасности данных, а также этические аспекты применения искусственного интеллекта в здравоохранении.

Рассмотрены элементы создания и обучения моделей машинного обучения на примере решения конкретных медицинских задач. Приведены примеры структуры данных для датасетов, а также код для обработки и визуализации результатов.

Учебное пособие соответствует программе курса «Информатика. Искусственный интеллект» по направлению подготовки 33.05.01 Фармация, профиль «Фармация», и курса «Основы алгоритмизации, мировые информационные ресурсы и медико-биологическая статистика» по направлению подготовки 31.05.01 Лечебное дело.

116

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Аникуев, С.В. Информатика: курс лекций. Ч. 1 / С.В. Аникуев [и др.]. – Ставрополь: АГРУС, 2011. – 112 с.

2.Nikolenko D.A., Munister V.D., Zolkin A.L., Khvatov I.L., KarapetyanA.A. Analysis of modern computer diagnostic and measurement methods in medicine // Journal of Physics: Conference Series. II International Scientific Conference on Metrological Support of Innovative Technologies (ICMSIT II-2021)– .Krasnoyarsk, 2021. – С. 52005.

3.Золкин, А.Л. Основы алгоритмизации, мировые информационные ресурсы, медико-биологическая статистика : учебное пособие. Часть 1 / А.Л. Золкин. – Самара: Медицинский университет «Реавиз», 2022. – 165 с.

4.Золкин, А.Л. Информационно-коммуникационный ресурс в методологии обучения заочной формы высшего фармацевтического образования / А.Л. Золкин, М.С. Чистяков // Актуальные проблемы и перспективы фармацевтической науки и практики: материалы II Международной научнопрактической конференции. – Кемерово, 2022. – С. 38–41.

5.Zolkin, A.L., Munister, V.D., et al. Promising directions of information technologies applications for improving of control and measuring devices in medical industry. 2021, Journal of Physics: Conference Series 2094 (3), 032001.

6.Губернаторов А.М., Лачинина Т.А., Чистяков М.С. Высокие технологии в формировании инновационной среды в сфере здравоохранения // сборник научных трудов участников XI Международной Кондратьевской конференции «Возможные сценарии будущего России: междисциплинарный дискурс» / под редакцией В.И. Бондаренко. – М.: Межрегиональная общественная организация содействия изучению, пропаганде, научного наследия Н.Д. Кондратьева, 2020. –

С. 140–146. – DOI: 10.46855/978-5-901640-34-0-2020-140-146

7.Shamova, U. Face recognition in healthcare: general overview / U. Shamova // Languages in professional communication : сборник материалов меж-

дународной научно-практической конференции преподавателей, аспирантов и студентов, Екатеринбург, 28 мая 2020 года / ответственный редактор Л.И. Корнеева. – Екатеринбург: ООО «ИздательскийДом «Ажур», 2020. – P. 748–752.

8.Тен, В.С. Применение машинного обучения для прогнозирования в медицине / В.С. Тен, В.А. Акиньшина // Прикладная математика: современные проблемы математики, информатики и моделирования : материалы II всероссийской научно-практической конференции, Краснодар, 22–25 апреля 2020 года. – Краснодар: ФГБУ «Российское энергетическое агентство» Минэнерго

117

России Краснодарский ЦНТИ – филиал ФГБУ «РЭА» Минэнерго России, 2020. – С. 413–417.

9.Бритвина, П.В. Машинное обучение в медицине: революция диагностики, лечения и персонализации / П.В. Бритвина // Вестник науки. – 2024. – Т. 4, № 1 (70). – С. 442–444.

10.Douglas M. Machine intelligence in cardiovascular medicine // Cardiology in review. – 2020. – Vol. 28 , Iss. 2. – P. 53–64

11.Гулый, М.В. Применение алгоритмов машинного обучения к задачам

вмедицине / М.В. Гулый, В.И. Дорофеева // Естественные и гуманитарные науки в современном мире : материалы Международной научно-практической конференции, Орёл, 01–03 июня 2022 года. – Орёл: Орловский государственный университет имени И.С. Тургенева, 2022. – С. 146–151.

12.Борисов, Р.П. Анализ межгрупповых различий дооперационных непрерывных переменных у пациентов больных ИБС с возникшей послеоперационной фибрилляции предсердий / Р.П. Борисов, А.Н. Бердюгина // Актуальные научные исследования : сборник статей XI Международной научнопрактической конференции, Пенза, 05 апреля 2023 года. – Пенза: Наука и Просвещение (ИП Гуляев Г.Ю.), 2023. – С. 98–103.

13.Кривенцова, А.А. Анализ гликемических отклонений по анамнезу и анализу крови с помощью машинного обучения / А.А. Кривенцова, А.С. Трунов // Телекоммуникации и информационные технологии. – 2022. – Т. 9, № 1. – С. 17–21.

