ИНТЕЛЛЕКТУАЛЬНЫЙ АНАЛИЗ ДАННЫХ В МЕДИЦИНЕ: ВЫЗОВЫ И ВОЗМОЖНОСТИ

Обложка

Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Только для подписчиков

Аннотация

В статье рассматриваются современные вызовы и возможности применения искусственного интеллекта (ИИ) в медицине. Представлена Платформа для создания моделей интеллектуального анализа биомедицинских данных, разработанная в рамках Научного центра мирового уровня “Цифровой биодизайн и персонализированное здравоохранение”. Описаны ключевые аспекты инфраструктуры, необходимой для обработки медицинских данных, а также результаты апробации Платформы на реальных биомедицинских задачах. Особое внимание уделено применению ИИ для анализа электрокардиограмм (ЭКГ), классификации маммограмм, детекции меланом и решения задач биоинформатики. Статья подготовлена на основе доклада, заслушанного на заседании Президиума РАН 24 декабря 2024 г.

Об авторах

А. И. Аветисян

Институт системного программирования им. В.П. Иванникова РАН

Автор, ответственный за переписку.
Email: arut@ispras.ru
Москва, Россия

Список литературы

  1. Artificial Intelligence (AI) in Healthcare Market: Growth, Size, Share, and Trends. https://www.marketsandmarkets.com/Market-Reports/artificial-intelligence-healthcare-market-54679303.html
  2. Национальная стратегия развития ИИ на период до 2030 года. https://ai.gov.ru/national-strategy/ National AI Development Strategy for the Period up to 2030.
  3. Andreev Р., Ananev V., Avetisyan A. et al. Non-architectural improvements for ECG classification using deep neural network // 2020 Ivannikov ISP RAS Open Conference. Pp. 64–68.
  4. Gliner V., Keidar N., Makarov V. et al. Automatic classification of healthy and disease conditions from images or digital standard 12-lead electrocardiograms // Scientific Reports 10, article number: 16331 (2020), pp. 1–13.
  5. Ananev V., Skorik S., Shaklein V. et al. Assessment of the impact of non-architectural changes in the predictive model on the quality of ECG classification // Proceedings of the Institute for System Programming of RAS. 2021, no. 33 (4), pp. 87–98.
  6. Avetisyan A., Tigranyan Sh., Asatryan A. et al. Deep neural networks generalization and fine-tuning for 12-lead ECG classification // Biomedical Signal Processing and Control, 2024, vol. 93, 106160.
  7. Skorik S., Avetisyan A., Diatlinko E. et al. Transferring Knowledge from 12-lead to 1-lead ECGs via Contrastive Learning // 2024 IEEE 48th Annual Computers, Software, and Applications Conference (COMPSAC). Pp. 1825–1830.
  8. Ибрагимов А.А., Сенотрусова С.А., Литвинов А.А. и др. Классификация наличия злокачественных образований на маммограмме с помощью методов глубокого обучения // Digital Diagnostics. 2024. Т. 5. № S1. С. 137–139. Ibragimov A.A., Senotrusova S.A., Litvinov A.A. et al. Classification of the presence of malignant tumors on a mammogram using deep learning methods // Digital Diagnostics. 2024, vol. 5, no. S1, pp. 137–139.
  9. Ibragimov А., Senotrusova S., Litvinov A. et al. MamT4: Multi-View Attention Networks for Mammography Cancer Classification // 2024 IEEE 48th Annual Computers, Software, and Applications Conference (COMPSAC). Pp. 1965–1970.
  10. Guguchkin E., Kasianov A., Belenikin M. et al. Enhancing SNV identification in whole-genome sequencing data through the incorporation of known genetic variants into the minimap2 index // BMC Bioinformatics, 2024 Jul, 13:25(1):238.
  11. Vishnyakova P., Poltavets A., Karpulevich E. et al. The response of two polar monocyte subsets to inflammation // Biomedicine and Pharmacotherapy, 2021, Jul. 139:111614.
  12. Sorokin M., Lyadov V., Suntsova M. et al. Detection of fusion events by RNA sequencing in FFPE versus freshly frozen colorectal cancer tissue samples // Frontiers in molecular biosciences, 2025, Jan. 21:11:1448792.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Российская академия наук, 2025

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».