Специалисты Новосибирского государственного технического университета (НГТУ) создали калькулятор на базе машинного обучения, который с высокой точностью позволяет выявлять воспалительные заболевания кишечника и определять вероятность конкретной формы болезни. Об этом информирует пресс-служба вуза.
Для диагностики заболеваний специалистам обычно требуется анализировать большое количество информации. Применение методов машинного обучения значительно упрощает комплексный анализ множества клинических данных и результатов лабораторных исследований. Обученные модели с высокой точностью способны оперативно обрабатывать обширный набор показателей, что зачастую необходимо в процессе первичной диагностики пациента.
«Диагностические калькуляторы, использующие различные клинические и лабораторные параметры, позволяют определить форму и степень тяжести заболевания, оценить вероятность осложнений и уточнить долгосрочный прогноз. Это поможет врачам разработать эффективный план лечения, выбрать соответствующие лекарственные препараты, а также оценить необходимость хирургического вмешательства. Созданный в НГТУ диагностический калькулятор предназначен для оценки формы и стадии воспалительных заболеваний кишечника. Полученный набор комбинированных моделей позволяет получать результаты на основе совокупности метаболических профилей мембран эритроцитов и сыворотки крови», — приводит пресс-служба слова разработчика Ирины Яковиной.
В рамках проекта было разработано веб-приложение, которое предоставляет врачам возможность вводить данные о пациентах, получать результаты работы пяти различных моделей машинного обучения и просматривать дополнительную информацию о точности диагностических оценок.
«Данный метод является малоинвазивным, безопасным и не требует значительных финансовых затрат, что делает его доступным для применения в медицинских и научных учреждениях, в том числе для скрининга больших групп населения», — добавила Яковина.
По результатам работы был получен патент на изобретение. Долгосрочные перспективы развития проекта включают дальнейшее усовершенствование функционала для обработки результатов работы моделей и возможную интеграцию с другими системами и базами данных пациентов.
Фото: hi-tech.mail.ru