ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В КАРДИОЛОГИИ
Ключевые слова:
искусственный интеллект, кардиологический потенциал ИИ, электронные медицинские системы, анализ медицинских данных, дистанционный мониторинг, факторы риска, оценка рисков развития за¬болеваний.Аннотация
Задача диагностики заболевания решается не всегда корректно, т.е. заключение о состоянии сердечнососудистой системы не всегда соответствует ее истинному состоянию из-за погрешностей измерений, различных артефактов и недостаточной квалификации врача. Медицинский искусственный интеллект (ИИ) открывает большие возможности для распознавания признаков состояния здоровья, а также в прогнозировании возникновения сложных системных заболеваний, таких как ишемическая болезнь сердца. Проанализированы перспективы применения методов машинного обучения для анализа биоэлектрической активности сердца. Рассмотрены примеры решений для диагностики разных сердечнососудистых заболеваний.
Библиографические ссылки
Власов А.И., Гюльмалиева С.Э., Либер Ю.С., Абдулкадер С. Применение систем искусственного интеллекта в электрокардиографии // Нейрокомпьютеры: разработка, применение. 2022. T. 24. № 4. С. 36-52.
Гаврилов Д.В., Серова Л.М., Корсаков И.Н., Гусев А.В., Новицкий Р.Э., Кузнецова Т.Ю. Предсказание сердечнососудистых событий при помощи комплексной оценки факторов риска с использованием методов машинного обучения // Врач. 2020.-№5. -С.41-45.
Гусев А. В., Гаврилов Д. В., Корсаков И. Н., Серова Л. М., Новицкий Р. Э., Кузнецова Т. Ю. Перспективы использования методов машинного обучения для предсказания сердечнососудистых заболеваний. Врач и информационные технологии.2019. №3. С. 41-47.
Дружилов М.А., Кузнецова Т.Ю. Фибрилляция предсердий у лиц старческого возраста и долгожителей: ретроспективный анализ клинического портрета пациентов с применением технологий искусственного интеллекта Кардиоваскулярная терапия и профилактика, 2023.-N 7.-С.25-34.
Комков А.А., Мазаев В.П., Рязанова С.В., Самочатов Д.Н., Базаева Е.В. Основные направления развития искусственного интеллекта в медицине // Научное обозрение. Медицинские науки. – 2020. – № 5. – С. 33-40.
Онищенко П.С. , Клышников К.Ю., Овчаренко Е.А. Искусственные нейронные сети в кардиологии: анализ численных и текстовых данных Математическая биология и биоинформатика 2020. Т. 15. № 1. С. 40–56.
Осипова О.А., Концевая А.В., Демко В.В., Гостева Е.В., Комисов А.А., Кузуб А.А., Сердюкова А.В., Брижанева А.С., Шепель Р.Н., Драпкина О.М. Использование элементов искусственного интеллекта в прогнозирующей модели персонализированного подхода к выбору фармакотерапии у больных хронической сердечной недостаточностью с умеренно низкой фракцией выброса ишемического генеза Кардиоваскулярная терапия и профилактика, 2023.-N 7.-С.16-24.
Рязанова С.В., Мазаев В.П., Комков А.А. Новые тенденции становления искусственного интеллекта в медицине. CardioСоматика. 2021;12(4):227–233.
Рязанова С.В., Комков А.А., Мазаев В.П. Российский и мировой опыт применения новых технологий искусственного интеллекта в реальной медицинской практике // Научное обозрение. Медицинские науки. – 2021. – № 6. – С. 32-40.
Тарасова К.А. Возможности использования искусственного интеллекта в кардиологии. Российиский кардиологический журнал. 2022.22(S7)(май). С.47.
Усова Е.И., Алиева А.С., Яковлев А.Н., Макарова Т.А., Алиева М.С., Конради А.О., Катапано А.Л., Шляхто Е.В. Роль мультиомиксных технологий и генетического анализа в диагностике и прогнозировании сердечнoсосудистых заболеваний. Российский журнал персонализированной медицины. 2022;2(2):6-16.
Хохлов А.Л., Белоусов Д.Ю. Этические аспекты применения программного обеспечения с технологией искусственного интеллекта. Качественная клиническая практика. 2021;(1):70-84.
Шляхто Е.В., Конради А.О., Курапеев Д.И. Информация как важнейший инструмент развития персонализированной медицины. Как научиться ей управлять на благо пациента. Наука о «больших данных». Российский журнал персонализированной медицины. 2022;2(6):6-15.
Hennessey B. Contemporary use of coronary computed tomography angiography in the planning of percutaneous coronary intervention / B. Hennessey, R. Vera Urquiza, H. Mejía Rentería et al. //The International Journal of Cardiovascular Imaging, 2020. V.36. P.2441–2459
Gore R.W. LULC-Analysis of land-use with the help of unsupervised classification / R.W. Gore, A.D. Mishra, R.R. Deshmukh et al. // Izvestiya SFedU. Engineering Sciences. 2020. №3 (213). P.184-192
Fischer A.M. Accuracy of an artificial intelligence deep learning algorithm implementing a recurrent neural network with long short-term memory for the automated detection of calcified plaques from coronary computed tomography angiography / A.M. Fischer, M. Eid, C.N. De Cecco et al. // Journal of Thoracic Imaging, 2020. V.35. P. 49–57.
