Системы искусственного интеллекта в клинической физиологии: как сделать их обучение эффективным?

Обложка

Цитировать

Аннотация

Клиническая физиология ― раздел медицинских наук о роли и характере изменений физиологических процессов, происходящих в организме при предпатологических и патологических состояниях, ― предполагает полное, комплексное, многостороннее исследование функций как поражённых, так и здоровых органов, что позволяет оценить компенсаторные возможности организма.

Программное обеспечение и различные программно-аппаратные комплексы, созданные с использованием технологий искусственного интеллекта, всё активнее применяются в различных отраслях медицины, в том числе и в клинической физиологии. Этому способствуют появление наборов медицинских данных, увеличение вычислительных мощностей, развитие облачных сервисов, а также многочисленные публикации, демонстрирующие эффективность и перспективность применения подобных интеллектуальных решений.

Несмотря на то, что в целом подход к формированию медицинских наборов данных схож, в клинической физиологии имеется целый ряд ключевых особенностей и существенных отличий. Соблюдение предлагаемых нами правил по формированию наборов данных потенциально позволит эффективно обучить системы искусственного интеллекта в области клинической физиологии и применять их на практике.

Вступивший в силу национальный стандарт Российской Федерации ГОСТ Р 59921.9-2022 входит в комплекс стандартов «Системы искусственного интеллекта в клинической медицине» и устанавливает дополнительные требования к алгоритмам анализа данных и методам испытаний систем искусственного интеллекта, применяемых в области клинической физиологии. Важной особенностью нового стандарта является его квазиметрический тип (прилагается обязательный набор демонстрационных данных).

Россия одной из первых стран в мире приступила к разработке квазиметрических стандартов, и уже в текущем году вступят в силу 15 отраслевых стандартов в сфере искусственного интеллекта (из них два ― по медицине).

Об авторах

Дмитрий Валериевич Шутов

Научно-практический клинический центр диагностики и телемедицинских технологий

Автор, ответственный за переписку.
Email: ShutovDV@zdrav.mos.ru
ORCID iD: 0000-0003-1836-3689
SPIN-код: 9381-2456

д.м.н.

Россия, Москва

Дарья Евгеньевна Шарова

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: ShutovDV@zdrav.mos.ru
ORCID iD: 0000-0001-5792-3912
SPIN-код: 1811-7595
Россия, Москва

Лия Руслановна Абуладзе

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: AbuladzeLR@zdrav.mos.ru
ORCID iD: 0000-0001-6745-1672
SPIN-код: 8640-9989

м.н.с.

Россия, Москва

Дмитрий Владимирович Дроздов

Национальный медицинский исследовательский центр кардиологии

Email: cardioexp@gmail.com
ORCID iD: 0000-0001-7374-3604
SPIN-код: 2279-9657

к.м.н.

Россия, Москва

Список литературы

  1. Курзанов А.Н. Клиническая физиология: становление, цели, задачи, пределы компетентности, место в системе высшего профессионального медицинского образования // Международный журнал экспериментального образования. 2012. № 4–2. С. 128–130.
  2. Гусев А.В., Владзимирский А.В., Шарова Д.Е., и др. Развитие исследований и разработок в сфере технологий искусственного интеллекта для здравоохранения в Российской Федерации: итоги 2021 года // Digital Diagnostics. 2022. Т. 3, № 3. C. 178–194. doi: 10.17816/DD107367
  3. Al-Mousily M.F., Baker G.H., Jackson L., et al. The use of a traditional nonlooping event monitor versus a loan-based program with a smartphone ECG device in the pediatric cardiology clinic // Cardiovasc Digit Heal J. 2021. Vol. 2, N 1. P. 71–75. doi: 10.1016/j.cvdhj.2020.11.008
  4. Ding E.Y., Pathiravasan C.H., Schramm E., et al. Design, deployment, and usability of a mobile system for cardiovascular health monitoring within the electronic Framingham Heart Study // Cardiovasc Digit Heal J. 2021. Vol. 2, N 3. P. 171–178. doi: 10.1016/j.cvdhj.2021.04.001
  5. Bashar S.K., Hossain M.B., Lázaro J., et al. Feasibility of atrial fibrillation detection from a novel wearable armband device // Cardiovasc Digit Heal J. 2021. Vol. 2, N 3. P. 179–191. doi: 10.1016/j.cvdhj.2021.05.004
  6. Goodwin A.J., Eytan D., Greer R.W., et al. A practical approach to storage and retrieval of high-frequency physiological signals // Physiol Meas. 2020. Vol. 41, N 3. P. 035008. doi: 10.1088/1361-6579/ab7cb5
  7. Bartlett V.L., Ross J.S., Shah N.D., et al. Physical activity, patient-reported symptoms, and clinical events: Insights into postprocedural recovery from personal digital devices // Cardiovasc Digit Heal J. 2021. Vol. 2, N 4. P. 212–221. doi: 10.1016/j.cvdhj.2021.06.002
  8. Mishra S., Khatwani G., Patil R., et al. ECG paper record digitization and diagnosis using deep learning // J Med Biol Eng. 2021. Vol. 41, N 4. P. 422–432. doi: 10.1007/s40846-021-00632-0
  9. Kashou A.H., Mulpuru S.K., Deshmukh A.J., et al. An artificial intelligence-enabled ECG algorithm for comprehensive ECG interpretation: Can it pass the ‘Turing test’? // Cardiovasc Digit Heal J. 2021. Vol. 2, N 3. P. 164–170. doi: 10.1016/j.cvdhj.2021.04.002
  10. Wagner P., Strodthoff N., Bousseljot R.D., et al. PTB-XL, a large publicly available electrocardiography dataset // Sci Data. 2020. Vol. 7, N 1. P. 154. doi: 10.1038/s41597-020-0495-6
  11. Zheng J., Zhang J., Danioko S., et al. A 12-lead electrocardiogram database for arrhythmia research covering more than 10,000 patients // Sci Data. 2020. Vol. 7, N 1. P. 48. doi: 10.1038/s41597-020-0386-x
  12. М 80 Регламент подготовки наборов данных с описанием подходов к формированию репрезентативной выборки данных. Часть 1. Методические рекомендации / под ред. С.П. Морозова, А.В. Владзимирского, А.Е. Андрейченко, и др. Москва, 2022. 40 с. (Серия: Лучшие практики лучевой и инструментальной диагностики).

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рис. 1. Блок-схема проведения клинических испытаний с использованием наборов данных (один из возможных вариантов реализации).

Скачать (130KB)
3. Рис. 2. Пример файла из демонстрационного набора данных ГОСТ Р 59921.9-2022 «Системы искусственного интеллекта в клинической медицине. Алгоритмы анализа данных в клинической физиологии. Методы испытаний».

Скачать (332KB)

© Эко-вектор, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

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».