perinatologyРоссийский вестник перинатологии и педиатрииRossiyskiy Vestnik Perinatologii i Pediatrii (Russian Bulletin of Perinatology and Pediatrics)1027-40652500-2228Ltd. “The National Academy of Pediatric Science and Innovation”10.21508/1027-4065-2023-68-4-108-XXperinatology-1857Research ArticleОБМЕН ОПЫТОМSHARING EXPERIENCESИспользование искусственного интеллекта для диагностики заболеваний и прогнозирования их исходов у новорожденныхThe use of artificial intelligence to diagnose diseases and predict their outcomes in newbornshttps://orcid.org/0000-0003-2867-1693ХарламоваН. В.KharlamovaN. V.

Наталья Валерьевна Харламова, д. м. н., доц., зав. отделом, проф.

отдел неонатологии и клинической неврологии детского возраста

кафедра акушерства и гинекологии, неонатологии, анестезиологии и реаниматологии

153045

ул. Победы, д. 20

Иваново

Ivanovo

https://orcid.org/0000-0002-3551-5923ЯсинскийИ. Ф.YasinskyI. F.

Игорь Федорович Ясинский, к. т. н., мл. науч. сотр.

отдел неонатологии и клинической неврологии детского возраста

153045

ул. Победы, д. 20

Иваново

Ivanovo

https://orcid.org/0000-0002-8854-2642АнаньеваМ. А.AnanyevaM. A.

Мария Александровна Ананьева, к. м. н., науч. сотр.

отдел неонатологии и клинической неврологии детского возраста

153045

ул. Победы, д. 20

Иваново

Ivanovo

https://orcid.org/0000-0001-9623-2575ШиловаН. А.ShilovaN. A.

Наталия Александровна Шилова, к. м. н., доц., ст. науч. сотр., доцент

отдел неонатологии и клинической неврологии детского возраста

кафедра акушерства и гинекологии, неонатологии, анестезиологии и реаниматологии

153045

ул. Победы, д. 20

Иваново

Ivanovo

shilova37@gmail.comhttps://orcid.org/0000-0003-1545-7655НазаровС. Б.NazarovS. B.

Сергей Борисович Назаров, д. м. н., проф., зам. дир. по научной работезав. лабораторией

лаборатория клинической биохимии и генетики

153045

ул. Победы, д. 20

Иваново

Ivanovo

https://orcid.org/0000-0002-2366-610XМатвееваЕ. А.MatveevaE. A.

Екатерина Александровна Матвеева, к. м. н., ученый секретарь, врач-педиатр

кабинет катамнеза

153045

ул. Победы, д. 20

Иваново

Ivanovo

https://orcid.org/0000-0003-0499-9440БудаловаА. В.BudalovaA. V.

Анастасия Владимировна Будалова, врач анестезиолог-реаниматолог, асс.

отделение реанимации и интенсивной терапии новорожденных

кафедра акушерства и гинекологии, неонатологии, анестезиологии и реаниматологии

153045

ул. Победы, д. 20

Иваново

Ivanovo

https://orcid.org/0000-0001-6504-2664ИваненковаЮ. А.IvanenkovaYu. A.

Юлия Андреевна Иваненкова, к. м. н., мл. науч. сотр.

отдел неонатологии и клинической неврологии детского возраста

153045

ул. Победы, д. 20

Иваново

Ivanovo

ФГБУ «Ивановский научно-исследовательский институт материнства и детства им. В. Н. Городкова» Минздрава РоссииРоссияGorodkov Ivanovo Research Institute of Maternity and ChildhoodRussian Federation202307092023684108114Copyright © Ltd. “The National Academy of Pediatric Science and Innovation”, 20232023Ltd. “The National Academy of Pediatric Science and Innovation”Ltd. “The National Academy of Pediatric Science and Innovation”https://www.ped-perinatology.ru/jour/about/submissions#copyrightNoticehttps://www.ped-perinatology.ru/jour/article/view/1857

   В последние годы в клиническую практику успешно внедряются современные модели искусственного интеллекта, в том числе нейронных сетей, что обусловлено высокой точностью функционирования и перспективностью их использования для диагностики и прогнозирования различных заболеваний.

