Отправить статью по E-mail 
Методы искусственного интеллекта в медицине
- Авторы: Орлов Ю.Н.1
-
Учреждения:
- Институт прикладной математики им. М.В. Келдыша РАН
- Выпуск: № 8 (2025)
- Страницы: 30-37
- Раздел: С КАФЕДРЫ ПРЕЗИДИУМА РАН
- URL: https://bakhtiniada.ru/0869-5873/article/view/305406
- DOI: https://doi.org/10.31857/S0869587325080036
- EDN: https://elibrary.ru/dtdskq
- ID: 305406
Цитировать
Открытый доступ
Доступ предоставлен
Только для подписчиков
Аннотация
Рассмотрены перспективы развития технологий искусственного интеллекта в области медицины. Проведён анализ тенденций развития искусственного интеллекта в общих и частных вопросах, таких как анализ и классификация больших данных, прогнозирование разладки и создание достоверного отчёта с помощью системы поддержки принятия врачебных решений. Описаны преимущества и ограничения методов машинного обучения в сравнении с экспертизой человеком. Отмечены типы задач для перспективного применения методов искусственного интеллекта – анализ потоков биометрических данных для идентификации состояния пациента и моделирование взаимодействия нескольких лекарственных средств.
Ключевые слова
Об авторах
Ю. Н. Орлов
Институт прикладной математики им. М.В. Келдыша РАН
Автор, ответственный за переписку.
Email: ov3159f@yandex.ru
Москва, Россия
Список литературы
- Feixiong Cheng, Zhongming Zhao. Machine learning-based prediction of drug–drug interactions by integrating drug phenotypic, therapeutic, chemical, and genomic properties // J. Medicine Information Association, 2014, no. 21, pp. 278–286.
- Tengfei Lyu, Jianliang Gao, Ling Tian, Zhao Li et al. A Multimodal Deep Neural Network for Predicting Drug-Drug Interaction Events // Proceedings of the Thirtieth International Joint Conference on Artificial Intelligence (IJCAI-21), pp. 3536–3542.
- Xiang Yue, Zhen Wang, Jingong Huang et al. Graph embedding on biomedical networks: methods, applications and evaluations // Bioinformatics, 2020, no. 36(4), pp. 1241–1251.
- Xu Chu, Yang Lin, Yasha Wang et al. A multi-task semi-supervised learning framework for drug-drug interaction prediction. // Proceedings of the International Joint Conference on Artificial Intelligence, 2019, pp. 4518–4524.
- Farkas D., Shader R.I., von Moltke L.L., Greenblatt D.J. Mechanisms and consequences of drug-drug interactions. // In: Gad SC, ed. Preclinical Development Handbook: ADME and Biopharmaceutical Properties. Philadelphia: Wiley, 2021.
- Марцевич С.Ю., Лукина Ю.В., Драпкина О.М. Основные принципы комбинированной медикаментозной терапии – фокус на межлекарственное взаимодействие // Кардиоваскулярная терапия и профилактика. 2021. № 20(7). С. 3031. Martsevich S.Yu., Lukina Yu.V., Drapkina O.M. Basic principles of combination drug therapy – focus on drug interactions // Cardiovascular therapy and prevention. 2021, no. 20(7), p. 3031. (In Russ.)
- Huimin Luo, Weijie Yin, Jianlin Wang et al. Drug-drug interactions prediction based on deep learning and knowledge graph: A review // iScience 27, 2024, March, 109148.
- Yifan Deng, Xinran Xu, Yang Qiu et al. A multimodal deep learning framework for predicting drug–drug interaction events // Bioinformatics. 2020, no. 36(15), pp. 4316–4322.
- Ryu J.Y. et al. (2018) Deep learning improves prediction of drug–drug and drug–food interactions // Proc. Natl. Acad. Sci. USA. 2018, no. 115, pp. E4304–E4311.
- Орлов Ю.Н., Сивакова Т.В., Шимановский Н.Л. Ранговая модель оценки рисков полифармакотерапии // Математическое моделирование. 2025. Т. 37. № 2. С. 99–110. Orlov Yu.N., Sivakova T.V., Shimanovsky N.L. Rank model for assessing the risks of polypharmacotherapy // Mathematical modeling. 2025, vol. 37, no. 2, pp. 99–110. (In Russ.)
- Кислицын А.А., Козлова А.Б., Корсакова М.Б., Орлов Ю.Н. Индикатор разладки для нестационарных случайных процессов // Доклады РАН. Cер. Математическая. 2019. Т. 484. № 4. С. 393–396. Kislitsyn A.A., Kozlova A.B., Korsakova M.B., Orlov Yu.N. Disorder indicator for non-stationary random processes // Reports of the Russian Academy of Sciences. Series: Mathematical. 2019, vol. 484, no. 4, pp. 393–396. (In Russ.)
Дополнительные файлы
