Статьи с темой: «онкология»
-
2019 № 1 Возможности технологий «Big Data» в медицине
Статья посвящена исследованию особенностей использования технологий анализа больших объемов неструк-
турированных и многообразных данных («Big Data») в медицине. Рассмотрена история развития, целесообразность применения и накопленный опыт по использованию технологий «Big Data» в Европе и России, определены их возможности и преимущества, а также отдельное внимание уделено перспективным направлениям развития. Детально проанализирована сфера их применения на примере ранней диагностики и лечения онкологических заболеваний, где они нашли применение при составлении и изучении «омиксных» баз данных, которые включают в себя генетическую информацию каждого отдельно взятого пациента и открывают возможности персонализированного подбора лечения. Также отмечен потенциал аналитических технологий в системе здравоохранения и эпиднадзора. -
2018 № 1 Разработка модели матричного агрегатного вычислителя для анализа имплицитных знаний в интеллектуальной системе ранней диагностики РПЖ
Статья посвящена исследованию проблем применения математического аппарата для решения диагностических задач в медицине. Проанализированы сравнительные характеристики и обоснованы возможности использования нечетко-логических моделей как инструмента диагностики РПЖ. Приведен пример использования матричного агрегатного вычислителя (МАВ) применительно к диагностике ранних стадий рака предстательной железы (РПЖ).
-
2019 № 3 pdf Разработка алгоритма поиска клинически однородных пациентов по слабоструктурированным текстовым данным электронной медицинской карты онкологического профиля
Рост контингента пациентов со злокачественными новообразованиями в целом по России значительно увеличивает нагрузку на специализированную сеть онкологических учреждений и врачей онкологов. Наиболее вероятно, что данная тенденция сохранится в ближайшие годы. Одним из направлений повышения эффективности врачебной деятельности является извлечение современными методами анализа данных знаний из больших массивов медицинских данных путем кластеризации больных, заключающейся в выделении групп однородных (схожих) больных по совокупности клинических показателей. Целью исследования является разработка алгоритма поиска клинически однородных пациентов по слабо-
Искусственный интеллект в здравоохранении структурированным и неструктурированным данным электронной медицинской карты онкологического диспансера, с последующей возможностью встраивания его в системы поддержки принятия врачебных решений (СППВР). Применение таких СППВР в практической медицине и в сфере медицинского образования позволит анализировать массивы информации
неограниченного размера, что потребует дальнейшего внедрения и совершенствования информационных систем на всех
уровнях оказания медицинской помощи. Однородность больных в работе определяли методом машинного обучения по-
средством косинусного расстояния в пространстве векторных представлений электронных медицинских карт. Экспериментна 20 случайно выбранных электронных медицинских картах больных ГБУЗ «Клинический онкологический диспансер № 1» Министерства здравоохранения Краснодарского края показал высокую эффективность алгоритма в создании кластеров клинически схожих пациентов.