По всем вопросам звоните:

+7 495 274-22-22

УДК: 159.99 DOI:10.33920/MED12-2411-04

Искусственный интеллект в клинической лабораторной диагностике

Крылов Александр Петрович магистр психологии, Южно-Уральский государственный гуманитарно-педагогический университет, 454080 г. Челябинск, пр. Ленина, 69, https://orcid.org/0000-0003-1928-2346, тел. 89103194604, е-mail: Alex0000007@gmail.com
Шеблаев Михаил Владимирович Федеральное государственное бюджетное образовательное учреждение высшего образования «Московский государственный университет имени М. В. Ломоносова», https://orcid.org/0009-0003-5014-7633, е-mail: sheblaev@cosmos.msu.ru

Применение искусственного интеллекта (ИИ) в медицине открывает новые возможности для повышения эффективности и качества оказания медицинской помощи. Технологии ИИ способны автоматизировать рутинные задачи, повысить точность диагностики, ускорить анализ медицинских данных и поддержать врачей в принятии клинических решений. Одной из наиболее перспективных областей применения ИИ в здравоохранении является клиническая лабораторная диагностика.

Литература:

1. Esteva, A., Kuprel, B., Novoa, R. A., Ko, J., Swetter, S. M., Blau, H. M., Thrun, S. Dermatologistlevel classification of skin cancer with deep neural networks. Nature, V.542.-№ 7639, 115–118.

2. Ehteshami Bejnordi, B., Veta, M., Johannes van Diest, P., van Ginneken, B., Karssemeijer, N., Litjens, G., Diagnostic assessment of deep learning algorithms for detection of lymph node metastases in women with breast cancer. Jama, 2017- V.318.-№ 22, P. 2199–2210.

3. Liu, Y., Kohlberger, T., Norouzi, M., Dahl, G. E., Smith, J. L., Mohtashamian, A., Stumpe, M. C. Artificial intelligence-based breast cancer nodal metastasis detection: Insights into the black box for pathologists. Archives of pathology & laboratory medicine, 2019- V. 143.-№ 7, P. 859– 868.

4. Ren, J. S., Pandey, S., Lei, C. Q., Zhang, X. S., Huang, Y., Chen, Q. H., Peng, J.. Predicting adverse drug reactions of antibacterial drugs using machine learning techniques. Frontiers in pharmacology, 2019. — № 5. — P. 10.

5. Topol, E.J. High-performance medicine: the convergence of human and artificial intelligence. Nature medicine, 2019. — № 25 (1), P. 44–56.

6. Kourou, K., Exarchos, T. P., Exarchs, K. P., Karamouzis, M. V., & Fotiadis, D. I. Machine learning applications in cancer prognosis and prediction. Computational and structural biotechnology journal, 2015-№ 13, 8–17.

7. Kononenko, I. (2001). Machine learning for medical diagnosis: history, state of the art and perspective. Artificial Intelligence in medicine, № 23 (1), P. 89–109.

8. Beam, A. L., & Kohane, I. S. (2018). Big data and machine learning in health care. Jama, 319 (13), 1317–1318.

9. Rajkomar, A., Oren, E., Chen, K., Dai, A. M., Hajaj, N., Hardt, M., Sundberg, P. (2018). Scalable and accurate deep learning with electronic health records. NPJ Digital Medicine, 1 (1), P. 1–10.

10. Bates, D. W., Saria, S., Ohno-Machado, L., Shah, A., Escobar, G. (2014). Big data in health care: using analytics to identify and manage high-risk and high-cost patients. Health Affairs, № 33 (7), P. 1123–1131.

Искусственный интеллект (ИИ) — это область информатики, занимающаяся разработкой систем и алгоритмов, способных имитировать интеллектуальную деятельность человека. В последние годы ИИ стал играть все более значимую роль в различных сферах, в том числе и в здравоохранении.

Применение ИИ в медицине открывает новые возможности для повышения эффективности и качества оказания медицинской помощи. Технологии ИИ способны автоматизировать рутинные задачи, повысить точность диагностики, ускорить анализ медицинских данных и поддержать врачей в принятии клинических решений. Одной из наиболее перспективных областей применения ИИ в здравоохранении является клиническая лабораторная диагностика.

Клиническая лабораторная диагностика играет ключевую роль в современной медицине, обеспечивая получение объективной информации для постановки диагноза, мониторинга лечения и прогнозирования течения заболевания. Ежегодно проводится миллиарды лабораторных исследований, в ходе которых анализируются биологические образцы пациентов. Однако с увеличением объема и сложности лабораторных данных возрастает нагрузка на специалистов-лаборантов, что может приводить к ошибкам и замедлению процесса диагностики [1,2].

Внедрение технологий ИИ в клиническую лабораторную диагностику способно оптимизировать рабочие процессы, повысить точность и скорость анализа результатов, а также поддержать врачей в принятии более обоснованных решений. Благодаря возможностям ИИ в области автоматизации, компьютерного зрения, обработки естественного языка и предиктивной аналитики, лабораторные исследования могут стать более эффективными, а качество медицинской помощи — более высоким.

Актуальность использования ИИ в клинической лабораторной диагностике обусловлена несколькими ключевыми факторами.

1. Увеличение объема лабораторных данных.

2. Необходимость повышения точности и объективности диагностики.

3. Необходимость оптимизации рабочих процессов в лабораториях.

4. Поддержка принятия клинических решений.

Для Цитирования:
Крылов Александр Петрович, Шеблаев Михаил Владимирович, Искусственный интеллект в клинической лабораторной диагностике. Терапевт. 2024;11.
Полная версия статьи доступна подписчикам журнала
Язык статьи:
Действия с выбранными: