Специалисты Новосибирского государственного технического университета (НГТУ) разработали инновационный калькулятор, функционирующий на основе машинного обучения, который позволяет с высокой степенью точности определять наличие воспалительных заболеваний кишечника (ВЗК) и прогнозировать вероятность конкретной формы патологии. Об этом достижении сообщили в пресс-службе вуза агентству ТАСС.
Традиционно для постановки диагноза заболеваний врачам требуется тщательный анализ значительного объема медицинской информации. Применение методов машинного обучения существенно упрощает процесс комплексного анализа множества клинических данных и результатов лабораторных исследований. Обученные ИИ-модели способны оперативно обрабатывать большой набор показателей с высокой точностью, что становится особенно ценным при первичной диагностике пациентов.
Разработчик Ирина Яковина пояснила: «Диагностические калькуляторы, использующие различные клинические и лабораторные показатели, позволяют определить форму и степень тяжести заболевания, оценить вероятность осложнений и уточнить долгосрочный прогноз. Это поможет врачам сформировать эффективный план лечения, выбрать подходящие лекарственные препараты, а также оценить необходимость хирургического вмешательства. Разработанный в НГТУ диагностический калькулятор предназначен для оценки формы и стадии воспалительных заболеваний кишечника. Полученный набор комбинированных моделей позволяет получать результат на основе совокупности метаболических профилей мембран эритроцитов и сыворотки крови».
В рамках данного проекта было создано специальное веб-приложение, предоставляющее медицинским работникам удобный инструментарий для ввода данных о пациентах, получения результатов обработки от пяти различных моделей машинного обучения и доступа к дополнительной информации о точности диагностических оценок.
«Данный метод является малоинвазивным, безопасным и не требует значительных финансовых затрат, что делает его доступным для использования в медицинских и научных учреждениях, в том числе для скрининга больших групп населения», — добавила Яковина.
По итогам проделанной работы команда уже получила патент на изобретение. Долгосрочные планы по развитию проекта включают дальнейшее совершенствование функциональных возможностей для обработки результатов работы моделей и потенциальную интеграцию системы с другими существующими медицинскими системами и базами данных пациентов.