14.Фирюлина, М.А. Использование методов машинного обучения в кардиологии / М.А. Фирюлина, И.Л. Каширина // Актуальные проблемы прикладной математики, информатики и механики : сборник трудов Международной научной конференции, Воронеж, 07–09 декабря 2020 года / ФГБОУ ВО «Воронежский государственный университет». – Воронеж: Научноисследовательские публикации, 2021. – С. 1132–1141.

15.Иванов, Д.В. Сравнение различных нейронных сетей для распознава-

ния функционального состояния человека с помощью пупиллометрии / Д.В. Иванов // Advances in Science and Technology : сборник статей LIII международной научно-практической конференции, Москва, 15 июня 2023 года. – М.: Общество с ограниченной ответственностью «Актуальность.РФ», 2023. – С. 75–79 16. Мельникова, Е.В. Применение алгоритмов глубокого обучения для повышения результативности фундаментальных и прикладных наук /

Е.В. Мельникова // Наукосфера. – 2022. – № 11-2. – С. 202–208.

118

17.Свидетельство о государственной регистрации программы для ЭВМ

№2020664321 Российская Федерация. MedLabel – автоматизированный анализ медицинских протоколов : № 2020663035 : заявл. 27.10.2020 : опубл. 11.11.2020 / С.П. Морозов, А.Е. Андрейченко, Ю.С. Кирпичев [и др.] ; заявитель Государственное бюджетное учреждение здравоохранения города Москвы «Научнопрактический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы» (ГБУЗ «НПКЦ ДиТ ДЗМ»).

18.Рязанова, С.В. Российский и мировой опыт применения новых тех-

нологий искусственного интеллекта в реальной медицинской практике / С.В. Рязанова, А.А. Комков, В.П. Мазаев // Научное обозрение. Медицинские науки. – 2021. – № 6. – С. 32–40.

19.Лучинин, А.С. Выбор предикторов для моделей классификации и прогноза в медицине / А.С. Лучинин, А.В. Лянгузов // Врач и информационные технологии. – 2022. – № 3. – С. 54–67.

20.Подоплелова, Е.С. Модификация метода FMEA при помощи алгоритмов машинного обучения / Е.С. Подоплелова, И.И. Князев // Известия ЮФУ. Технические науки. – 2023. – № 6 (236). – С. 88–95.

21.Реброва, О.Ю. Расчет объема выборки для клинических испытаний систем поддержки принятия врачебных решений с бинарным откликом / О.Ю. Реброва, А.В. Гусев // Современные технологии в медицине. – 2022. – Т. 14, № 3. – С. 6–14.

22.Золотенкова, Г.В. Комплексная оценка возрастных изменений тканей

иорганов при судебно-медицинской идентификации личности : специальность 14.03.05 Судебная медицина : диссертация на соискание ученой степени доктора медицинских наук / Золотенкова Галина Вячеславовна, 2021. – 318 с.

23.Ефимцев, А.Ю. Результаты клинико-нейровизуализационного обследования интернет-зависимых лиц / Б.С. Литвинцев, В.А. Фокин, А.Д. Петров, О.С. Шемчук // Вопросы наркологии. – 2017. – № 8 (156). – С. 126–129.

24.Ефимцев, А.Ю. Транслингвальная нейростимуляция в комплексном лечении детей сцеребральным параличом в поздней резидуальной стадии / Т.С. Игнатова, А.П. Скоромец, А.Г.Труфанов и соавт. // Medline.ru. Российский биомедицинский журнал. – 2018. – Т. 19. – С. 496–517.

25.Ефимцев, А.Ю. Internet addiction: features of neuroimaging diagnosis / V. Fokin, B. Litvintcev, A. Sokolov et. al. //В сборнике: BIOIMAGING 2018 – 5th International Conference on Bioimaging, Proceedings; Part of 11th International Joint Conference on Biomedical Engineering Systems andTechnologies, BIOSTEC 2018. – 2018. – С. 120–123.

119

26.Ефимцев, А.Ю. Translingual neurostimulation in treatment of children with cerebral palsy in the late residual stage. case study / T.S. Ignatova, V.E. Kolbin, A.M. Sarana // В сборнике: BIOSIGNALS 2018 – 11th International Conference on Bio-Inspired Systems and Signal Processing,Proceedings; Part of 11th International Joint Conference on Biomedical Engineering Systems and Technologies, BIOSTEC 2018. – 2018. – С. 332–337.

27.Ефимцев, А.Ю. Магнитно-резонансная томография в диагностике неопухолевых заболеваний головного мозга / учебное пособие. Печ. СПб.: ООО

«Клиническая патофизиология» // Фокин В.А., Труфанов Г.Е., Романов Г.Г., Труфанов А.Г., Латышева А.Я., Серебрякова С.В. – 2019. – 68 с.

