Применение нейронных сетей в медицине

1.

Применение
Нейронных сетей
В медицине
Подготовила Бахолдина Д.В.

2.

Понятие
Нейронная сеть
Нейронные сети - это компьютерные
системы, вдохновленные строением и
функцией человеческого мозга.
Под нейросетью понимается скопление нейронов,
способное в совокупности распознавать какие-либо
явления или объекты. Это скопление обучается,
действует последовательно, запоминает данные, умеет
обрабатывать запросы и выдавать информацию. По
такому принципу работают нейронные связи в
человеческом мозге, поэтому нейросети называют
искусственным интеллектом.
В текущем виде нейронные сети, созданные людьми,
находятся под их полным контролем..

3.

Диагностика и обработка
Изображений
Нейронные сети используются для
анализа медицинских изображений
таких как рентгеновские снимки, МРТ,
КТ и др.
На изображении выше схема, как нейронная сеть определяет
раковые участки в срезах легкого.
Оценка одних и тех же гистологических срезов
профессиональными медиками (слева) и нейросетью (справа).

4.

В указанном примере показана экспериментальная работа НОУ ВПО
"Медицинский институт "РЕАВИЗ«, целью которой было создание компьютерной
нейросетевой модели прогнозирования развития соматической патологии на
основе психологических девиаций пациентов старших возрастных групп.
Результаты показали, что нейросетевое прогнозирование развития соматической
патологии позволяет с достаточной точностью получить прогноз возможного
развития в будущем с вероятностью 66,67–88,89%.
Прогнозирование
Заболеваний
Применение нейронных сетей для анализа
медицинских данных и прогнозирования
возможных заболеваний.
При помощи обучения на базах данных
пациентов, с использованием их
историй болезни, искусственных
интеллект способен прогнозировать как
наличие конкретных заболеваний, так и
развитие осложнений в будущем на
основе исходных данных. .

5.

Персонализированное
лечение
Использование нейронных сетей для подбора
оптимального лечения, учитывая
индивидуальные характеристики пациента.
Адаптация терапии в реальном времени на основе
изменения состояния пациента.
Например, при лечении рака молочной железы нейросети
помогают выбрать наиболее оптимальную химиотерапию,
учитывая индивидуальные особенности и генетические данные
пациента. Согласно исследованию журнала Lancet Oncology,
использование нейросетей повышает шансы на выживание
пациентов на 20%.

6.

Анализ
ГЕНЕТИЧЕСКИХ
ДАННЫХ
Применение нейронных сетей для анализа генетических
данных и предсказания генетически обусловленных
заболеваний.
Пример: Инструмент AlphaMissense на базе ИИ. Он изучает так
называемые миссенс-мутации, когда в генетическом коде
нарушается одна буква. В геноме типичного человека в
среднем насчитывается 9000 таких мутаций — они могут быть
как безвредными, так и вызывать опасные заболевания вроде
рака и муковисцидоза, а также нарушать развитие мозга.
Всего таких мутаций может быть 71 000 000. AlphaMissense
проанализировал эти мутации и смог предсказать 89% из них с
точностью порядка 90%

7.

Обзор Российских систем искусственного
интеллекта для здравоохранения
Что я
использую
прямо сейчас?
Webiomed
Платформа прогнозной аналитики и управление рисками в
здравоохранении на основе машинного обучения. Первая в России
система искусственного интеллекта, зарегистрированная
Росздравнадзором как программное медицинское изделие.
Третье мнение.
Платформа включает ИИ-алгоритмы для автоматической обработки
МРТ, КТ, рентген, маммографии, цифровых мазков крови и костного
мозга, снимков глазного дна и челюстной системы, а также анализа
видеопотока из медицинских учреждений
Celly.AI.
Технологическое решение на основе смартфона, которое
подключается к окуляру микроскопа и помогает анализировать мазки
крови
ЦРТ.
Используют технологии ИИ для автоматизации ведения ЭМК с
помощью автоматического распознавания голоса

8.

Недостатки
Недостаток интерпретируемости:
Сложность интерпретации результатов нейронных сетей
может создавать трудности для врачей в понимании
причин принятых решений
Нехватка данных и разнообразия:
В медицине иногда может быть сложно собрать
достаточное количество разнообразных данных, что
может привести к ограничению обобщения модели.
Этические вопросы и конфиденциальность:
Использование чувствительных медицинских данных в
нейронных сетях поднимает вопросы
конфиденциальности и безопасности.
Трудности в обучении:
Обучение сложных нейронных сетей требует больших
вычислительных ресурсов и времени. Это может быть
препятствием для медицинских учреждений с
ограниченными техническими ресурсами.
Сложности валидации и сертификации:
Отсутствие стандартов для валидации и сертификации
медицинских нейросетей может затруднить их внедрение
в реальные клинические среды.

9.

Заключение
Исследование и внедрение нейронных сетей в медицину
предоставляют уникальные возможности для трансформации
современной здравоохранительной практики. В конечном итоге, эти
инновации не только улучшают точность диагностики и
эффективность лечения, но и переосмысливают подходы к заботе о
пациентах.
Это заставляет нас задуматься о будущем, где медицинская практика станет
более точной, доступной и направленной на предотвращение заболеваний.
Надежда на то, что наши усилия в области искусственного интеллекта в
медицине приведут к значительному улучшению качества жизни пациентов.

10.

Спасибо
Анапский Индустриальный Техникум
Бахолдина Дарья Владимировна,
Студентка III курса «Информационные системы и
программирование»