ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ДИАГНОСТИЧЕСКИХ МЕТОДОВ В ОРГАНИЗАЦИЯХ ЗДРАВООХРАНЕНИЯ ПОСРЕДСТВОМ ИНСТРУМЕНТОВ ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА ДАННЫХ

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ АНАЛИЗА ДАННЫХ В ИНФОРМАЦИОННЫХ СИСТЕМАХ ЗДРАВООХРАНЕНИЯ 7
1.1 Подходы к применению искусственного интеллекта в здравоохранении 7
1.2 Двойное прочтение рентгенологических исследований 13
1.3 Применение искусственного интеллекта в скрининге 18
1.4 Применение методов нейронных сетей в проведении двойного прочтения 20
2. АНАЛИЗ ПРЕДМЕТНОЙ ОБЛАСТИ 24
2.1 Характеристика предметной области 24
2.2 Процесс компьютерной диагностики в маммографии на основе ИИ 26
2.3 Алгоритмы искусственного интеллекта на основе глубокого обучения 29
2.4 Применение сверточной нейронной сети для анализа изображений молочной железы 33
2.5 Подготовка данных для обучения нейронной сети 37
3. РАЗРАБОТКА МЕТОДИКИ АНАЛИЗА ДАННЫХ МЕДИЦИНСКОГО ИССЛЕДОВАНИЯ 44
3.1 Архитектура нейронной сети 44
3.2 Процесс обучения нейронной сети 47
3.3 Аппробация данных 50
3.4 Результаты исследования 57
3.5 Экономическая эффективность 63
СПИСОК ИНФОРМАЦИОННЫХ ИСТОЧНИКОВ 68

Весь текст будет доступен после покупки

Во всем мире цифровые технологии являются приоритетом развития сферы здравоохранения. Цифровизация обеспечивает доступность и качество услуг без увеличения затрат на здравоохранение. Данный процесс в России идет медленно, о чем свидетельствует низкий уровень использования средств цифровизации в медицинских учреждениях на региональном уровне, а также отставание в использовании и внедрении новых технологий и сервисов, улучшающих качество медицинских услуг.
Качественный анализ медицинской информации, вопросы сбора информации, ее передача и хранение, вопросы репрезентативности, оперативности и достоверности информации на всех уровнях могут быть качественно решены посредством использования современных информационных технологий.
Многие европейские страны полагаются на двойное считывание для достижения высоких показателей выявления рака при сохранении низких показателей отзыва. Однако высокие требования к ресурсам, предъявляемые двойным считыванием, приводят к устойчивому давлению в условиях нехватки рабочей силы. Система искусственного интеллекта, выполняющая функции надежного и прочного независимого считывания при скрининге рака молочной железы, может помочь удовлетворить как клинические, так и социально-экономические потребности и сделать высококачественный скрининг более доступным.

Весь текст будет доступен после покупки

1. ТЕОРЕТИЧЕСКИЕ ОСНОВЫ АНАЛИЗА ДАННЫХ В ИНФОРМАЦИОННЫХ СИСТЕМАХ ЗДРАВООХРАНЕНИЯ


1.1 Подходы к применению искусственного интеллекта в здравоохранении

В настоящее время все более актуальной становится задача обработки и анализа больших объемов информации для решения лечебно- диагностических задач и задач управления. В связи с постоянным совершенствованием процесса диагностики и лечения, а также повышением требований к оперативности и доступности информации объем информационных потоков в организации увеличивается, а ее структура все более усложняется.
Эффективное решение задач, связанных с вводом, обработкой и архивированием медицинской информации, практическим управлением информационными потоками, краткосрочным и долгосрочным планированием, статистическим и финансовым анализом требует использования медицинских информационных систем (МИС), позволяющих обрабатывать всю нужную информацию, следуя привычному движению лечения пациента: поступление – диагностика – лечение – реабилитация – наблюдение [12].
Всестороннее изучение аспектов работы отрасли здравоохранения, а также процесса работы медицинских учреждений в регионах, выявило острую проблему информационной интеграции, в основном связанной с недостаточной автоматизацией процессов электронного документооборота на различных уровнях. Постепенно идет процесс выхода из ручного труда, выстраиваются процессы выдачи и оформления больничных листов, электронных рецептов, автоматизации работы регистратуры, налаживаются связи между информационными системами [9].

Весь текст будет доступен после покупки

1. Бедрина Т. О проекте «Создания единого цифрового контура на основе ЕГИСЗ». URL: https://docplayer.ru/147170461-O-proekte-sozdaniya- edinogo-cifrovogo-kontura-na-osnove-egisz.html. (дата обращения: 10.05.2025 г.)
2. Богдан И. В., Гурылина М. В., Чистякова Д. П. Цифровые информационные системы московского здравоохранения: взгляд населения //Московская медицина. – 2020. – No. 4. – С. 18-20.
3. Васильев Ю. А. и др. Компьютерное зрение в лучевои? диагностике: первыи? этап Московского эксперимента //Издательские решения. – 2023.
4. Вергазова Э. Бережливая поликлиника: неожиданные проблемы и как их решить //Заместитель главного врача. – 2021. – No. 3. – С. 14-25.
5. Гусев А. В. Перспективы дальнеи?шего развития службы медицинскои? статистики путем перехода к управлению на основе данных //Врач и информационные технологии. – 2021. – No. 2. – С. 6-22.
6. Заболотная Н. В., Гатилова И. Н., Заболотныи? А. Т. Цифровизация здравоохранения: достижения и перспективы развития //Экономика. Информатика. – 2020. – Т. 47. – No. 2. – С. 380-389.
7. Панасенко С. В., Мкртчян В. С. Перспективы использования неи?ротехнологии? в различных отраслях цифровои? экономики //России?ское предпринимательство. – 2021. – Т. 19. – No. 11. – С. 3269-3278.
8. Паспорт национальнои? программы «Цифровая экономика России?скои? Федерации» (утв. президиумом Совета при Президенте России?скои? Федерации по стратегическому развитию и национальным проектам 24 декабря 2018 г. N 16). URL: https://base.garant.ru/72190282/ (дата обращения: 10.05.2025г.).
9. Постановление «О единои? государственнои? информационнои? системе в сфере здравоохранения» (внес. изм. 02.02.2019 г.) от 05.05.2018 г. No 68555. URL: http://docs.cntd.ru/document/ 557308809 (дата обращения 15.05.2025 г.).
10. Патент РФ на изобретение No 2022617324/05.04.2022. Бюл. No 4. Морозов С.П., Андреи?ченко А.Е., Четвериков С.Ф., и др. Веб-инструмент для выполнения ROC-анализа результатов диагностических тестов. Режим доступа: https:// www.elibrary.ru/item.asp?id=48373757. (дата обращения: 10.05.2025)

Весь текст будет доступен после покупки