Ученые Пермского Политеха разработали программу, которая помогает врачам диагностировать сложные заболевания и при этом показывает логику принятия решения. Система позволяет специалистам самостоятельно создавать инструменты поддержки врачебных решений на основе медицинских данных. На разработку уже получено свидетельство о государственной регистрации программы.
Об этом "Газете.Ru" сообщили в пресс-службе образовательного учреждения.Для многих распространенных болезней — например, диабета или гипертонии — существуют четкие диагностические критерии. Однако есть заболевания, выявить которые значительно сложнее. Сегодня для анализа медицинских данных в подобных случаях нередко используют системы на основе машинного обучения. Они способны выявлять сложные взаимосвязи между множеством показателей и отличать больных людей от здоровых. Однако такие алгоритмы часто работают как "черный ящик": врач получает результат, но не видит, какие именно признаки повлияли на вывод системы.
Чтобы сделать процесс диагностики более прозрачным и доступным, исследователи ПНИПУ предложили альтернативный подход. Они разработали программу, которая анализирует медицинские данные с помощью информационного метода и показывает, какие показатели действительно связаны с заболеванием.
Суть метода заключается в сравнении данных здоровых людей и пациентов с подтвержденным диагнозом. Если между этими группами обнаруживаются устойчивые различия по определенному показателю, система определяет его как значимый для диагностики. Если различий нет, параметр считается малополезным.
Такой подход позволяет работать даже с относительно небольшими наборами данных и помогает выявлять ключевые признаки заболевания.На основе этого метода ученые создали прототип системы поддержки принятия врачебных решений. Программа содержит специальные шаблоны-справочники и может одновременно учитывать десять и более медицинских показателей.
Система работает следующим образом: врач вводит данные пациента, после чего программа автоматически сравнивает их с информацией о здоровых людях и пациентах с диагностированным заболеванием. Затем она оценивает, на какую группу больше похож новый случай, и сообщает, соответствует ли состояние норме или может указывать на заболевание.
Работу системы ученые проверили на примере болезни Альцгеймера. В предыдущих исследованиях они установили, что важную роль в ее диагностике играют показатели магнитной восприимчивости вен головного мозга. Новый алгоритм смог определить те же ключевые параметры, что и более сложные модели машинного обучения.
"Программа создавалась как доступный инструмент, которым сможет пользоваться любой врач без специальной подготовки. Когда знания о диагностике удается формализовать, их можно передавать другим специалистам и накапливать опыт", — отметил доктор технических наук, начальник управления организации научных исследований ПНИПУ Александр Алексеев.
Свежие комментарии