Использование искусственного интеллекта для диагностики заболеваний и прогнозирования их исходов у новорожденных

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

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

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

1. Выучейская 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/issn2542-1298.2018.6.3.284

2. Басова 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: 10.12737/17035

3. Кравченко В.О. Методы использования искусственных нейронных сетей в медицине. Устойчивое развитие науки и образования 2018; 6: 266–270.

4. 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.

5. Фаустова К.И. Нейронные сети: применение сегодня и перспективы развития. Территория науки 2017; 4: 83–87.

6. 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.

7. 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.

8. 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.

9. 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.2016.5205

10. Ганцев 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.

11. 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.

12. 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/stm2018.10.4.18

13. Рокотянская 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/stm2020.12.5.09

14. 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.

15. 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.2017.09.013

16. Алексеева 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.

17. Резниченко Н.С., Шилов С.Н. Использование нейросетевой системы для диагностики синдрома дефицита внимания с гиперактивностью. Медико-биологические науки 2014; 1: 48–54.

18. Славутская Е.В., Славутский Л.А. Использование искусственных нейронных сетей для анализа гендерных различий младших подростков. Психологические исследования 2012; 5(23): 4.

19. 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.