Нейросети помогут в диагностике инфаркта

«КБП», как и обещала ранее, начинает серию публикаций о разработках института искусственного интеллекта и цифровых технологий КБГУ. Сегодняшний рассказ посвящён проекту студента 4-го курса Астемира Кертбиева по созданию новой нейросетевой модели диагностики инфаркта миокарда, на которую университетом уже получен патент. 

Астемир Кертбиев совместно с группой преподавателей разработал программу, способную самостоятельно установить диагноз и даже спрогнозировать риск возникновения тяжёлых фатальных осложнений. Теперь вуз планирует предложить медицинским учреждениям республики внедрить у себя эту нейросетевую модель диагностики инфаркта миокарда, которая достаточна проста в обращении.
«Целью данного проекта являлась разработка интеллектуальной системы для диагностирования состояния пациента с болезнью инфаркта миокарда, – рассказывает студент. – Для решения задачи был использован простой математический метод автоматической классификации или регрессии. Этот популярный алгоритм машинного обучения не требует дополнительных компьютерных мощностей и доступа к платным облачным ресурсам, программу можно установить без особого труда и финансовых затрат. Для разработки были использованы язык программирования Python и популярные библиотеки для машинного обучения. Обученная модель обзавелась простым и понятным графическим интерфейсом, чтобы пользователям было легче с ней работать. База данных для обучения модели состояла из относительно небольшого количества обезличенных данных пациентов, содержащих много результатов клинических и лабораторных исследований. Уже на начальном этапе удалось добиться хорошей точности прогнозирования и диагностики, а это значит, что программа может быть использована как на практике, так и в учебных целях в качестве тренажёра. Прог-
рамма способна сократить время диагностики данного заболевания, а также помочь врачу удостовериться в точности своего диагноза, ведь в конечном итоге решения принимает именно он. Проект в будущем планируется развивать, увеличивая объём базы данных, количество и качество признаков, привлекая новые компьютерные мощности для использования более точных и современных нейросетевых моделей».
Выбор в пользу этой области научной деятельности он сделал благодаря своему научному руководителю Марии Муштафаровне Тхабисимовой, совместно с которой, начиная со второго курса, разработал несколько таких программ. Институт тесно сотрудничает с медицинской академией и её специалистами. Используя профессиональные знания медиков и их опыт в различных областях медицины, а также собственный опыт проектирования и программирования, студенты стараются разрабатывать различные прикладные программные обеспечения, которые в будущем могли бы помочь медицинским специалистам и облегчить их работу.
– Вместе с Марией Муштафаровной мы участвовали во многих международных конференциях, а также зарегистрировали несколько патентов на регистрацию программ для ЭВМ, – говорит Астемир Кертбиев. – Планирую и в будущем, параллельно со своей основной работой, развиваться в этом направлении.
На вопрос о том, почему именно это направление видится ему важным, он говорит, что интеллектуальная диагностика может помочь выявить заболевания на ранних стадиях, когда они ещё не проявляются симптомами. А это, в свою очередь, позволит начать лечение раньше и повысить шансы на успешное выздоровление. Помимо этого, интеллектуальная диагностика может автоматизировать некоторые процессы, связанные с анализом данных. 
– Интеллектуальная диагностика – это процесс использования алгоритмов и методов машинного обучения для анализа медицинских данных с целью выявления потенциальных заболеваний или состояний, требующих внимания, – объясняет автор проекта. – В основе этого подхода лежит идея о том, что компьютеры могут быть обучены распознавать паттерны в данных, которые могут указывать на наличие определённых заболеваний. Модели машинного обучения, в частности нейросети, позволяют компьютерам анализировать большие объёмы данных о пациентах, включая результаты анализов, истории болезни и изображения, выявляя потенциальные проблемы со здоровьем.
При этом, подчёркивает Астемир, безусловно, надо учитывать, что решающее значение имеет точность модели, ведь ошибка может привести к серьёзным последствиям для здоровья пациента. Для обеспечения этой точности должны использоваться только передовые технологии и методы машинного обучения. Однако даже они требуют тщательной проверки перед их использованием в клинической практике.