ML-модель обучена на обширных массивах обезличенных медицинских данных, находящихся в открытом доступе. Эти данные включают в себя результаты лабораторных анализов, клинические исследования, информацию из анамнеза (истории болезни) пациентов и сведения об их образе жизни. Такой комплексный подход позволяет алгоритму находить сложные закономерности.
По словам автора разработки, сотрудника лаборатории интеллектуальных систем и анализа данных Тимура Бицуева, система открывает новые перспективы для кардиологов. Главное преимущество – возможность выявить риск сердечной недостаточности еще до появления явных клинических симптомов. Это позволяет врачам заранее выбирать оптимальную тактику наблюдения и ведения пациента.
«Система не заменяет врача, а выступает в роли интеллектуального ассистента, предоставляя основанную на данных, объективную оценку. Это поможет специалисту принять более взвешенные решения о дополнительных обследованиях, назначении терапии или коррекции образа жизни. Алгоритмы машинного обучения способны находить скрытые взаимосвязи в данных, которые могут оставаться не замеченными при традиционном анализе, тем самым указывая на ранее недооцененные факторы риска», – подчеркивает Тимур Бицуев.
К тому же она поможет медучреждениям снизить число госпитализаций и сократит время обслуживания одного пациента.
Помимо помощи в ранней диагностике и персонализированном подходе к пациенту, разработка обещает и системные преимущества. Снижение числа госпитализаций за счет своевременного выявления и управления рисками. сокращение времени обслуживания одного пациента так как врач получает структурированную аналитическую поддержку для принятия решений.
Проект реализован Тимуром Бицуевым под научным руководством директора института электроники, робототехники и искусственного интеллекта КБГУ Замира Шомахова.