+7 (499) 463-00-00 (доб. 1233)
Подать статью
О нас
  • Цели и задачи
  • Редакция
Журнал
  • Номера журнала
  • Статьи
  • Авторы
Авторам
  • Правила для авторов
  • Оформление библиографии
  • Отправка статей
  • Рецензирование
  • Этика научных публикаций
  • Авторские права
  • Конфиденциальность
  • Политика свободного доступа
Контакты
ru
en
ru
О нас
  • Цели и задачи
  • Редакция
Журнал
  • Номера журнала
  • Статьи
  • Авторы
Авторам
  • Правила для авторов
  • Оформление библиографии
  • Отправка статей
  • Рецензирование
  • Этика научных публикаций
  • Авторские права
  • Конфиденциальность
  • Политика свободного доступа
Контакты
    ru
    en
    Подать статью
    • О нас
      • О нас
      • Цели и задачи
      • Редакция
    • Журнал
      • Журнал
      • Номера журнала
      • Статьи
      • Авторы
    • Авторам
      • Авторам
      • Правила для авторов
      • Оформление библиографии
      • Отправка статей
      • Рецензирование
      • Этика научных публикаций
      • Авторские права
      • Конфиденциальность
      • Политика свободного доступа
    • Контакты
    Подать статью
    • ru
      • Язык
      • ru
      • en
    • 105203, г. Москва, ул. Нижняя Первомайская, д. 65
    • vit-j@pirogov-center.ru
    Главная
    —
    Номера
    —Статьи

    Статьи

    За все время
    За все время
    2023 2022 2021 2020 2019
    ВиИТ №4 2021
    Искусственный интеллект в здравоохранении
    Методические и нормативные аспекты создания набора данных ЭКГ для тестирования автоматизированных алгоритмов и систем искусственного интеллекта
    В работе приведено подробное описание процесса формирования и обработки набора данных ЭКГ. Определены технологии набора и обработки массива первичных данных. Перечислены нормативные документы, регламентирующие процесс создания датасета. Определены принципы формирования и работы экспертной группы. С помощью этой суммы технологий создан набор из 220 ЭКГ исследований, прошедших двухуровневое модерирование. Примененный для создания эталонных аннотаций редуцированный тезаурус позволяет проводить срав...
    ВиИТ №1 2021
    Искусственный интеллект в здравоохранении
    Определение типа аллергии на основании неструктурированных медицинских записей
    Использование разных форматов данных затрудняет стандартизацию и обмен медицинских данных. Более того, большая часть медицинских данных хранится в виде неструктурированных медицинских записей, что затрудняет их обработку. В данной работе мы решаем задачу категоризации неструктурированных аллергологических анамнезов по категориям, предоставленным в стандарте обмена FHIR. Была разработана двухэтапная модель классификации на основе размеченных вручную медицинских записей. На первом этапе модель фил...
    ВиИТ №4 2020
    Искусственный интеллект в здравоохранении
    Московский эксперимент по применению компьютерного зрения в лучевой диагностике: вовлеченность врачей-рентгенологов
    Актуальность. В 2019 г. Правительство Москвы приняло решение о проведении масштабного научного исследования – Эксперимента по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения в системе здравоохранения столицы (www.mosmed.ai).
    Цель исследования – систематизировать первые результаты Эксперимента с позиции вовлеченности врачей-рентгенологов.
    Материал и методы. Эксперимент представляет собой проспективное научное исследование,...
    ВиИТ №4 2020
    Искусственный интеллект в здравоохранении
    Технологии прогнозной аналитики в борьбе с пандемией COVID 19
    В последнее время новая коронавирусная инфекция или COVID 19, вызванная возбудителем SARS-CoV 2, продолжает быстрое распространение по всему миру. По мнению Всемирной организации здравоохранения (ВОЗ), объявившей эту вспышку пандемией, COVID 19 является серьезной проблемой для общественного здравоохранения, имеющей международное значение. Из-за отсутствия доказанного эффективного лечения и вакцинации против COVID 19 меры предосторожности считаются ВОЗ стратегическими целями и основным способом п...
