Специалисты цифровой кафедры Первого МГМУ им. Сеченова обучили нейросеть анализировать электрокардиограмму, точно определять отклонения в работе сердца и распределять патологии по классам заболеваний для облегчения работы врача для установления точного диагноза, пишет «Газета.Ru»
Создатели программы считают, что применение в работе искусственного интеллекта позволит врачам не пропустить сердечно-сосудистое заболевание и быстро поставить диагноз. Использование нейросети, способной обрабатывать большой объем информации в короткие сроки, будет востребовано в тех регионах, которые испытывают нехватку в высококлассных специалистах.
Система работает таким образом, что медику достаточно загрузить в программу данные электрокардиограммы, после чего ИИ анализирует их и классифицирует патологии. Специалист видит предварительные результаты и может на их основе принимать более взвешенное решение.
«Классификация ЭКГ позволяет разделить записи по определенным признакам, например, по типам нарушений ритма и ишемии… То есть наша модель может найти сразу несколько патологий, а врач уже подтвердит либо опровергнет их наличие. Система в первую очередь направлена на поддержку принятия врачебных решений», – объяснила Алина Китиева, руководитель проекта, студентка цифровой кафедры Первого МГМУ.
По словам разработчиков, итогом реализации проекта станет создание модели, которая с 95% точностью будет классифицировать электрокардиограмму. После чего авторы проекта намерены добавлять в классификатор другие заболевания сердца. после чего внедрить новую программу в практику лечебных учреждений.
В начале февраля 2024 года Сеченовский Университет и Яндекс подписали долгосрочное соглашение о сотрудничестве по организации разработок передовых технологий и методов лечения на основе искусственного интеллекта, а также в сфере образовательных программ по IT для медицины. К реализации уже намечены 10 проектов.
В январе 2024 года специалисты Центра биоэлементологии и экологии человека Сеченовского университета представили систему, способную прогнозировать вероятность возникновения заболеваний по уровню химических элементов в биологических жидкостях пациента.