   Цель исследования

   Цель исследования. Совершенствование процессов диагностики заболеваний и прогнозирования их исходов у новорожденных с помощью нейросетевых технологий.

   Материалы и методы

   Материалы и методы. Исследование основано на статистически достоверном сборе данных анамнеза пациентов, математическом анализе, теории нечеткой логики и нейросетевых систем.

   Результаты

   Результаты. Разработаны нейросетевые программы для прогнозирования течения постгипоксических нарушений сердечно-сосудистой системы у новорожденных детей; определения вероятности возникновения у новорожденных таких тяжелых заболеваний, как церебральная лейкомаляция, внутричерепные кровоизлияния, гидроцефалия, некротизирующий энтероколит, бронхолегочная дисплазия, ретинопатия недоношенных, ранняя анемия недоношенных и их исходов; для прогнозирования физического и нервно-психического развития ребенка к возрасту одного года; для прогнозирования неблагоприятного исхода (смерть или формирование инвалидности со стойким нарушением здоровья) у детей, родившихся ранее 32 нед.

   Заключение

   Заключение. Разработанные искусственные нейросетевые программы могут быть использованы для персонификации лечебно-диагностического процесса и выхаживания новорожденных, в том числе глубоконедоношенных.

   In recent years, modern models of artificial intelligence, including neural networks, have been successfully introduced into clinical practice, due to the high accuracy of functioning and the prospects of their use for the diagnosis and prediction of various diseases.

   Purpose

   Purpose. To improve the processes of predicting and diagnosing diseases and their outcomes in newborns using neural network intelligent technologies.

   Material and methods

   Material and methods. The study is based on statistically reliable collection of patient history data, mathematical analysis, fuzzy logic theory and principles of trainable neural network systems.

   Results

   Results. Neural network programs have been developed to predict the course of posthypoxic disorders of the cardiovascular system in newborns; to determine the probability of occurrence and outcomes in newborns of such significant diseases as cerebral leukomalacia, intracranial hemorrhages, hydrocephalus, necrotizing enterocolitis, bronchopulmonary dysplasia, retinopathy of prematurity, early anemia of prematurity; to predict the physical and neuropsychiatric development of a child to age of one year; and also to predict an unfavorable outcome (death or disability with persistent health problems) of children born earlier than 32 weeks of gestation.

   Conclusion

   Conclusion. The developed artificial neural network programs can be used for personification of the therapeutic and diagnostic process and nursing of newborns, including very preterm ones.

