Искусственный интеллект как инструмент снижения смертности от сердечно-сосудистых заболеваний (на примере Новосибирской области)
ВВЕДЕНИЕ
В настоящее время сердечно-сосудистые заболевания являются одной из основных причин из всех причин смертности. Одним из факторов смертности от заболеваний системы кровообращения является несвоевременная диагностика наличия заболеваний сердца, а также отсутствие централизованной системы мониторинга за пациентами с заболеваниями сердечно-сосудистой системы и систем кровообращения.
Так согласно официальным статистическим данным с портала Our World in Data [1] только за 2019 год в мире от заболеваний сердечно-сосудистой системы умерло более 18 млн. человек.
В рейтинге стран по численности граждан, имеющих сердечно-сосудистые заболевания, Российская Федерация находится в одной из основных зон риска, где нередкостью является летальный исход. Одной из причин является отсутствие единой системы по борьбе с заболеваниями сердца.
Нарушение ритма сердца – одна из наиболее сложных и актуальных проблем кардиологии. Аритмия отягощает течение всех сердечно-сосудистых заболевани
СОДЕРЖАНИЕ
Введение 3
1 Современное состояние проблемы исследования смертности от сердечно-сосудистых заболеваний 10
1.1 Анализ проблемы смертности от заболеваний сердечно-сосудистой системы 10
1.2 Организационно-функциональная характеристика процесса снятия и расшифровки кардиограммы у пациентов с сердечно-сосудистыми заболеваниями на примере Новосибирской области 17
1.3 Анализ опыта внедрения платформенных решений в кардиологии 23
1.4 Направления применения технологий искусственного интеллекта в современной кардиологии 29
Вывод 34
2 Выбор методологии и инструментария создания информационной системы расшифровки кардиограмм при помощи технологий искусственного интеллекта 37
2.1 Модели и методы искусственного интеллекта, применяемые при расшифровке кардиограмм 37
2.2 Построение бизнес-процесса расшифровки кардиограммы с использованием технологий искусственного интеллекта 43
2.3 Особенности обучения нейронной сети для расшифровки кардиограмм 47
Вывод 53
3 Конфигурация кардиологической системы с применением технологий искусственного интеллекта при расшифровке кардиограмм у пациентов в сердечно-сосудистыми заболеваниями 54
3.1 Основные компоненты информационной системы для сбора, хранения, обработки и передачи результатов проведенных электрокардиографических исследований. Описание технических требований 54
3.2 Разработка архитектуры модуля искусственного интеллекта по расшифровке кадиологических исследований 60
3.3 Разработка макета мобильного приложения для пациентов 65
3.4 Описание бизнес-моделей применения системы 79
3.5 Практическое применение системы для сбора, хранения, обработки и передачи результатов проведенных электрокардиографических исследований 81
Вывод 84
Заключение 86
Список использованных источников 92
Список использованных источников
1. Our World in Data [Электронный ресурс]. – URL: https://ourworldindata.org/ (дата обращения: 10.01.2023).
2. Алексеенко С. Н., Дробот Е. В. Профилактика заболеваний: учебное пособие – Москва: Академия Естествознания, 2015. – 449 с. – URL: https://monographies.ru/ru/book/section?id=9649 (дата обращения: 12.01.2023). – Текст: электронный.
3. О национальных целях и стратегических задачах развития российской федерации на период до 2024 года: Указ Президента Российской Федерации от 07 мая 2018 № 204: [ред. от 21.07.2020]//Собрание законодательства Российской Федерации. – 2018. – № 20. – Ст. 2817.
4. Федеральная служба государственной статистики [Электронный ресурс]. – URL: https://rosstat.gov.ru/folder/12781(дата обращения: 13.01.2023).
5. Исследования и данные для достижения прогресса в решении крупнейших мировых проблем [Электронный ресурс]. – URL: https://ourworldindata.org/ (дата обращения: 13.01.2023).
6. Смертность населения по основным классам причин смерти по субъектам российской федерации: Федеральная служба государственной статистики [Электронный ресурс]. – URL: https://rosstat.gov.ru/storage/mediabank/EDN_2021.xlsx (дата обращения: 20.01.2023).
7. Территориальный орган Федеральной службы государственной статистики по Новосибирской области [Электронный ресурс]. – URL: ttps://novosibstat.gks.ru/ofstatistics (дата обращения: 22.01.2023).
8. Рекомендации Европейского общества кардиологов по профилактике сердечно-сосудистых заболеваний в клинической практике 2021 г./ Ф.Л. Дж. Виссерен и др.// Виссерен Ф.Л. Дж КАРДИОЛОГИЯ: новости, мнения, обучение. – 2022. – Т.26. – № 1 (28). – С. 9-16.
9. Симерзин В.В., Гарькина С.В., Гаглоева И.В. Современная концепция профилактики сердечно-сосудистых заболеваний // Вестник СамГУ. 2007. №9-1. URL: https://cyberleninka.ru/article/n/sovremennaya-kontseptsiya-profilaktiki-serdechno-sosudistyh-zabolevaniy (дата обращения: 19.06.2023).
10. Лупанов В. П. Современные функциональные методы исследования сердечно-сосудистой системы в диагностике, оценке тяжести и прогнозе больных ишемической болезнью сердца // КВТиП. 2011. №5. URL: https://cyberleninka.ru/article/n/sovremennye-funktsionalnye-metody-issledovaniya-serdechno-sosudistoy-sistemy-v-diagnostike-otsenke-tyazhesti-i-prognoze-bolnyh (дата обращения: 20.01.2023).
11. Большая медицинская энциклопедия [Электронный ресурс]. – URL: https://big_medicine.academic.ru/8225/ЭЛЕКТРОКАРДИОГРАФИЯ(дата обращения: 20.01.2023).
12. Методические рекомендации
Диагноз может быть представлен в виде словесной формулировки или выделенной на снимке патологической области. После этого размеченный датасет обрабатывается алгоритмами машинного обучения.
Но не все информация изначально понятна искусственному интеллекту. Медицинская документация часто представляет собой неструктурированные данные. Для их распознавания используется обработка естественного языка.
Алгоритм работы сервиса:
Врач загружает сведения электронной медицинской карты или анамнеза.
Искусственный интеллект сравнивает входные данные с уже имеющимися анамнезами с определённым диагнозом.
Результаты работы алгоритмов — это 3 наиболее вероятных диагноза, соответствующих номенклатуре МКБ-10.
Преимущества:
оптимизация трудовых ресурсов;
возможность обрабатывать большие массивы данных;
исключение ошибок по невнимательности или неосторожности врача.
Недостатки:
сложн