    ВиИТ №4 2020
    Искусственный интеллект в здравоохранении
    Повышение точности прогнозирования длительности дробления мочевых конкрементов на основе многофакторных регрессионных моделей
    Приведены регрессионные модели для прогнозирования длительности контактной гольмиевой литотрипсии. Модели получены на базе расчетных и экспериментальных данных о длительности различных этапов лазерной литотрипсии. Они позволяют на основании объема и рентгенологической плотности мочевых конкрементов и учета анатомических особенностей больного рассчитать ожидаемое время полной фрагментации камней с более высокой, по сравнению с известной моделью на основе коэффициента дополнительных затрат, точнос...
    ВиИТ №3 2020
    Искусственный интеллект в здравоохранении
    Первый российский набор данных гистологических изображений патологических процессов молочной железы
    Предложен набор размеченных гистологических изображений различных патологических процессов молочной железы, включающий 104 микроскопических препарата от 92 пациентов и более 40 тысяч изображений. К набору данных предложена аннотация с морфологическими типами, характером патологических процессов, степенью дифференцировки опухоли, характеристикой по классификации TNM и возрастом пациентов. Набор данных подготовлен в соответствии с внутренними процедурами ФГБУ ГНЦ ФМБЦ им. А. И. Бурназяна ФМБА Росс...
    ВиИТ №2 2020
    Искусственный интеллект в здравоохранении
    Технологии искусственного интеллекта в медицине и здравоохранении: позиции России на глобальном патентном и публикационном ландшафте
    Представлен обзор мер государственной политики, направленных на развитие технологий искусственного интеллекта (ИИ) в мире и в России. С целью оценить конкурентоспособность отечественных разработок, созданных для использования технологий ИИ в медицине и здравоохранении, выполнен наукометрический и патентный анализ направления за период 2010–2019 гг. На основе анализа фронтов исследований по методологии Essential science indicators выявлены наиболее перспективные на сегодняшний день исследовательские...
    ВиИТ №1 2020
    Искусственный интеллект в здравоохранении
    Современные методы анализа и прогнозирования временных рядов и их применение в медицине
    Статья представляет собой обзор российских и зарубежных научных публикаций, связанных с применением в медицине методов анализа и прогнозирования временных рядов. Рассмотрены 112 основных публикаций за последние 5 лет, расположенные на Интернет-ресурсах e-library и PubMed. Приведены примеры применения таких методов как экспоненциальное сглаживание, регрессионный анализ, метод ARIMA и их варианты для анализа временных рядов. Представлены различные подходы к математическому моделированию временного...
    ВиИТ №4 2019
    Искусственный интеллект в здравоохранении
    Прогнозирование рецидива у пациентов с болезнью Иценко-Кушинга после успешной эндоскопической трансназальной аденомэктомии: нейросетевая модель и ее программная реализация
    Введение. В связи с высокой частотой возникновения рецидивов у пациентов с болезнью Иценко-Кушинга после эндоскопической трансназальной аденомэктомии (до 55% в период до 5 лет) актуальна разработка способа прогнозирования рецидива заболевания на основании совокупности факторов.
    Материалы и методы. В исследование включены 219 пациентов, перенесших эндоскопическую трансназальную аденомэктомию в 2007–2014 гг. В течение 3 лет ремиссия сохранялась у 172 пациентов, рецидив развился у 47 пациентов. Выполнялось...
    ВиИТ №3 2019
    Искусственный интеллект в здравоохранении
    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...
