Вход
Закрыть
Вход
Войти, используя:
Зарегистрироваться Экспертная сеть по вопросам государственного управления

Редакция

Михаил Эльянов

Бизнес21 Марта, 18:45

Полина Давлетшина

Наука и образование15 Марта, 16:18

Борис Зингерман

Наука и образование6 Октября, 2016 - 07:43
Все редакторы (3) →

Эксперты

Валерий Пулит

Разное24 Марта, 15:00

Наталья Храмцовская

Бизнес24 Марта, 14:24

Шамиль Абушаев

Разное11 Марта, 11:17

Артур Латыпов

Наука и образование6 Марта, 22:24

Андрей Столбов

Наука и образование4 Марта, 15:26
Все эксперты (18) →

Активные участники

Михаил Смирнов

Государство24 Марта, 15:03

Владислав Блюм

Наука и образование23 Марта, 19:00

Владимир Громов

Бизнес13 Марта, 11:59

Евгений Николаев

Бизнес4 Марта, 14:02

Михаил Заглов

Разное3 Марта, 09:37
Активные участники (75) →
Подтверждение удаления
Отменить
Удалить

Интернет-центры поддержки решений пациентов и врачей

Согласно данным Национального стратегического плана США в области искусственного интеллекта разработка эффективных методов взаимодействий между людьми и системами искусственного интеллекта способно радикально повысить точность дешифровки диагностических изображений [1]:

 «ARTIFICIAL INTELLIGENCE FOR COMPUTATIONAL PATHOLOGY

Image interpretation plays a central role in the pathologic diagnosis of cancer. Since the late 19th century, the primary tool used by pathologists to make definitive cancer diagnoses is the microscope. Pathologists diagnose cancer by manually examining stained sections of cancer tissues to determine the cancer subtype. Pathologic diagnosis using conventional methods is laborintensive with poor reproducibility and quality concerns. New approaches use fundamental AI research to build tools to make pathologic analysis more efficient, accurate, and predictive. In the 2016 Camelyon Grand Challenge for metastatic cancer detection [69], the top-performing entry in the competition was an AI-based computational system that achieved an error rate of 7.5% [70]. A pathologist reviewing the same set of evaluation images achieved an error rate of 3.5%. Combining the predictions of the AI system with the pathologist lowered the error rate to down to 0.5%, representing an 85% reduction in error (see image) [71]. This example illustrates how fundamental research in AI can drive the development of high performing computational systems that offer great potential for making pathological diagnoses more efficient and more accurate.»

Если исходить из того, что в основе диагностики здоровья человека дешифровка различных его изображений, характеризующих физическое и психическое состояние, то кибернетические (человеко-машинные) технологии дешифровки диагностических изображений пациентов способны повысить и качество и доступность медицинской помощи за счет внедрения в практическое здравоохранение телемедицинских технологий [2]. Ведь при кибернетической дешифровке диагностических изображений пациентов появляются возможности [3]:

- «многократного масштабирования, как контрастной чувствительности, так и градационной разрешающей способности диагностического комплекса «пациент - система медицинской визуализации - врач» за счёт свойств зрения врача - пространства цветовосприятия, пространственных и временных характеристик зрительного обнаружения;

- создания единой и стандартизованной базы данных и знаний по визуальным образам диагностических признаков «нормы» и различных патологий, как для визуальной, так и для машинной дешифровки различных изображений пациентов;

- автоматической помощи врачу в процессе визуальной дешифровки изображений пациентов похожими случаями из машинной базы данных и знаний («параллельное чтение»);

- дополнения машинной базы данных и знаний архивом данных и знаниями врача (машинное обучение) по характеру изменения визуальных образов диагностических признаков от «нормы» до различных патологий;

- эффективного взаимодействия человеческого и машинного (искусственного) интеллекта в зависимости от характеристик зрительного обнаружения и квалификации врача, диагностических признаков «нормы» и различных патологий, требуемых времени и точности решения диагностических задач».

В России повышение качества и доступности медицинской и телемедицинской помощи возможно на основе кибернетических Интернет-центров интеллектуальной поддержки решений пациентов и врачей, обеспечивающих дистанционное выявление, распознавание и последующий анализ изменений во времени первых признаков ранних стадий патологий в различных диагностических изображениях пациентов [4].

Ссылки:

1. THE NATIONAL ARTIFICIAL INTELLIGENCE RESEARCH AND DEVELOPMENT STRATEGIC PLAN. October 13, 2016 - https://www.whitehouse.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/national_ai_rd_strategic_plan.pdf

2. Николаев Е.И. Дешифровка медицинских изображений: проблемы и пути повышения эффективности ранней диагностики. Труды IX Всероссийской научно-практической конференции с международным участием «Здоровье - основа человеческого потенциала: проблемы и пути их решения» (20-22 ноября 2014 г., Санкт-Петербург) . Том 9, часть 2, с. 473 – 475.

3. Сайт проекта «Интернет-центры поддержки решений пациентов и врачей» - http://www.medtelekom.ru/

4. Аннотация проекта «Интернет-центры поддержки решений пациентов и врачей» на экспертной площадке РОЦИТ «Голос Рунета» - http://www.community.rocit.ru/forum/discussions/39


Комментарии (1)

Николай Стасов, Разное 

Спасибо за публикацию. Надеюсь будет интересна врачам различного направления.