28.Ефимцев, А.Ю. Сравнительная характеристика нейрофункциональных изменений при хронической интоксикации психоактивными веществами / Б.С. Литвинцев, А.В. Фомичев, В.Д.Великова и соавт. // Medline.ru. Российский биомедицинский журнал. – 2019. – Т. 20. – С. 27–35.

29.Ефимцев, А.Ю. Функциональная МРТ покоя. Общие вопросы и клиническое применение / Т.А. Буккиева, Д.С. Чегин, А.Г. Левчук и соавт. // Российский электронный журнал лучевой диагностики. – 2019. – Т. 9. – № 2. – С. 150–170.

30.Чистяков, М.С. Технологии «индустрии 4.0» в поддержании долголетия и здоровьесбережении // Приоритетные направления развития спорта, туризма, образования и науки: сборник материалов международной научнопрактической конференции, Нижний Новгород, 12 ноября 2020 года. – Нижний Новгород: Национальный исследовательский Нижегородский государственный университет им. Н.И. Лобачевского, 2021. – С. 241–246.

31.Meshcheryakov R.V. Motion Planning Algorithm for continuum Robots Bending over Obstacles // III International Conference on Control in Technical Systems. Saint Petersburg, Russia: IEEE, 2019. – P. 269–272.

32.Kolpashchikov D.Yu., Danilov V.V., Laptev N.V., Skirnevskiy I.P., Manakov R.A.,Gerget O.M., Meshcheryakov R.V. Inverse Kinematics for Steerable Concentric Continuum Robots //Proceedings of 14th International Conference on Electromechanics and Robotics “Zavalishin’sReadings”. Smart Innovation, Systems and Technologies. Kursk, Russia, 2019. – № 154. – P. 89–100.

33.Danilov V.V., Skirnevskiy I.P., Manakov R.A., Kolpashchikov D.Yu., Gerget O.M.,Melgani F. Catheter detection and segmentation in volumetric ultra-

sound using SVM and GLCM // Scientific Visualization. 2018–. Vol. 10, № 4. – P. 30–39.

120

34. Yumashev A., Kozlovskaya S., Grishaeva K., Karapetyan A. The use of digital technologies for teaching dentistry. International Journal of Emerging Technologies in Learning. 2021. – V. 16, № 8. – P. 270–278.

35.Vasilyev N.V. Efficient workflow for automatic segmentation of the right heart based on 2Dechocardiography // International Journal of Cardiovascular Imaging. Springer Netherlands, 2018. – Vol. 34, № 2. – P. 1–15.

36.Yumashev A.V., Mikhailova M.V., Fomin I.V., Li J., Yang B. A New Concept for the Treatment and Rehabilitation of Patients with Pathologic Comorbidities Using Cutting-Edge Digital Technologies in Dental Orthopaedics. Eur J Dent. 2020, 14(4). – P. 533–538.

37.Eichinger S. et al. Risk assessment of recurrence in patients with unprovoked deep vein thrombosis or pulmonary embolism TheVienna prediction model/ S. Eichinger // Circulation. – 2010. – 121(14). – P.1630–1636.

38.Ройтман Е.В., Левшина Н.Ю. Тромбоз и гемостаз. Шкалы и алгоритмы/ Е. В. Ройтман // Пособие. Под ред. Е. В. Ройтмана, Н. Ю. Левшина. – 2016. – С. 17.

39.TosettoA. etal. Predicting disease recurrence in patients with previous unprovoked venous thromboembolism: a proposed prediction score (DASH) / A. Tosetto // J Thrombosis Haemostasis. – 2012. – 10(6). – P. 1019–1025.

40.Serzhantov K.A. Comparison testing of machine learning algorithms separability on Raman spectra of skin cancer / K.A. Serzhantov, O.O. Myakinin, M.G. Lisovskaya, I.A. Bratchenko, A.A. Moryatov, S.V. Kozlov, V.P. Zakharov; Proc. SPIE 11359, Biomedical Spectroscopy, Microscopy, and Imaging, – 2020.

41.Tran, B.X. Global Evolution of Research in Artificial Intelligence in Health and Medicine / B.X. Tran, G.T. Vu, G.H.Ha; Journal of Clinical Medicine– 2019.

121

Информация об авторах

Золкин Александр Леонидович, кандидат технических наук, доцент кафедры Естественнонаучных дисциплин, ЧУОО ВО «Медицинский университет «Реавиз», г. Самара.

Мунистер Вячеслав Денисович, Национальный технический университет Украины «Киевский политехнический институт имени Игоря Сикорского», г. Киев, Украина.

122