    ВиИТ №3 2019
    Искусственный интеллект в здравоохранении
    Перспективы использования методов машинного обучения для предсказания сердечно-сосудистых заболеваний
    Заболеваемость и смертность от сердечно-сосудистых заболеваний (ССЗ) остается лидирующей на протяжении последних десятилетий в всем мире. Методы первичной профилактики, основанные на управлении факторами сердечно-сосудистого риска, являются наиболее эффективными для снижения бремени ССЗ. В профилактической медицине для управления рисками ССЗ используются рискометры – шкалы, полученные в результате длительных проспективных исследований. Но практическое применение разработанных шкал показало огран...
    ВиИТ №3 2019
    Искусственный интеллект в здравоохранении
    Опыт разработки и внедрения системы поиска онкологических образований с помощью искусственного интеллекта на примере рентгеновской компьютерной томографии легких
    Рассмотрен опыт создания и внедрения информационной системы на базе искусственного интеллекта «Botkin.AI» для выявления узлов и очагов в легких по данным КТ. Описаны основные параметры математических моделей, разработанных для системы, представлены результаты пилотных проектов ее практического применения в нескольких регионах Российской Федерации. Приведены примеры ее применения для выявления узлов в легких различных размеров и локализации. Во время проведения пилотных проектов в регионах были в...
    ВиИТ №2 2019
    Искусственный интеллект в здравоохранении
    Применение нейросетевых методов машинного обучения в лечении осложнений у пациентов на гемодиализе
    В работе описывается комплексная система автоматизированного формирования программы коррекции анемии у пациентов с терминальной стадией хронической болезни почек.
    Показано, что созданная система позволяет сформировать медикаментозную терапию, адекватную текущему состоянию и динамике состояния пациента, даже в ситуациях, когда терапия ранее не проводилась. В системе использован метод сочетания нейронных сетей, обученных на существующей клинической прецедентной базе адекватной коррекции анемии, и...
    • Все рубрики
    • Обзоры
    • Терминология и стандартизация
    • Искусственный интеллект в здравоохранении
    • Особое мнение
    • Блокчейн в здравоохранении
    • Информатизация здравоохранения
    • Региональные проекты информатизации
    • Системы поддержки принятия решений
    • Диагностические системы
    • Новые направления цифрового здравоохранения
    • Информационные технологии в образовании
    • ИТ и экономика здравоохранения
    • Медицинские информационные системы
    • Телемедицина
    • Зарубежный опыт
    • Математическое моделирование
    • Защита персональных данных
    • Новости отрасли
    • Оригинальные исследования
    • Практический опыт
    • Проблемы и дискуссии
    • Письмо в редакцию
    • Мнение редакции
    Номера
    • ВиИТ №1 2023 7
    • ВиИТ №4 2022 7
    • ВиИТ №3 2022 7
    • ВиИТ №2 2022 7
    • ВиИТ №1 2022 7
    COVID 19 e-здравоохранение автоматизация автоматизированная система база знаний гемодиализ здравоохранение информатизация информатизация ЕАЭС информатизация здравоохранения информационная система информационные технологии искусственный интеллект кардиологические информационные системы когнитивная графика компьютерная томография лекарственные препараты лечебно-диагностический процесс лучевая диагностика магнитно-резонансная томография маркировка лекарственных препаратов математическое моделирование машинное обучение медицина медицинская визуализация медицинская информационная система медицинская организация медицинская помощь медицинская статистика медицинские данные медицинские информационные системы медицинские информационные технологии медицинское образование нейронная сеть нейронные сети онкология организация здравоохранения прогнозирование система поддержки принятия врачебных решений системы поддержки принятия врачебных решений телемедицина телемедицинские технологии факторы риска хронические неинфекционные заболевания цифровая медицина цифровая трансформация цифровизация здравоохранения электрокардиография электронное здравоохранение эффективность
    О нас
    Журнал
    Авторам
    Контакты
    +7 (499) 463-00-00 (доб. 1233)
    vit-j@pirogov-center.ru
    105203, г. Москва, ул. Нижняя Первомайская, д. 65
    © 2023 ФГБУ «НМХЦ им. Н.И. Пирогова» Минздрава России
    Политика конфиденциальности