новорожденныеискусственная нейронная сетьсостояние здоровьяглубоконедоношенныедиагностикапрогнозированиеnewbornsartificial neural networkhealth statusvery pretermdiagnosisprognosisReferencesВыучейская М.В., Крайнова И.Н., Грибанов А.В. Нейросетевые технологии в диагностике заболеваний (обзор). Журнал медико-биологических исследований 2018; 6(3): 284–294. DOI: 10.17238/issn2542-1298.2018.6.3.284Vyucheyskaya M.V., Krainova I.N., Gribanov A.V. Neural network technologies in the diagnosis of diseases (review). Zhurnal mediko-biologicheskikh issledovanii 2018; 6(3): 284–294. (in Russ.) DOI: 10.17238/issn2542-1298.2018.6.3.284Басова Л.А., Карякина О.Е., Мартынова Н.А., Кочорова Л.В. Прогнозирование послеоперационных осложнений на основе нейросетевых технологий. Вестник новых медицинских технологий 2015; 22(4): 117–121. DOI: 10.12737/17035Basova L.A., Karyakina O.E., Martynova N.A., Kochorova L.V. Prediction of postoperative complications based on neural network technologies. Vestnik novykh meditsinskikh tehnologii 2015; 22(4): 117–121. (in Russ.) DOI: 10.12737/17035Кравченко В.О. Методы использования искусственных нейронных сетей в медицине. Устойчивое развитие науки и образования 2018; 6: 266–270.Kravchenko V.O. Methods of using artificial neural networks in medicine. Ustoichivoe razvitie nauki i obrazovaniya 2018; 6: 266–270. (in Russ.)Головинова В.Ю., Киреев С.Г., Котенко П.К., Минаев Ю.Л., Штамбург И.Н., Кузьмин С.Г. Нейросетевые модели прогнозирования заболеваемости в организованных коллективах. Вестник Российской военно-медицинской академии 2014; 3(47): 150–154.Golovinova V.Yu., Kireev S.G., Kotenko P.K., Minaev Yu.L., Shtamburg I.N., Kuzmin S.G. Neural network models of morbidity prediction in organized collectives. Vestnik Rossiiskoi voenno-meditsinskoi akademii 2014; 3(47): 150–154. (in Russ.)Фаустова К.И. Нейронные сети: применение сегодня и перспективы развития. Территория науки 2017; 4: 83–87.Faustova K.I. Neural networks: application today and prospects for development. Territoriya nauki 2017; 4: 83–87. (in Russ.)Мелихова О.А., Вепринцева О.В., Чумичев В.С., Джамбинов С.В., Гайдуков А.Б. Режимы обучения в искусственных нейронных сетях. Инновации в науке 2016; 1(50): 17–22.Melikhova O.A., Veprintseva O.V., Chumicheva V.S., Dzhambinov S.V., Gaidukov A.B. Learning modes in artificial neural networks. Innovatsii v nauke 2016; 1(50): 17–22. (in Russ.)Caliskan A., Yuksel M.E. Classification of Coronary Artery Disease Data Sets by Using a Deep Neural Network. Euro Biotech J 2017; 1(4): 271–277.Caliskan A., Yuksel M.E. Classification of Coronary Artery Disease Data Sets by Using a Deep Neural Network. Euro Biotech J 2017; 1(4): 271–277.Ясницкий Л.Н., Думлер А.А., Богданов К.В., Полещук А.Н., Черепанов Ф.М., Макурина Т.В., Чугайнов С.В. Диагностика и прогнозирование течения заболеваний сердечно-сосудистой системы на основе нейронных сетей. Медицинская техника 2013; 3(279): 42–44.Yasnitskiy L.N., Dumler A.A., Bogdanov K.V., Poleshchuk A.N., Cherepanov F.M., Makurina T.V., Chugainov S.V. Diagnosis and prediction of the course of diseases of the cardiovascular system based on neural networks. Meditsinskaya tekhnika 2013; 3(279): 42–44. (in Russ.)Sanoob M.U., Madhu A., Ajesh K., Varghese S.M. Artificial Neural Network for Diagnosis of Pancreatic Cancer. IJCI 2016; 5 (2): 41–49. DOI: 10.5121/ijci.2016.5205Sanoob M.U., Madhu A., Ajesh K., Varghese S.M. Artificial Neural Network for Diagnosis of Pancreatic Cancer. IJCI 2016; 5 (2): 41–49. DOI: 10.5121/ijci.2016.5205Ганцев Ш.Х., Зимичев А.А., Хрисанов Н.Н., Климентьева М.С. Применение нейронной сети в прогнозировании рака мочевого пузыря. Медицинский вестник Башкортостана 2010; 3: 44–47.Gantsev Sh.Kh., Zimichev A.A., Khrisanov N.N., Klimentyeva M.S. The use of a neural network in predicting bladder cancer. Meditsinskii vestnik Bashkortostana 2010; 3: 44–47. (in Russ.)Макарова Л.С., Семерякова Е.Г. Разработка решающих правил для системы поддержки принятия решений дифференциальной диагностики бронхиальной астмы. Вестник науки Сибири 2012; 3(4): 162–167.Makarova L.S., Semeryakova E.G. Development of decisive rules for the decision support system of differential diagnosis of bronchial asthma. Vestnik nauki Sibiri 2012; 3(4): 162–167. (in Russ.)Панова И.А., Рокотянская Е.А., Ясинский И.Ф., Малышкина А.И., Назаров С.Б., Парейшвили В.В., Богатова И.К. Использование нейросетевой технологии для прогнозирования преэклампсии у беременных с хронической артериальной гипертензией. Современные технологии в медицине 2018; 10(4): 151–158. DOI: 10.17691/stm2018.10.4.18Panova I.A., Rakityanskaya E.A., Yasinsky I.F., Malyshkina A.I., Nazarov S.B., Pareishvili V.V., Bogatova I.K. The use of neural network technology to predict preeclampsia in pregnant women with chronic arterial hypertension. Sovremennye tehnologii v meditsine 2018; 10(4): 151–158. (in Russ.) DOI: 10.17691/stm2018.10.4.18Рокотянская Е.А., Панова И.А., Малышкина А.И., Фетисова И.Н., Фетисов Н.С., Харламова Н.В., Кулигина М.В. Технологии прогнозирования преэклампсии. Современные технологии в медицине. 2020; 12(5): 78–86. DOI: 10.17691/stm2020.12.5.09Rokotyanskaya E.A., Panova I.A., Malyshkina A.I., Fetisova I.N., Fetisov N.S., Kharlamova N.V., Kuligina M.V. Technologies for predicting preeclampsia. Sovremennye tekhnologii v meditsine 2020; 12(5): 78–86. (in Russ.) DOI: 10.17691/stm2020.12.5.09Mantzaris D., Vrizas M., Trougkakos S., Priska E., Vadikolias K. Artificial Neural Networks for Estimation of Dementias Types. Artif Intell Appl 2014; 1(1): 74–82.Mantzaris D., Vrizas M., Trougkakos S., Priska E., Vadikolias K. Artificial Neural Networks for Estimation of Dementias Types. Artif Intell Appl 2014; 1(1): 74–82.Lins A.J.C.C., Muniz M.T.C., Garcia A.N.M., Gomes A.V., Cabral R.M., Bastos-Filho C.J.A. Using Artificial Neural Networks to Select the Parameters for the Prognostic of Mild Cognitive Impairment and Dementia in Elderly Individuals. Comput Methods Programs Biomed 2017; 152: 93–104. DOI: 10.1016/j.cmpb.2017.09.013Lins A.J.C.C., Muniz M.T.C., Garcia A.N.M., Gomes A.V., Cabral R.M., Bastos-Filho C.J.A. Using Artificial Neural Networks to Select the Parameters for the Prognostic of Mild Cognitive Impairment and Dementia in Elderly Individuals. Comput Methods Programs Biomed 2017; 152: 93–104. DOI: 10.1016/j.cmpb.2017.09.013Алексеева О.В., Россиев Д.А., Ильенкова Н.А. Применение искусственных нейронных сетей в дифференциальной диагностике рецидивирующего бронхита у детей. Сибирское медицинское обозрение 2010; 6: 75–79.Alekseeva O. V., Rossiev D.A., Ilyenkova N.A. The use of artificial neural networks in the differential diagnosis of recurrent bronchitis in children. Sibirskoe meditsinskoe obozrenie 2010; 6: 75–79. (in Russ.)Резниченко Н.С., Шилов С.Н. Использование нейросетевой системы для диагностики синдрома дефицита внимания с гиперактивностью. Медико-биологические науки 2014; 1: 48–54.Reznichenko N.S., Shilov S.N. Using a neural network system to diagnose attention deficit hyperactivity disorder. Mediko-biologicheskie nauki 2014; 1: 48–54. (in Russ.)Славутская Е.В., Славутский Л.А. Использование искусственных нейронных сетей для анализа гендерных различий младших подростков. Психологические исследования 2012; 5(23): 4.Slavutskaya E.V., Slavutsky L.A. Using artificial neural networks to analyze gender differences in younger adolescents. Psikhologicheskie issledovaniya 2012; 5(23): 4. (in Russ.)Чаша Т.В., Харламова Н.В., Климова О.И., Ясинский Ф.Н., Ясинский И.Ф. Применение нейронных сетей для прогнозирования течения постгипоксических нарушений сердечно-сосудистой системы у новорожденных детей. Вестник Ивановского государственного энергетического университета 2009; 4:57–59.Chasha T.V., Kharlamova N.V., Klimova O.I., Yasinsky F.N., Yasinsky I.F. The use of neural networks to predict the course of posthypoxic disorders of the cardiovascular system in newborns. Vestnik Ivanovskogo gosudarstvennogo energeticheskogo universiteta 2009; 4: 57–59. (in Russ.)

The authors declare that there are no conflicts of interest present.